「GIS教程」Python-GeoPandas地图、专题地图绘制

GeoPandas是一个开源项目，Pandas是Python的一个结构化数据分析的利器,GeoPandas扩展了pandas使用的数据类型，允许对几何类型进行空间操作，其DataFrame结构相当于GIS数据中的一张属性表，使得可以直接操作矢量数据属性表，其目标是使得在python中操作地理数据更方便。

矢量数据源

使用阿里的数据源。参考：「GIS数据」DataV.GeoAtlas 全国GeoJSON数据（县级）打包下载

数据地址：

http://datav.aliyun.com/tools/atlas/#&lat=31.80289258670676&lng=104.2822265625&zoom=4

矢量数据属性表如下：

专题地图资料搜集

可以利用统计年鉴上的数据或是其他数据制成CSV或是Excel文件，通过矢量数据的一个公共字段来连接。例如我的数据（公共字段为 name）。

下图：专题地图数据（来源：2019年河南省统计年鉴）

地图绘制

先做基础地图绘制工作，代码如下：

# -*- coding: utf-8 -*-

"""
@File    : provinceMapMake.py
@Author  : fungis@163.com
@Time    : 2020/04/20 16:49
@notice  : 地图颜色（https://matplotlib.org/tutorials/colors/colormaps.html）
"""

import geopandas as gpd
import matplotlib.pyplot as plt

# 输入图名
Map_name = '河南省行政区划'
# 加载数据-矢量数据的位置
regions = gpd.GeoDataFrame.from_file('./shp/henanProvince/河南省.shp', encoding='utf-8')
# 加载数据-读取矢量数据的属性表
data = gpd.read_file('./shp/henanProvince/河南省.dbf', encoding='utf-8')
# 复制一份该表的数据
reg02 = data.copy()
# # 专题地图制图
reg02['coords'] = reg02['geometry'].apply(lambda x: x.representative_point().coords[0])

reg02.plot(figsize=(8, 6),  # 图像大小
          column='name',  # 分级设色字段
          # scheme='quantiles',  # MapClassify-分级类型
          legend=False,  # 图例
          cmap='Pastel1_r',  # 渐变色带的名称#Set2
          edgecolor='k')  # 边框颜色
# 地图标注
for n, i in enumerate(reg02['coords']):
    plt.text(i[0] - 0.2, i[1], reg02['name'][n], fontsize=8, horizontalalignment="left")  # 标注位置X，Y，标注内容

plt.title('Python-{}图'.format(Map_name), fontsize=18, fontweight='bold')
plt.grid(True, alpha=0.5)  # 显示网格，透明度为50%
# plt.show()
plt.savefig('./images/{}.png'.format(Map_name), dpi=300)

效果如图：

专题分级设色图

实现代码如下：

# -*- coding: utf-8 -*-

"""
@File    : 河南省2018年经济发展图.py
@Author  : fungis@163.com
@Time    : 2020/04/20 11:29
@notice  : 参照https://www.cnblogs.com/feffery/p/12381322.html
"""

import geopandas as gpd
import pandas as pd
import matplotlib.pyplot as plt

# 加载数据-矢量数据的位置
regions = gpd.GeoDataFrame.from_file('./shp/henanProvince/河南省.shp', encoding='utf-8')

# 加载已搜集的excel数据，如果是csv文件用pd.read_csv()方法
data = pd.read_excel('./data-use/henan-data.xlsx')

# 处理数据格式（Excel中的name字段中有空格，消除空格）
data['area_name'] = data['name'].str.replace(' ', '')

# 连接矢量数据属性表与Excel表格
reg = pd.merge(regions, data, left_on='name', right_on='area_name')
# 复制整张表
reg02 = reg.copy()
# # 专题地图制图
reg02['coords'] = reg02['geometry'].apply(lambda x: x.representative_point().coords[0])

