Python常用的6种绘制地图的方法
原创
今天来讲一讲在日常工作生活中我常用的几种绘制地图的方法，下面我将介绍下面这些可视化库的地图绘制方法，当然绘制漂亮的可视化地图还有很多优秀的类库，没有办法一一列举
pyecharts、plotly、folium、bokeh、basemap、geopandas、cartopy
Boken
首先我们先介绍 Boken 绘制地图的方法
Bokeh 支持创建基本地图可视化和基于处理地理数据的地图可视化
画一张世界地图
from bokeh.plotting import figure, show
from bokeh.tile_providers import CARTODBPOSITRON, get_provider
from bokeh.io import output_notebook
output_notebook()
tile_provider = get_provider(CARTODBPOSITRON)
p = figure(x_range=(-2000000, 6000000), y_range=(-1000000, 7000000),
x_axis_type="mercator", y_axis_type="mercator")
p.add_tile(tile_provider)
show(p)
再画一张中国地图看看
from bokeh.plotting import curdoc, figure
from bokeh.models import GeoJSONDataSource
from bokeh.io import show
# 读入中国地图数据并传给GeoJSONDataSource
with open("china.json", encoding="utf8") as f:
geo_source = GeoJSONDataSource(geojson=f.read())
# 设置一张画布
p = figure(width=500, height=500)
# 使用patches函数以及geo_source绘制地图
p.patches(xs='xs', ys='ys', source=geo_source)
show(p)
我们通过 GEO 地理数据来绘制地图同样非常方便，但是地图看起来有一些单调，我们把不同的省份绘制成不同的颜色来看看
with open("china.json", encoding="utf8") as f:
data = json.loads(f.read())
# 判断是不是 北京地区数据
def isBeijing(district):
if 'beijing' in district['properties']['woe-name'].lower():
return True
return False
# data['features'] = list(filter(isInLondon, data['features']))
# 过滤数据
# 为每一个地区增加一个color属性
for i in range(len(data['features'])):
data['features'][i]['properties']['color'] = ['red', 'blue', 'yellow', 'orange', 'gray', 'purple'][i % 6]
data['features'][i]['properties']['number'] = random.randint(0, 20_000)
geo_source = GeoJSONDataSource(geojson=json.dumps(data))
p = figure(width=500, height=500, tooltips="@name, number: @number")
p.patches(xs='xs', ys='ys', fill_alpha=0.7,
line_color='white',
line_width=0.5,
color="color", # 增加颜色属性，这里的"color"对应每个地区的color属性
source=geo_source)
p.axis.axis_label = None
p.axis.visible = False
p.grid.grid_line_color = None
show(p)
可以看到已经有内味了，唯一美中不足的就是南海的十三段线没有展示出来
geopandas
GeoPandas 是基于 Pandas 的地图可视化工具，其数据结构完全继承自 Pandas，对于熟悉潘大师的同学来说还是非常友好的
还是先画一张世界地图
import pandas as pd
import geopandas
import matplotlib.pyplot as plt
%matplotlib inline
world = geopandas.read_file(geopandas.datasets.get_path('naturalearth_lowres'))
world.plot()
plt.show()
这也是 geopandas 官网上的经典图片，可以看到非常简单，除去 import 代码，仅仅三行，就完成了地图的绘制
下面我们继续绘制中国地图，这次我们加上九段线信息
china_nine = geopandas.read_file(r"geojson/九段线GS（2019）1719号.geojson")
china = geopandas.read_file('china-new.json')
fig, ax = plt.subplots(figsize=(12, 8),dpi=80)
ax = china.plot(ax=ax, column='number')
ax = china_nine.plot(ax=ax)
plt.show()
我们复用了前面处理的 china.json 数据，里面的 number 字段是随机生成的测试数据，效果与 Bokeh 不相上下
plotly
接下来我们介绍 plotly，这也是一个非常好用的 Python 可视化工具，如果要绘制地图信息，我们需要安装如下依赖
!pip install geopandas==0.3.0
!pip install pyshp==1.2.10
!pip install shapely==1.6.3接下来我们先绘制一个世界地图
import plotly.graph_objects as go
fig = go.Figure(go.Scattermapbox(
mode = "markers+lines",
lon = [10, 20, 30],
lat = [10, 20,30],
marker = {'size': 10}))
fig.add_trace(go.Scattermapbox(
mode = "markers+lines",
lon = [-50, -60,40],
lat = [30, 10, -20],
marker = {'size': 10}))
fig.update_layout(
margin ={'l':0,'t':0,'b':0,'r':0},
mapbox = {
'center': {'lon': 113.65000, 'lat': 34.76667},
'style': "stamen-terrain",
'center': {'lon': -20, 'lat': -20},
'zoom': 1})
fig.show()这里我们使用底层 API plotly.graph_objects.Choroplethmapbox 来绘制
下面我们继续绘制中国地图，使用一个高级 API plotly.express.choropleth_mapbox
原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。
如有侵权，请联系 cloudcommunity@tencent.com 删除。
原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。
如有侵权，请联系 cloudcommunity@tencent.com 删除。