Python怎么用matplotlib工具包来绘制世界地图

# Python怎么用matplotlib工具包来绘制世界地图

数据可视化是数据分析的重要环节，而地图绘制则是展示地理信息的有效方式。Python的`matplotlib`工具包结合`Basemap`或`Cartopy`扩展库可以高效绘制世界地图。本文将详细介绍从环境配置到完整实现的完整流程。

## 一、环境准备

### 1.1 安装必要库
```bash
pip install matplotlib numpy
# Basemap安装方式（已停止维护但仍可用）
pip install basemap
# 或使用现代替代方案Cartopy
pip install cartopy

1.2 基础地图绘制

import matplotlib.pyplot as plt
from mpl_toolkits.basemap import Basemap

plt.figure(figsize=(12, 8))
m = Basemap(projection='mill', llcrnrlat=-60, urcrnrlat=90,
            llcrnrlon=-180, urcrnrlon=180, resolution='c')
m.drawcoastlines()
m.drawcountries(linewidth=1.5)
plt.title("Basic World Map")
plt.show()

二、Basemap核心功能详解

2.1 投影方式选择

• 圆柱投影（’cyl’）：最简单的经纬度投影
• 米勒投影（’mill’）：改进的圆柱投影
• 罗宾森投影（’robin’）：保持面积比例

projections = ['cyl', 'mill', 'robin']
for proj in projections:
    m = Basemap(projection=proj, lat_0=0, lon_0=0)
    m.bluemarble()  # 使用NASA蓝色星球底图
    plt.title(f"{proj} Projection")
    plt.show()

2.2 地理要素绘制

m.drawmapboundary(fill_color='aqua')
m.fillcontinents(color='coral', lake_color='aqua')
m.drawrivers(color='blue', linewidth=0.5)
m.drawparallels(range(-90, 91, 30), labels=[1,0,0,0])
m.drawmeridians(range(-180, 181, 60), labels=[0,0,0,1])

三、Cartopy现代方案（推荐）

3.1 基础实现

import cartopy.crs as ccrs
import cartopy.feature as cfeature

fig = plt.figure(figsize=(15, 10))
ax = fig.add_subplot(1, 1, 1, projection=ccrs.PlateCarree())
ax.add_feature(cfeature.LAND)
ax.add_feature(cfeature.OCEAN)
ax.add_feature(cfeature.COASTLINE, linewidth=0.5)
ax.gridlines(draw_labels=True)

3.2 高级特性

# 添加自然地球数据
ax.add_feature(cfeature.BORDERS, linestyle=':')
ax.add_feature(cfeature.LAKES, alpha=0.5)
ax.add_feature(cfeature.RIVERS)

# 设置地图范围
ax.set_extent([-20, 60, -40, 45])

四、实战案例：疫情数据可视化

4.1 数据准备

import pandas as pd
data = {
    'Country': ['USA', 'Brazil', 'India', 'Russia'],
    'Cases': [32800000, 14700000, 13000000, 4800000],
    'Lon': [-98.58, -47.88, 78.96, 37.61],
    'Lat': [39.82, -15.78, 20.59, 55.75]
}
df = pd.DataFrame(data)

4.2 气泡地图绘制

m = Basemap(projection='robin', lon_0=0, resolution='c')
x, y = m(df['Lon'].values, df['Lat'].values)
m.scatter(x, y, s=df['Cases']/100000, c='red', alpha=0.5)
m.drawcountries()
plt.title("COVID-19 Cases Bubble Map")
plt.colorbar(label='Cases (100k)')

五、常见问题解决

1. 中文显示问题：

plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

1. 性能优化：

• 使用resolution='l'（低分辨率）加速渲染
• 对于大量数据点，先使用m.shiftdata处理国际日期变更线

1. 坐标转换：

# 经纬度转地图坐标
x, y = m(lons, lats)
# 反向转换
lon, lat = m(x, y, inverse=True)

六、延伸学习

1. 3D地图绘制：

from mpl_toolkits.mplot3d import Axes3D
m = Basemap(projection='ortho', lat_0=30, lon_0=-60)
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')

1. 交互式地图： 结合mpld3库实现网页交互：

import mpld3
mpld3.enable_notebook()

通过本文介绍的方法，您可以轻松创建专业级的世界地图可视化。建议在实际项目中优先使用Cartopy，因其更活跃的维护和更现代的API设计。完整代码示例可在GitHub仓库获取（示例链接）。 “`