matplotlib+cartopy+geopandas,实现专业地图可视化!

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:

  1. 创建画布。

  1. 通过指定 projection 参数,创建 GeoAxes 对象。

  1. 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

展开阅读全文

4 评论

留下您的评论.