[導讀]作者|周蘿卜來源|蘿卜大雜燴今天來講一講在日常工作生活中我常用的幾種繪制地圖的方法，下面我將介紹下面這些可視化庫的地圖繪制方法，當然繪制漂亮的可視化地圖還有很多優(yōu)秀的類庫，沒有辦法一一列舉。pyecharts、plotly、folium、bokeh、basemap、geopand...
pyecharts、plotly、folium、bokeh、basemap、geopandas、cartopy
Boken
首先我們先介紹 Boken 繪制地圖的方法Bokeh 支持創(chuàng)建基本地圖可視化和基于處理地理數(shù)據(jù)的地圖可視化畫一張世界地圖from bokeh.plotting import figure, showfrom 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)
再畫一張中國地圖看看from bokeh.plotting import curdoc, figure
from bokeh.models import GeoJSONDataSource
from bokeh.io import show
# 讀入中國地圖數(shù)據(jù)并傳給GeoJSONDataSource
with open("china.json", encoding="utf8") as f:
geo_source = GeoJSONDataSource(geojson=f.read())
# 設置一張畫布
p = figure(width=500, height=500)
# 使用patches函數(shù)以及geo_source繪制地圖
p.patches(xs='xs', ys='ys', source=geo_source)
show(p)
我們通過 GEO 地理數(shù)據(jù)來繪制地圖同樣非常方便，但是地圖看起來有一些單調(diào)，我們把不同的省份繪制成不同的顏色來看看with open("china.json", encoding="utf8") as f:
data = json.loads(f.read())
# 判斷是不是 北京地區(qū)數(shù)據(jù)
def isBeijing(district):
if 'beijing' in district['properties']['woe-name'].lower():
return True
return False
# data['features'] = list(filter(isInLondon, data['features']))
# 過濾數(shù)據(jù)
# 為每一個地區(qū)增加一個color屬性
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", # 增加顏色屬性，這里的"color"對應每個地區(qū)的color屬性
source=geo_source)
p.axis.axis_label = None
p.axis.visible = False
p.grid.grid_line_color = None
show(p)
可以看到已經(jīng)有內(nèi)味了，唯一美中不足的就是南海的十三段線沒有展示出來
geopandas
GeoPandas 是基于 Pandas 的地圖可視化工具，其數(shù)據(jù)結(jié)構(gòu)完全繼承自 Pandas，對于熟悉潘大師的同學來說還是非常友好的還是先畫一張世界地圖import pandas as pdimport geopandas
import matplotlib.pyplot as plt
%matplotlib inline
world = geopandas.read_file(geopandas.datasets.get_path('naturalearth_lowres'))
world.plot()
plt.show()
這也是 geopandas 官網(wǎng)上的經(jīng)典圖片，可以看到非常簡單，除去 import 代碼，僅僅三行，就完成了地圖的繪制下面我們繼續(xù)繪制中國地圖，這次我們加上九段線信息china_nine = geopandas.read_file(r"geojson/九段線GS（2019）1719號.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()
我們復用了前面處理的 china.json 數(shù)據(jù)，里面的 number 字段是隨機生成的測試數(shù)據(jù)，效果與 Bokeh 不相上下
plotly
接下來我們介紹 plotly，這也是一個非常好用的 Python 可視化工具，如果要繪制地圖信息，我們需要安裝如下依賴!pip install geopandas==0.3.0!pip install pyshp==1.2.10
!pip install shapely==1.6.3
接下來我們先繪制一個世界地圖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()
這里我們使用底層 API
plotly.graph_objects.Choroplethmapbox 來繪制
下面我們繼續(xù)繪制中國地圖，使用一個高級 API plotly.express.choropleth_mapboximport pandas as pd
import plotly.express as px
import numpy as np
import json
with open(r"china_province.geojson", encoding='utf8') as f:
provinces_map = json.load(f)
df = pd.read_csv(r'data.csv')
df.確診 = df.確診.map(np.log)
fig = px.choropleth_mapbox(
df,
geojson=provinces_map,
color='確診',
locations="地區(qū)",
featureidkey="properties.NL_NAME_1",
mapbox_style="carto-darkmatter",
color_continuous_scale='viridis',
center={"lat": 37.110573, "lon": 106.493924},
zoom=3,
)
fig.show()
