精彩推薦

本文轉自：數(shù)據(jù)小魔方

最近在梳理Python中可以制作數(shù)據(jù)地圖的可視化工具包，分別實踐了geopandas、folium、Basemp,通過對比發(fā)現(xiàn)，靜態(tài)地圖中最為成熟的最終還得是Basemap工具，它是mpl_toolkits包中的一個專門用于構建地理信息數(shù)據(jù)可視化的擴展庫。

Basemap工具在地理信息讀寫、坐標映射、空間坐標轉化與投影等方面做的要比geopandas更加成熟，它可以使用常規(guī)的地圖素材數(shù)據(jù)源（shp）作為底圖進行疊加繪圖，效果與精度控制比較方便，圖表質(zhì)量堪比R語言中的ggplot2繪圖包（geom_polygon），唯一不足的是它是一個底層構建工具，所有的多邊形映射都需要手動構造循環(huán)（目前還沒有發(fā)現(xiàn)比較好用的基于basemap的擴展工具），作圖效率與速度上自然無法媲美R語言的ggplot2(缺少一套健全的頂層語法支撐)。

接下來會用3~5篇的篇幅分享給大家基于basemap包的應用場景，包含散點圖（氣泡圖）、折現(xiàn)圖（路徑圖等線圖類型）以及最常用的熱力填充地圖。

本小節(jié)介紹填充地圖與散點圖應用，案例是使用itchat接口抓取的本人微信好友信息。

import itchat
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import matplotlib
from matplotlib.patches import Polygon
from mpl_toolkits.basemap import Basemap
from matplotlib.collections import PatchCollection

1、微信網(wǎng)頁版登錄：

itchat.login()
#使用手機微信掃一掃掃描彈出二維碼即可登錄。
#Getting uuid of QR code.
#Downloading QR code.
#Please scan the QR code to log in.
#Please press confirm on your phone.
#Loading the contact, this may take a little while.
#Login successfully as 杜雨

#提取微信好友信息：
friends = itchat.get_friends(update=True)df_friends = pd.DataFrame(friends)df_friends.to_csv('wechat_friends.csv',encoding = 'utf_8_sig')
#friends = pd.read_csv('D:/Python/File/wechat_friends.csv')
mydata = friends.loc[:,['NickName','Province','Signature']]

2、聚合計算好友地區(qū)分布：

aggResult = mydata.groupby(['Province'])['NickName'].agg({'人數(shù)': np.size}).reset_index()aggResult.sort_values(by = ['人數(shù)'],ascending = False,inplace=True)

#拆分國內(nèi)城市與國外城市：

def match_str(item):    result = []
    for i in item:
        try:            m = re.search('^[\u4e00-\u9fa5]{1,}',i).group()            result.append(m)
        except:
            continue    return(result)Domestic = match_str(aggResult['Province'].tolist())Domestic = aggResult.loc[aggResult.Province.isin(Domestic),:]Foreign  = aggResult.loc[aggResult.Province.isin([i for i in aggResult.Province.tolist() if i not in Domestic.Province.tolist()]),:]Domestic['scala'] = (Domestic.人數(shù)-Domestic.人數(shù).min())/(Domestic.人數(shù).max()-Domestic.人數(shù).min())

清洗與矯正省份（地區(qū)）名稱

def correct(name_list):
    name = []
    for i in name_list:
        if i in ['內(nèi)蒙古','西藏']:            i += '自治區(qū)'
        elif i == '寧夏':            i += '回族自治區(qū)'
        elif i == '新疆':            i += '維吾爾自治區(qū)'
        elif i == '廣西':            i += '壯族自治區(qū)'
        elif i in ['香港','澳門','臺灣']:            i += '特別行政區(qū)'
        elif i in ['北京','天津','重慶','上海']:            i += '市'
        else:            i += '省'name.append(i)
    return(name)Domestic['Province'] = correct(Domestic['Province'])

3、合并本地經(jīng)緯度數(shù)據(jù)： #散點圖數(shù)據(jù)源：

point_data = pd.read_csv('D:/R/rstudy/Province/chinaprovincecity.csv',encoding = 'gbk') 
Domestic = Domestic.merge(point_data.loc[:,['province','jd','wd']],how = 'left',left_on = 'Province',right_on = 'province')

實例化地圖對象，并導入本地shp中國地圖

basemap = Basemap(llcrnrlon= 75,llcrnrlat=10,urcrnrlon=150,urcrnrlat=55,projection='poly',lon_0 = 116.65,lat_0 = 40.02,ax = ax)basemap.readshapefile(shapefile = 'D:/R/rstudy/CHN_adm/bou2_4p',name = 'china')

導入的shp格式地圖中很多行政區(qū)劃信息亂碼，需要糾正編碼

mapData = pd.DataFrame(basemap.china_info)mapData['NAME'] = mapData['NAME'].map(lambda x: x.decode('gbk') if len(x) != 0 else x)
#mapData['NAME'] = [i.decode('gbk') if len(i) !=0 else i for i in mapData['NAME'].tolist()]
mapData = mapData.merge(Domestic,how = 'left',left_on='NAME', right_on='Province')

4、數(shù)據(jù)可視化

font = {'family' : 'SimHei'};matplotlib.rc('font', **font);fig = plt.figure(figsize=(16,12))ax  = fig.add_subplot(111)

###構建省份填充函數(shù)（按照各省好友人數(shù)比例）：
def plotProvince(row):    mainColor = (42/256, 87/256, 141/256,row['scala']);    patches = []
    for info,shape in zip(mapData['NAME'].tolist(),basemap.china):        if info == row['Province']:            patches.append(Polygon(xy = np.array(shape), closed=True))    ax.add_collection(PatchCollection(patches,facecolor=mainColor,edgecolor=mainColor,linewidths=1.,zorder=2))Domestic.apply(lambda row: plotProvince(row), axis=1)
    #構建散點圖(基于各省好友數(shù)量)

def create_great_points(df):    lon   = np.array(df['jd'])    lat   = np.array(df['wd'])    pop   = np.array(df['scala'],dtype=float)    x,y = basemap(lon,lat)
    for lon,lat,pop in zip(x,y,pop*50):        basemap.scatter(lon,lat,color = '#c72e29',marker = 'o',s = pop*25)create_great_points(Domestic)plt.axis('off')  #關閉坐標軸
plt.savefig('D:/Python/Image/杜雨/itwechat.png') #保存圖表到本地
plt.show()    #顯示圖表

整個內(nèi)容中涉及到的bou2_4p.shp,chinaprovincecity.csv均為之前推送過的R語言ggplot2系列所用數(shù)據(jù)源

本站僅提供存儲服務，所有內(nèi)容均由用戶發(fā)布，如發(fā)現(xiàn)有害或侵權內(nèi)容，請點擊舉報。

中文字幕理论片,69视频免费在线观看,亚洲成人app,国产1级毛片,刘涛最大尺度戏视频,欧美亚洲美女视频,2021韩国美女仙女屋vip视频

導入的shp格式地圖中很多行政區(qū)劃信息亂碼，需要糾正編碼

導入的shp格式地圖中很多行政區(qū)劃信息亂碼，需要糾正編碼