知乎上有人问如何实现精细化地图？现有的excel、tableau、powerbi都只能套用有限的模板，是否有工具能实现高度定制化？
除了专业的Gis软件外，我能想到相对完美的就是使用Python来实现。
如果想制作出版级的地图可视化图表，且处理大数据集，推荐使用matplotlib+cartopy+geopandas的组合，从GIS数据处理、到Geo、Map地图绘制，到可视化图片展示生成，它们都能完美解决。
matplotlib、cartopy、geopandas都是python的第三方工具库，在可视化领域非常强大，下面一一介绍。
matplotlib是python图表可视化的基础库，相信很多人都熟悉。它能创建静态、动态、交互式图表，支持自定义所有图表元素，且对地图制作非常友好。
cartopy是基于matplotlib接口的专业地理空间可视化库，它利用PROJ、Numpy和Shapely库，可以绘制出版级的地理图表。
geopandas是在pandas数据类型上构建出来的地理空间数据处理分析库，能对shapefile、geojson数据进行处理、分析及可视化。
总的来讲，matplotlib用于图表设计、cartopy用于地图展示、geopandas用于gis数据处理，搭配起来使用几乎可以媲美专业的gis软件。
而且它们可定制性极强，你几乎自行可以设计所有的地图细节，这是tableau，finereport，excel所无法实现的。
因为是基于python生态的地图工具，处理大数据集不在话下，哪怕GB、TB级别的数据，也可以通过合适的数据处理手段来生成地图。
cartopy绘图
用 Cartopy 画地图的基本流程并不复杂：
创建画布。
通过指定 projection 参数，创建 GeoAxes 对象。
调用 GeoAxes 的方法画图。
比如绘制海岸线：
import cartopy.crs as ccrsfrom cartopy.mpl.ticker import LongitudeFormatter, LatitudeFormatterimport matplotlib.pyplot as pltdef main(): fig = plt.figure(figsize=(8, 10)) # Label axes of a Plate Carree projection with a central longitude of 180: ax1 = fig.add_subplot(2, 1, 1, projection=ccrs.PlateCarree(central_longitude=180)) ax1.set_global() ax1.coastlines() ax1.set_xticks([0, 60, 120, 180, 240, 300, 360], crs=ccrs.PlateCarree()) ax1.set_yticks([-90, -60, -30, 0, 30, 60, 90], crs=ccrs.PlateCarree()) lon_formatter = LongitudeFormatter(zero_direction_label=True) lat_formatter = LatitudeFormatter() ax1.xaxis.set_major_formatter(lon_formatter) ax1.yaxis.set_major_formatter(lat_formatter) plt.show()if __name__ == '__main__': main()
绘制地图：
import cartopy.crs as ccrsimport cartopy.feature as cfeatureimport matplotlib.pyplot as pltdef main(): fig = plt.figure() ax = fig.add_subplot(1, 1, 1, projection=ccrs.PlateCarree()) ax.set_extent([-20, 60, -40, 45], crs=ccrs.PlateCarree()) ax.add_feature(cfeature.LAND) ax.add_feature(cfeature.OCEAN) ax.add_feature(cfeature.COASTLINE) ax.add_feature(cfeature.BORDERS, linestyle=':') ax.add_feature(cfeature.LAKES, alpha=0.5) ax.add_feature(cfeature.RIVERS) plt.show()if __name__ == '__main__': main()
##geopandas绘图
geopandas主要用来处理地理空间数据，也可以通过matplotlib接口来展示地图。
当然它也是依赖shapely、fiona、pyproj等众多地理空间库来进行数据分析、处理的，数据形态类似pandas的dataframe。
import geopandas as gpdfrom matplotlib_scalebar.scalebar import ScaleBarnybb = gpd.read_file(gpd.datasets.get_path('nybb'))nybb = nybb.to_crs(32619) # Convert the dataset to a coordinate# system which uses metersax = nybb.plot()ax.add_artist(ScaleBar(1))
import geopandasimport contextily as cxdf = geopandas.read_file(geopandas.datasets.get_path('nybb'))ax = df.plot(figsize=(10, 10), alpha=0.5, edgecolor='k')df.crsdf_wm = df.to_crs(epsg=3857)ax = df_wm.plot(figsize=(10, 10), alpha=0.5, edgecolor='k')cx.add_basemap(ax)
你还可以通过folium读取地图进行可视化。
小结
matplotlib+cartopy+geopandas的组合非常强大，能解决地理空间大部分的可视化需求。
我想python处理地理空间数据也是现在的趋势，学会将有很大帮助。
万水千山总是情，点个 👍 行不行。
本文链接：https://my.lmcjl.com/post/12638.html
4 评论