用 GeoPandas 绘制超高颜值数据地图
写在前面
通常情况下，在执行 EDA 时，我们会面临显示有关地理位置的信息的情况。例如，对于 COVID 19 数据集，人们可能希望显示各个区域的病例数。这是 Python 库 GeoPandas 的用武之地。
本文和大家一起学习如何使用 GeoPandas有效地可视化地理空间数据。
与 GeoPandas 相关的地理空间分析相关术语
地理空间数据[1]描述相对于地球位置（坐标）的物体、事件或其他特征。
空间数据 由几何对象的基本类型表示。
几何 | 代表 |
|---|---|
点 points | 地块位置的中心点等。 |
线 lines | 道路、溪流 |
多边形 polygons | 建筑物、湖泊、州、省等的边界。 |
CRS/坐标参考系统告诉我们如何（使用投影 或数学方程）将圆形地球上的位置（坐标）转换为扁平的二维坐标系（例如计算机屏幕或纸张）上的相同位置地图）。最常用的 CRS 是“EPSG:4326”。
什么是GeoPandas？
GeoPandas 基于Pandas。它扩展了 Pandas 数据类型以包含几何列并执行空间操作。因此，任何熟悉Pandas的人都可以轻松采用 GeoPandas。
▲ GeoPandas – GeoDataFrame 和 GeoSeries
在GeoPandas的主要数据结构是GeoDataFrame延伸的PandasDataFrame。所以所有基本的DataFrame操作都可以在GeoDataFrame上执行。GeoDataFrame包含一个或多个GeoSeries（延伸PandasSeries）每个都包含在一个不同的几何形状的投影（GeoSeries.crs）。虽然GeoDataFrame可以有多个GeoSeries列，但其中只有一个是活动几何图形，即所有几何操作都在该列上。
在下一节中，我们将一起学习如何使用一些常见的函数，如边界、质心和最重要的绘图方法。为了演示地理空间可视化的工作，让我们使用来自2021年奥运会数据集的Teams数据。
数据准备
在导入 GeoPandas 之前阅读Teams数据集，数据集和代码可以在公众号『数据STUDIO』回复【GeoPandas】获取。
团队的数据集包含团队名称、项目、NOC（国家/地区）和事件列。在本练习中，我们将仅使用 NOC 和 项目 列。
import pandas as pd
df_teams = pd.read_excel("data/Teams.xlsx")
总结每个国家的项目并绘制它。
df_teams_countries_disciplines = df_teams \
.groupby(by="NOC").agg({'Discipline':'count'} ) \
.reset_index().sort_values(by='Discipline', ascending=False)
ax = df_teams_countries_disciplines.plot.bar(x='NOC', xlabel = '', figsize=(20,8))
▲ df_teams_countries_disciplines–条形图
导入 GeoPandas 并读取数据
import geopandas as gpd
df_world = gpd.read_file(gpd.datasets.get_path('naturalearth_lowres'))
print(f"{type(df_world)}, {df_world.geometry.name}")
print(df_world.head())
print(df_world.geometry.geom_type.value_counts())
“ naturalearth_lowres ”是我们加载的geopandas提供的底图。
▲ df_world
df_world 的类型是 GeoDataFrame 与大陆（国家）的名称和几何列（国家地区）。geometry 属于GeoSeries 类型，是具有以 Polygon 和 MultiPolygon 类型表示的国家区域的活动几何体。
现在绘制世界地图
df_world.plot(figsize=(10,6))
▲ df_world-plot
合并 teams 和 world 数据集
df_world_teams = df_world.merge(df_teams_countries_disciplines,
how="left",
left_on=['name'],
right_on=['NOC'])
print("Type of DataFrame : ",
type(df_world_teams), df_world_teams.shape[0])
df_world_teams.head()
▲ 合并数据框
注意：
- df_world_teams 将有一些 NOC 和 Discipline 为 NaN 的记录。在里用的到是**'left'而不是'right'**合并，这里是有意这样做的，因为我们数据中也有一些没有参与的国家。
- 很少有国家名称在奥运会和世界数据集之间不一致。所以尽可能调整了国家名称。详细信息在源代码中。
开始绘图
显示一个简单的世界地图 - 只有边界的地图
作为第一步，我们绘制基本地图——只有边界的世界。在接下来的步骤中，将为我们感兴趣的国家/地区着色。
ax = df_world["geometry"].boundary.plot(figsize=(20,16))
▲ 世界地图
显示 Choropleth 地图 - 绘制区域
接下来，我们根据国家参加的学科数量为参加奥运会的国家涂上颜色的深浅。国家参加的学科越多，颜色越深，反之亦然。等值线图为与数据变量相关的区域/多边形着色。
df_world_teams.plot( column="Discipline", ax=ax, cmap='OrRd',
legend=True,
legend_kwds={"label": "Participation",
"orientation":"horizontal"})
ax.set_title("参加2021年奥运会的国家Vs项目数量")
在这里需要注意的是：
- ax是绘制地图的轴
- cmap是颜色图的名称
- legend & legend_kwds控制图例的显示
参加奥运会的国家
▲ 参加奥运会的国家
根据阴影，我们可以很快看出，中国、日本、美国、意大利、德国和澳大利亚是参与较多项目的国家。
请注意，底部的图例看起来不太好。我们修改 df_world_teams.plot 以使可视化更易于展示。