reg02.plot(figsize=(8, 6),  # 图像大小
          column='avg_gdp_2018',  # 分级设色字段
          scheme='quantiles',  # MapClassify-分级类型
          legend=True,  # 图例
          legend_kwds={"loc": "lower left"},
          cmap='Reds',  # 渐变色带的名称
          edgecolor='k')  # 边框颜色
# 地图标注
for n, i in enumerate(reg02['coords']):
    plt.text(i[0] - 0.13, i[1], reg02['area_name'][n])  # 标注位置X，Y，标注内容

plt.title('2018年河南省各地级市人均GDP(单位：元)')
plt.grid(True, alpha=0.5)  # 显示网格，透明度为50%
# plt.show()

plt.savefig('./images/河南省2018年各地级市GDP.png', dpi=300)

效果如图：

综合制图

下面结合多个维度制图，做一个经济发展组合图。

代码如下：

# -*- coding: utf-8 -*-

"""
@File    : 经济发展组合图.py
@Author  : fungis@163.com
@Time    : 2020/04/20 11:29
@notice  :
"""
'''
地图颜色（https://matplotlib.org/tutorials/colors/colormaps.html）
cmaps['Sequential'] = [
            'Greys', 'Purples', 'Blues', 'Greens', 'Oranges', 'Reds',
            'YlOrBr', 'YlOrRd', 'OrRd', 'PuRd', 'RdPu', 'BuPu',
            'GnBu', 'PuBu', 'YlGnBu', 'PuBuGn', 'BuGn', 'YlGn']
'''

import geopandas as gpd
import pandas as pd
import matplotlib.pyplot as plt

# 加载数据-矢量数据的位置
regions = gpd.GeoDataFrame.from_file('./shp/henanProvince/河南省.shp', encoding='utf-8')

# 加载已搜集的excel数据，如果是csv文件用pd.read_csv()方法
data = pd.read_excel('./data-use/henan-data.xlsx')
# 处理数据格式
data['area_name'] = data['name'].str.replace(' ', '')
# 计算整合数据：人均产值= 产业产值/区域人均
data['data_one'] = data['第一产业'] / data[2018] * 10000
data['data_two'] = data['第二产业'] / data[2018] * 10000
data['data_three'] = data['第三产业'] / data[2018] * 10000
#表格链接-连接矢量数据属性表与Excel表格
reg = pd.merge(regions, data, left_on='name', right_on='area_name')
reg03 = reg.copy()
# 列表 第一个是分级设色的字段，第二个是图名
data_plot = [('avg_gdp_2018', '2018年河南省各市人均GDP(单位：元)'),
            ('data_one', '2018年河南省各市第一产业人均产值(单位：元)'),
            ('data_two', '2018年河南省各市第二产业人均产值(单位：元)'),
            ('data_three', '2018年河南省各市第三产业人均产值(单位：元)')]

#图纸大小设置
plt.figure(figsize=(16, 14))
for m, cal in enumerate(data_plot):

    reg03['coords'] = reg03['geometry'].apply(lambda x: x.representative_point().coords[0])

    reg03.plot(ax=plt.subplot(2, 2, m + 1),
              column=cal[0],  # 分级设色字段
              scheme='Quantiles',  # ['Equal_interval'|'Quantiles'|'Fisher_Jenks']
              legend=True,#是否显示图例
              legend_kwds={"loc": "lower left"},#图例的位置
              cmap='Pastel1',  # 色带的选择
              edgecolor='k'
              )

    for n, i in enumerate(reg03['coords']):
        plt.text(i[0] - 0.13, i[1], reg03['area_name'][n])

    plt.title(cal[1])
    plt.grid(True, alpha=0.5)
plt.savefig('./images/河南省2018年经济组合拼接图__Pastel1_Quantiles.png', dpi=300)

效果如图：

完整代码及数据下载

为了防止资源恶意爬取导致被和谐，此处内容被作者隐藏。

验证码：

关注本站微信公众号，回复“资源下载”，获取验证码。

在微信里搜索“麻辣GIS”或微信扫描右侧二维码即可关注本站微信公众号。

结尾

喜欢的朋友们可以点个关注，后续将持续更新，精彩无限。