Educoder Basemap和seaborn 第三关：Basemap
第3关：Basemap（代码在下边）
- 任务描述
- 相关知识
- 安装和使用
- 地图投影
- 地图背景
- 在地图上画数据
- 编程要求
- 测试说明
任务描述
本关任务：以中国地图为背景绘制散点图。
相关知识
Basemap是Matplotlib的一个子包，负责地图绘制。在数据可视化过程中，我们常需要将数据在地图上画出来。
比如说我们在地图上画出城市人口，飞机航线，军事基地，矿藏分布等等。这样的地理绘图有助于读者理解空间相关的信息。
- 适用场景：适用于有空间位置的数据集。
安装和使用
相对于其他工具Basemap用起来有点笨重，就算做点儿简单的可视化图也需要花费比预期更长的时间。
在处理比较复杂的地图可视化任务时，更现代的解决方案可能会更适用一些，比如leaflet 、Google Maps API。然而，Basemap 符合Python用户的使用习惯。
basemap并没有集成到matplotlib中，需要我们手动安装，basemap安装起来很简单，这里就不在说明。
安装并导入basemap工具箱后，只需要用几行代码就可以画出地理图：
import matplotlib.pyplot as pltfrom mpl_toolkits.basemap import Basemap#导入工具包plt.figure(figsize=(8, 8))m = Basemap(projection='ortho', resolution=None, lat_0=50, lon_0=-100)m.bluemarble(scale=0.5)plt.show()
运用Basemap函数我们可以在绘图区域中绘制地理信息相关的图像，当参数 projection的值为'ortho'时，我们将得到一个如上图所示的地球仪截面。 将参数projection的值设置为lcc时，我们可以通过经纬度设置来得到某一区域的局部地图：
fig = plt.figure(figsize=(8, 8))m = Basemap(projection='lcc', resolution=None,width=8E6,height=8E6,lat_0=45, lon_0=-100,)m.etopo(scale=0.5, alpha=0.5)# 将经纬度映射为 (x, y) 坐标，用于绘制图像x, y = m(-122.3, 47.6)plt.plot(x, y, 'ok', markersize=5)plt.text(x, y, ' Seattle', fontsize=12)
这里使用了两个额外参数，它们用来表示地图中心的纬度（lat_0）和经度（ lon_0）。
地图投影
由于不可能把地表完美反映到二维平面上，所有的地图都是各种各样扭曲的产物，把这些扭曲的产物抹平到平面坐标系的过程，称为投影。
Basemap提供了几十种不同的投影的实现。
投影简写-全称对照：
| 简写 | 全称 |
|---|---|
cyl |
Cylindrical Equidistant |
merc |
Mercator |
tmerc |
Transverse Mercator |
omerc |
Oblique Mercator |
mill |
Miller Cylindrical |
gall |
Gall Stereographic Cylindrical |
cea |
Cylindrical Equal Area |
lcc |
Lambert Conformal |
laea |
Lambert Azimuthal Equal Area |
nplaea |
North-Polar Lambert Azimuthal |
splaea |
South-Polar Lambert Azimuthal |
eqdc |
Equidistant Conic |
aeqd |
Azimuthal Equidistant |
npaeqd |
North-Polar Azimuthal Equidistant |
spaeqd |
South-Polar Azimuthal Equidistant |
aea |
Albers Equal Area |
stere |
Stereographic |
npstere |
North-Polar Stereographic |
spstere |
South-Polar Stereographic |
cass |
Cassini-Soldner |
poly |
Polyconic |
ortho |
Orthographic |
geos |
Geostationary |
nsper |
Near-Sided Perspective |
sinu |
Sinusoidal |
moll |
Mollweide |
hammer |
Hammer |
robin |
Robinson |
kav7 |
Kavrayskiy VII |
eck4 |
Eckert IV |
vandg |
van der Grinten |
mbtfpq |
McBryde-Thomas Flat-Polar Quartic |
gnom |
Gnomonic |
rotpole |
Rotated Pole |
下面我们对一常用的投影进行简单的演示。定义一个可以画带经纬线地图的简便方法：