可以看出繪制出的交互式地圖還是非常漂亮的，不過渲染速度有些感人，這個就看個人的需求了，如果你對渲染速度有要求，那么 Ployly 可能不是最好的選擇~
Cartopy/Basemap
之所以把這兩個庫放到一起，是因為他們都是基于 Matplotlib 之上的，而隨著 Python2 的不再維護，Basemap 也被 Matplotlib 放棄，Cartopy 隨之轉(zhuǎn)正，下面我們主要介紹 Cartopy 工具Cartopy 利用了強大的 PROJ.4、NumPy 和 Shapely 庫，并在 Matplotlib 之上構(gòu)建了一個編程接口，用于創(chuàng)建發(fā)布高質(zhì)量的地圖先來繪制一個世界地圖%matplotlib inline
import cartopy.crs as ccrs
import matplotlib.pyplot as plt
ax = plt.axes(projection=ccrs.PlateCarree())
ax.coastlines()
plt.show()
這是一個 cartopy 繪制的非常經(jīng)典且常見的世界地圖，形式比較簡單，下面我們增強該地圖import datetime
import matplotlib.pyplot as plt
import cartopy.crs as ccrs
from cartopy.feature.nightshade import Nightshade
fig = plt.figure(figsize=(10, 5))
ax = fig.add_subplot(1, 1, 1, projection=ccrs.PlateCarree())
date = datetime.datetime(2021, 12, 2, 21)
ax.set_title(f'Night time shading for {date}')
ax.stock_img()
ax.add_feature(Nightshade(date, alpha=0.2))
plt.show()
我們通過上面的代碼，繪制了當前時間世界晝夜圖，還是很強的下面我們繼續(xù)繪制中國地圖import cartopy.io.shapereader as shpreader
import numpy as np
import matplotlib.pyplot as plt
import cartopy.crs as ccrs
import cartopy.feature as cfeature
from cartopy.mpl.gridliner import LONGITUDE_FORMATTER, LATITUDE_FORMATTER
from cartopy.mpl.ticker import LongitudeFormatter, LatitudeFormatter
import cartopy.io.shapereader as shapereader
import matplotlib.ticker as mticker
#從文件中加載中國區(qū)域shp
shpfile = shapereader.Reader(r'ne_10m_admin_0_countries_chn\ne_10m_admin_0_countries_chn.shp')
# 設置 figure 大小
fig = plt.figure(figsize=[8, 5.5])
# 設置投影方式并繪制主圖
ax = plt.axes(projection=ccrs.PlateCarree(central_longitude=180))
ax.add_geometries(
shpfile.geometries(),
ccrs.PlateCarree())
ax.set_extent([70, 140, 0, 55],crs=ccrs.PlateCarree())
plt.show()
使用 cartopy 繪制地圖最大的特點就是靈活度高，那么相對應的代價就是編寫代碼也會更難一些，比如如果想要給不同省份填充不同顏色，我們需要編寫的代碼就有點多import matplotlib.patches as mpatches
import matplotlib.pyplot as plt
from matplotlib.font_manager import FontProperties
import shapely.geometry as sgeom
import cartopy.crs as ccrs
import cartopy.io.shapereader as shpreader
font = FontProperties(fname=r"c:\windows\fonts\simsun.ttc", size=14)
def sample_data():
# lons = [110, 115, 120, 122, 124 ]
lons = [124, 122, 120, 115, 110 ]
lats = [33, 32, 28, 30, 28 ]
return lons, lats
#ax = plt.axes([0, 0, 1, 1], projection=ccrs.LambertConformal())
ax = plt.axes(projection=ccrs.PlateCarree())
ax.set_extent([70, 140, 0, 55],crs=ccrs.Geodetic())
shapename = 'admin_1_states_provinces'
states_shp = shpreader.natural_earth(resolution='10m', category='cultural', name=shapename)
lons, lats = sample_data()
# to get the effect of having just the states without a map "background"
# turn off the outline and background patches
ax.background_patch.set_visible(False)
ax.outline_patch.set_visible(False)
plt.title(u'China Province Level', fontproperties=font)
# turn the lons and lats into a shapely LineString
track = sgeom.LineString(zip(lons, lats))
track_buffer = track.buffer(1)
