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, showfrom bokeh.tile_providers import cartodbpositron, get_providerfrom bokeh.io import output_notebookoutput_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, figurefrom bokeh.models import geojsondatasourcefrom bokeh.io import show# 读入中国地图数据并传给geojsondatasourcewith 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 = nonep.axis.visible = falsep.grid.grid_line_color = noneshow(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 pdimport geopandasimport matplotlib.pyplot as plt%matplotlib inlineworld = 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 gofig = 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
import pandas as pdimport plotly.express as pximport numpy as npimport jsonwith open(r"china_province.geojson", encoding='utf8') as f: provinces_map = json.load(f)df = pd.read_csv(r'data.csv')df.确诊 = df.确诊.map(np.log)fig = px.choropleth_mapbox( df, geojson=provinces_map, color='确诊', locations="地区", featureidkey="properties.nl_name_1", mapbox_style="carto-darkmatter", color_continuous_scale='viridis', center={"lat": 37.110573, "lon": 106.493924}, zoom=3,)fig.show()
可以看出绘制出的交互式地图还是非常漂亮的，不过渲染速度有些感人，这个就看个人的需求了，如果你对渲染速度有要求，那么 ployly 可能不是最好的选择~
cartopy/basemap 之所以把这两个库放到一起，是因为他们都是基于 matplotlib 之上的，而随着 python2 的不再维护，basemap 也被 matplotlib 放弃，cartopy 随之转正，下面我们主要介绍 cartopy 工具
cartopy 利用了强大的 proj.4、numpy 和 shapely 库，并在 matplotlib 之上构建了一个编程接口，用于创建发布高质量的地图
先来绘制一个世界地图
%matplotlib inlineimport cartopy.crs as ccrsimport matplotlib.pyplot as pltax = plt.axes(projection=ccrs.platecarree())ax.coastlines()plt.show()
这是一个 cartopy 绘制的非常经典且常见的世界地图，形式比较简单，下面我们增强该地图
import datetimeimport matplotlib.pyplot as pltimport cartopy.crs as ccrsfrom cartopy.feature.nightshade import nightshadefig = 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()
我们通过上面的代码，绘制了当前时间世界昼夜图，还是很强的
下面我们继续绘制中国地图
import cartopy.io.shapereader as shpreaderimport numpy as npimport matplotlib.pyplot as pltimport cartopy.crs as ccrsimport cartopy.feature as cfeaturefrom cartopy.mpl.gridliner import longitude_formatter, latitude_formatterfrom cartopy.mpl.ticker import longitudeformatter, latitudeformatterimport cartopy.io.shapereader as shapereaderimport matplotlib.ticker as mticker#从文件中加载中国区域shpshpfile = shapereader.reader(r'ne_10m_admin_0_countries_chn\ne_10m_admin_0_countries_chn.shp')# 设置 figure 大小fig = plt.figure(figsize=[8, 5.5])# 设置投影方式并绘制主图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 绘制地图最大的特点就是灵活度高，那么相对应的代价就是编写代码也会更难一些，比如如果想要给不同省份填充不同颜色，我们需要编写的代码就有点多
import matplotlib.patches as mpatchesimport matplotlib.pyplot as pltfrom matplotlib.font_manager import fontpropertiesimport shapely.geometry as sgeomimport cartopy.crs as ccrsimport cartopy.io.shapereader as shpreaderfont = 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 patchesax.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 linestringtrack = 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 legenddirect_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 生态系统的数据应用能力和 leaflet.js 库的映射能力之上的高级地图绘制工具，通过 python 操作数据，然后在 leaflet 地图中可视化，可以灵活的自定义绘制区域，并且展现形式更加多样化
首先是三行代码绘制世界地图
import folium# define the world mapworld_map = folium.map()# display world mapworld_map
接下来绘制中国地图
# 绘制边界import jsondf = 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=["地区", "确诊"], key_on="properties.nl_name_1", fill_color="ylgn", fill_opacity=0.7, line_opacity=0.2, legend_name="新冠确诊",).add_to(chn_map)folium.layercontrol().add_to(chn_map)chn_map
作为专业地图工具，不仅渲染速度快，自定义程度也是非常高的，值得使用尝试
pyecharts 最后我们介绍 pyecharts，这款国产的精良可视化工具
绘制世界地图
from pyecharts import options as optsfrom pyecharts.charts import mapfrom pyecharts.faker import fakerc = ( map() .add("测试数据", [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-世界地图"), visualmap_opts=opts.visualmapopts(max_=200), ))c.render_notebook()
通过 pyecharts 绘制地图的一个好处就是不需要处理 geo 文件，我们直接出入国家名称，就可以自动匹配到地图上，非常方便
再绘制中国地图
c = ( map() .add("测试数据", [list(z) for z in zip(faker.provinces, faker.values())], "china") .set_global_opts( title_opts=opts.titleopts(title="map-visualmap（中国）"), visualmap_opts=opts.visualmapopts(max_=200, is_piecewise=true), ))c.render_notebook()
我们只需要把参数替换成 ”china“ 就可方便的绘制中国地图，真的很给力，当然对于 pyecharts 还有很多种玩法，就不一一介绍了
综合上面的示例，我们可以看出， pyecharts 绘制地图最为简单，非常适合新手学习使用；而 folium 和 cartopy 则胜在自由度上，它们作为专业的地图工具，留给了使用者无限可能；至于 plotly 和 bokeh 则属于更高级的可视化工具，它们胜在画质更加优美，api 调用也更加完善
今天我们介绍了几种比较常用的绘制地图的类库，每一个工具都有其优缺点，我们只需要在选择的时候，明确目标，用心探索就好！
参考：https://gitee.com/kevinqqnj/cartopy_trial/blob/master/cartopy_province.py
https://zhuanlan.zhihu.com/p/112324234
以上就是技巧 | 6种常用的地图绘制方法的详细内容。