fig, ax = plt.subplots(1, 1, figsize=(20, 16))
divider = make_axes_locatable(ax)
cax = divider.append_axes("right", size="2%", pad="0.5%")
df_world_teams.plot(column="Discipline", ax=ax, cax=cax, cmap='OrRd',
legend=True, legend_kwds={"label": "Participation"})
▲ 带有整洁的颜色图
这个可视化不是更整洁吗？
对未参加的国家进行着色
绘制missing_kwds
现在，哪些没有参加的国家呢？所有没有阴影（即白色）的国家都是没有参加的国家。但是我们通过将这些国家/地区涂成灰色来使这一点更加明显。我们可以使用带有纯色或带有颜色和图案的 missing_kwds。
df_world_teams.plot(column="Discipline",
ax=ax, cax=cax,
cmap='OrRd',
legend=True,
legend_kwds={"label": "Participation"},
missing_kwds={'color': 'lightgrey'})
▲ 未参加奥运会的国家-灰色阴影
df_world_teams.plot(column= 'Discipline', ax=ax,
cax=cax, cmap='OrRd',
legend=True,
legend_kwds={"label": "Participation"},
missing_kwds={"color": "lightgrey",
"edgecolor": "white", "hatch": "|"})
▲ 未参加奥运会的国家-灰色阴影和阴影线
标记参与最少的项目的国家-绘制点
哪个项目的参与最少？
df_discipline_countries = \
df_teams.groupby(by='Discipline'
).agg({'NOC':'count'}
).sort_values(by='NOC',
ascending=False)
ax = df_discipline_countries.plot.bar(figsize=(8, 6))
▲ 项目与国家数量
因此，棒球/垒球是参与国家数量最少的项目（12 个）。现在我们来了解一下有哪些国家参加了这个项目？
为此，首先创建一个仅包含参与最少的国家的数据集，然后将此数据集 df_teams_least_participated_disciplines 和 df_world 合并，然后计算质心。
# 创建一个只有参与最少的国家的数据集
councountries_in_least_participated_disciplines = df_discipline_countries[df_discipline_countries['NOC']<13].index.tolist()
print(least_participated_disciplines)
df_teams_least_participated_disciplines = \
df_teams[df_teams['Discipline'].
isin(countries_in_least_participated_disciplines)]\
.groupby(by=['NOC','Discipline']).agg({'Discipline':'count'})
df_teams_least_participated_disciplines.groupby(by=['NOC']
).agg({'Discipline':'count'}
).sort_values(by='Discipline',
ascending=False)
# 合并
df_teams_least_participated_disciplines 与 df_world
df_world_teams_least_participated_disciplines = df_world.merge(
df_teams_least_participated_disciplines,
how="right",
left_on=['name'],
right_on=['NOC'])
df_world_teams_least_participated_disciplines['centroid'] = \
df_world_teams_least_participated_disciplines.centroid
print("Type of DataFrame : ",
type(df_world_teams_least_disciplines),
df_world_teams_least_participated_disciplines.shape[0])
print(df_world_teams_least_participated_disciplines[:5])
所以澳大利亚、加拿大、多米尼加共和国和其他国家参加了参与最少的学科。
将以下行添加到我们之前编写的绘图代码中，用深蓝色填充圆圈标记这些国家。
df_world_teams_least_participated_disciplines["centroid"] \
.plot(ax=ax, color="DarkBlue")
df_world_teams_least_participated_disciplines.apply(lambda x: ax.annotate(text=x['name'],
xy=(x['centroid'].coords[0][0],
x['centroid'].coords[0][ 1]-5),
ha='center'),axis=1)
▲ 参与最少的项目的国家
现在我们在世界地图上显示了奥运代表队。我们可以进一步扩展它，使其信息更丰富。
警告：不要以牺牲清晰度为代价向地图添加太多细节。
参考资料
[1] 地理空间数据: https://www.ibm.com/topics/geospatial-data
[2] 图片来源: https://www.earthdatascience.org/courses/earth-analytics/spatial-data-r/intro-to-coordinate-reference-systems/
腾讯云开发者
