怎么用用 Python 绘制地理图

发布时间：2021-07-24 14:08:01 作者：chen
来源：亿速云阅读：187

# 怎么用 Python 绘制地理图

地理数据可视化是数据分析中的重要环节，Python 凭借丰富的库生态系统（如 `geopandas`、`folium`、`plotly` 等）成为地理绘图的利器。本文将详细介绍从基础到进阶的地理绘图方法，涵盖矢量地图、热力图、交互式地图等场景。

---

## 目录
1. [准备工作：安装必要库](#准备工作安装必要库)
2. [绘制基础矢量地图](#绘制基础矢量地图)
3. [添加数据可视化层](#添加数据可视化层)
4. [创建交互式地图](#创建交互式地图)
5. [进阶技巧：热力图与3D地形](#进阶技巧热力图与3d地形)
6. [实战案例：全球疫情数据可视化](#实战案例全球疫情数据可视化)

---

## 准备工作：安装必要库

在开始前，需安装以下 Python 库：

```bash
pip install geopandas matplotlib folium plotly mapclassify contextily

关键库功能说明： - geopandas：处理地理空间数据 - folium：基于 Leaflet 的交互式地图 - plotly：动态可视化 - contextily：添加底图

绘制基础矢量地图

示例1：使用 GeoPandas 绘制国家边界

import geopandas as gpd
import matplotlib.pyplot as plt

# 加载世界地图数据（自然地球数据集）
world = gpd.read_file(gpd.datasets.get_path('naturalearth_lowres'))

# 绘制地图
fig, ax = plt.subplots(figsize=(15, 10))
world.plot(ax=ax, color='lightgrey', edgecolor='black')
ax.set_title("World Map with Country Boundaries")
plt.show()

自定义样式参数

color：填充颜色
edgecolor：边界线颜色
linewidth：边界线粗细

添加数据可视化层

示例2：人口密度分级着色

# 按人口密度分类着色
world['pop_density'] = world['pop_est'] / world['area']
world.plot(column='pop_density', 
           cmap='OrRd', 
           scheme='quantiles',
           legend=True,
           figsize=(15, 10))
plt.title("World Population Density")

关键参数： - column：着色依据的列 - cmap：颜色映射（如 viridis, plasma） - scheme：分类方法（quantiles/equal_interval）

创建交互式地图

示例3：使用 Folium 创建可缩放地图

import folium

# 创建中心位于中国的地图
m = folium.Map(location=[35, 105], zoom_start=4)

# 添加标记点
folium.Marker(
    location=[39.9, 116.4],
    popup="Beijing",
    icon=folium.Icon(color='red')
).add_to(m)

# 保存为HTML
m.save('china_map.html')

进阶功能

添加GeoJSON图层
集成OpenStreetMap/Mapbox底图
绘制圆形/多边形标记

进阶技巧：热力图与3D地形

示例4：使用 Plotly 创建3D地形图

import plotly.express as px

# 加载示例数据集
df = px.data.gapminder().query("year == 2007")

fig = px.scatter_geo(df, 
                     locations="iso_alpha",
                     size="pop",
                     hover_name="country",
                     projection="orthographic")
fig.show()

示例5：Folium 热力图

from folium.plugins import HeatMap
import numpy as np

# 生成随机坐标数据
data = np.random.normal(size=(100, 2)) * np.array([[1, 1]]) + np.array([[39, 116]])

# 创建热力图层
m = folium.Map([39, 116], zoom_start=5)
HeatMap(data).add_to(m)

实战案例：全球疫情数据可视化

数据准备

import pandas as pd

# 假设已有包含经纬度的疫情数据
covid_data = pd.read_csv("covid_stats.csv")

可视化实现

# 气泡地图展示病例数
fig = px.scatter_geo(covid_data,
                     lat='latitude',
                     lon='longitude',
                     size='cases',
                     color='deaths',
                     hover_name='country',
                     projection='natural earth')
fig.update_layout(title="Global COVID-19 Distribution")
fig.show()

常见问题解答

Q1：如何解决中文显示乱码？

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

Q2：如何加速大型地理数据集渲染？

使用 simplify() 方法降低几何复杂度
转换为 Web 墨卡托投影（EPSG:3857）