↑?關(guān)注 + 星標(biāo)?，每天學(xué)Python新技能
后臺(tái)回復(fù)【大禮包】送你Python自學(xué)大禮包

今天來(lái)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(kù)的地圖繪制方法，當(dāng)然繪制漂亮的可視化地圖還有很多優(yōu)秀的類庫(kù)，沒(méi)有辦法一一列舉

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,?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)

再畫一張中國(guó)地圖看看

from?bokeh.plotting?import?curdoc,?figure
from?bokeh.models?import?GeoJSONDataSource
from?bokeh.io?import?show

#?讀入中國(guó)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(shè)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(guò) GEO 地理數(shù)據(jù)來(lái)繪制地圖同樣非常方便，但是地圖看起來(lái)有一些單調(diào)，我們把不同的省份繪制成不同的顏色來(lái)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(guò)濾數(shù)據(jù)
#?為每一個(gè)地區(qū)增加一個(gè)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(duì)應(yīng)每個(gè)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(méi)有展示出來(lái)

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(duì)于熟悉潘大師的同學(xué)來(lái)說(shuō)還是非常友好的

還是先畫一張世界地圖

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()

這也是 geopandas 官網(wǎng)上的經(jīng)典圖片，可以看到非常簡(jiǎn)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(guó)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(hào).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(fù)用了前面處理的 china.json 數(shù)據(jù)，里面的 number 字段是隨機(jī)生成的測(cè)試數(shù)據(jù)，效果與 Bokeh 不相上下

plotly

接下來(lái)我們介紹 plotly，這也是一個(gè)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(lái)我們先繪制一個(gè)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(lái)繪制

下面我們繼續(xù)繪制中國(guó)地圖，使用一個(gè)高級(jí) API plotly.express.choropleth_mapbox

import?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(guò)渲染速度有些感人，這個(gè)就看個(gè)人的需求了，如果你對(duì)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(gè)庫(kù)放到一起，是因?yàn)樗麄兌际腔?Matplotlib 之上的，而隨著 Python2 的不再維護(hù)，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(qiáng)大的 PROJ.4、NumPy 和 Shapely 庫(kù)，并在 Matplotlib 之上構(gòu)建了一個(gè)編程接口，用于創(chuàng)建發(fā)布高質(zhì)量的地圖

先來(lái)繪制一個(gè)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(gè) cartopy 繪制的非常經(jīng)典且常見(jiàn)的世界地圖，形式比較簡(jiǎn)單，下面我們?cè)鰪?qiáng)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(guò)上面的代碼，繪制了當(dāng)前時(shí)間世界晝夜圖，還是很強(qiáng)的

下面我們繼續(xù)繪制中國(guó)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(guó)區(qū)域shp
shpfile?=?shapereader.Reader(r'ne_10m_admin_0_countries_chn\ne_10m_admin_0_countries_chn.shp')
#?設(shè)置?figure?大小
fig?=?plt.figure(figsize=[8,?5.5])
#?設(shè)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(diǎn)就是靈活度高，那么相對(duì)應(yīng)的代價(jià)就是編寫代碼也會(huì)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(diǎn)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(yīng)用能力和 Leaflet.js 庫(kù)的映射能力之上的高級(jí)地圖繪制工具，通過(guò) 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(lái)繪制中國(guó)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(guó)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(cè)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(guò) Pyecharts 繪制地圖的一個(gè)好處就是不需要處理 GEO 文件，我們直接出入國(guó)家名稱，就可以自動(dòng)匹配到地圖上，非常方便

再繪制中國(guó)地圖

c?=?(
????Map()
????.add("測(cè)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(guó)）"),
????????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(guó)地圖，真的很給力，當(dāng)然對(duì)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(jiǎn)單，非常適合新手學(xué)習(xí)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(wú)限可能；至于 Plotly 和 Bokeh 則屬于更高級(jí)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(kù)，每一個(gè)工具都有其優(yōu)缺點(diǎn)，我們只需要在選擇的時(shí)候，明確目標(biāo)，用心探索就好！

好了，今天就分享到這里，給個(gè)“在看”再走吧！

需要完整代碼和相關(guān)數(shù)據(jù)的同學(xué)，一鍵三連后，微信私聊獲取~

參考：https://gitee.com/kevinqqnj/cartopy_trial/blob/master/cartopy_province.py
https://zhuanlan.zhihu.com/p/112324234