for state in shpreader.Reader(states_shp).geometries():
# pick a default color for the land with a black outline,
# this will change if the storm intersects with our track
facecolor = [0.9375, 0.9375, 0.859375]
edgecolor = 'black'
if state.intersects(track):
facecolor = 'red'
elif state.intersects(track_buffer):
facecolor = '#FF7E00'
ax.add_geometries([state], ccrs.PlateCarree(),
facecolor=facecolor, edgecolor=edgecolor)
# make two proxy artists to add to a legend
direct_hit = mpatches.Rectangle((0, 0), 1, 1, facecolor="red")
within_2_deg = mpatches.Rectangle((0, 0), 1, 1, facecolor="#FF7E00")
labels = [u'省份level1',
'省份level2']
plt.legend([direct_hit, within_2_deg], labels,
loc='lower left', bbox_to_anchor=(0.025, -0.1), fancybox=True, prop=font)
ax.figure.set_size_inches(14, 9)
plt.show()
folium
folium 是建立在 Python 生態(tài)系統(tǒng)的數(shù)據(jù)應用能力和 Leaflet.js 庫的映射能力之上的高級地圖繪制工具，通過 Python 操作數(shù)據(jù)，然后在 Leaflet 地圖中可視化，可以靈活的自定義繪制區(qū)域，并且展現(xiàn)形式更加多樣化首先是三行代碼繪制世界地圖import folium
# define the world map
world_map = folium.Map()
# display world map
world_map
接下來繪制中國地圖# 繪制邊界
import json
df = pd.read_csv(r'plotly-choropleth-mapbox-demo-master/data.csv')
# read china border
with open(r"plotly-choropleth-mapbox-demo-master/china_province.geojson", encoding='utf8') as f:
china = json.load(f)
chn_map = folium.Map(location=[40, 100], zoom_start=4)
folium.Choropleth(
geo_data=china,
name="choropleth",
data=df,
columns=["地區(qū)", "確診"],
key_on="properties.NL_NAME_1",
fill_color="YlGn",
fill_opacity=0.7,
line_opacity=0.2,
legend_name="新冠確診",
).add_to(chn_map)
folium.LayerControl().add_to(chn_map)
chn_map
作為專業(yè)地圖工具，不僅渲染速度快，自定義程度也是非常高的，值得使用嘗試
PyEcharts
最后我們介紹 PyEcharts，這款國產(chǎn)的精良可視化工具 繪制世界地圖from pyecharts import options as opts
from pyecharts.charts import Map
from pyecharts.faker import Faker
c = (
Map()
.add("測試數(shù)據(jù)", [list(z) for z in zip(Faker.country, Faker.values())], "world")
.set_series_opts(label_opts=opts.LabelOpts(is_show=False))
.set_global_opts(
title_opts=opts.TitleOpts(title="Map-世界地圖"),
visualmap_opts=opts.VisualMapOpts(max_=200),
)
)
c.render_notebook()
通過 Pyecharts 繪制地圖的一個好處就是不需要處理 GEO 文件，我們直接出入國家名稱，就可以自動匹配到地圖上，非常方便再繪制中國地圖c = (
Map()
.add("測試數(shù)據(jù)", [list(z) for z in zip(Faker.provinces, Faker.values())], "china")
.set_global_opts(
title_opts=opts.TitleOpts(title="Map-VisualMap（中國）"),
visualmap_opts=opts.VisualMapOpts(max_=200, is_piecewise=True),
)
)
c.render_notebook()
我們只需要把參數(shù)替換成 ”china“ 就可方便的繪制中國地圖，真的很給力，當然對于 Pyecharts 還有很多種玩法，就不一一介紹了綜合上面的示例，我們可以看出， Pyecharts 繪制地圖最為簡單，非常適合新手學習使用；而 folium 和 cartopy 則勝在自由度上，它們作為專業(yè)的地圖工具，留給了使用者無限可能；至于 Plotly 和 Bokeh 則屬于更高級的可視化工具，它們勝在畫質(zhì)更加優(yōu)美，API 調(diào)用也更加完善今天我們介紹了幾種比較常用的繪制地圖的類庫，每一個工具都有其優(yōu)缺點，我們只需要在選擇的時候，明確目標，用心探索就好！
參考：https://gitee.com/kevinqqnj/cartopy_trial/blob/master/cartopy_province.py
https://zhuanlan.zhihu.com/p/112324234
下載文檔