def draw_map(m, scale=0.2):# 画地貌晕渲图m.shadedrelief(scale=scale)# 用字典表示经纬度lats = m.drawparallels(np.linspace(-90, 90, 13))lons = m.drawmeridians(np.linspace(-180, 180, 13))# 字典的键是plt.Line2D示例lat_lines = chain(*(tup[1][0] for tup in lats.items()))lon_lines = chain(*(tup[1][0] for tup in lons.items()))all_lines = chain(lat_lines, lon_lines)# 用循环将所有线设置成需要的样式for line in all_lines:line.set(linestyle='-', alpha=0.3, color='w')
圆柱投影是最简单的地图投影类型，纬度线与经度线分别映射成水平线与竖直线。 采用这种投影类型的话，赤道区域的显示效果非常好，但是南北极附近的区域就会严重变形。
fig = plt.figure(figsize=(8, 6), edgecolor='w')m = Basemap(projection='cyl', resolution=None,llcrnrlat=-90, urcrnrlat=90,llcrnrlon=-180, urcrnrlon=180, )draw_map(m)
这里basemap参数设置了左下角（llcrnr）和右上角（urcrnr）纬度（lat）和经度（lon）。不同的投影都有各种的优劣，大家之后可以多多尝试。
地图背景
basemap程序包中有许多实用的函数，可以画出各种地形的轮廓，如陆地、海洋、湖泊、河流、各国的政治分界线。
常用画图函数：
| 函数 | 说明 |
|---|---|
drawcoastlines() |
绘制大陆海岸线 |
drawlsmask() |
为陆地与海洋设置填充色，从而可以在陆地或海洋投影其他图像 |
drawmapboundary() |
绘制地图边界，包括为海洋填充颜色 |
drawrivers() |
绘制河流 |
fillcontinents() |
用一种颜色填充大陆，用另一种颜色填充湖泊（可选） |
drawcountries() |
绘制国界线 |
drawstates() |
绘制美国州界线 |
drawcounties() |
绘制美国县界线 |
drawgreatcircle() |
在两点之间绘制一个大圆 |
drawparallels() |
绘制纬线 |
drawmeridians() |
绘制经线 |
drawmapscale() |
在地图上绘制一个线性比例尺 |
bluemarble() |
绘制NASA 蓝色弹珠地球投影 |
shadedrelief() |
在地图上绘制地貌晕渲图 |
etopo() |
在地图上绘制地形晕渲图 |
warpimage() |
将用户提供的图像投影到地图上 |
如果要使用边界特征，就必须设置分辨率。通过resolution来设置分辨率，取值为c（原始分辨率）、l（低分辨率）、i（中分辨率）、h（高分辨率）、f（全画质分辨率）。
来看看两种不同分辨率的绘制效果:
fig, ax = plt.subplots(1, 2, figsize=(12, 8))for i, res in enumerate(['l', 'h']):m = Basemap(projection='gnom', lat_0=57.3, lon_0=-6.2,width=90000, height=120000, resolution=res, ax=ax[i])m.fillcontinents(color="#FFDDCC", lake_color='#DDEEFF')m.drawmapboundary(fill_color="#DDEEFF")m.drawcoastlines()ax[i].set_title("resolution='{0}'".format(res));plt.show()
可以看出低分辨率不适合这个缩放，低分辨率适合呈现全局视角，而且加载速度比高分辨率更快。要呈现某一视角的适合，最好先从一个能快速呈现的分辨率开始，然后不断提高分辨率直到满意为止。
在地图上画数据
basemap还可以以地图为背景，在这上面画各种数据。basemap实例中许多方法都是与地图有关的函数。这些函数与标准matplotlib函数的用法类似，只是多了一个参数latlon。如果设置为true表示使用原来的经纬度坐标，不使用投影(x,y)坐标。
示例如下：
import pandas as pdcities = pd.read_csv('california_cities.csv')# 提取我们感兴趣的数据lat = cities['latd'].valueslon = cities['longd'].valuespopulation = cities['population_total'].valuesarea = cities['area_total_km2'].values# 1. 绘制地图背景fig = plt.figure(figsize=(8, 8))m = Basemap(projection='lcc', resolution='h',lat_0=37.5, lon_0=-119,width=1E6, height=1.2E6)m.shadedrelief()m.drawcoastlines(color='gray')m.drawcountries(color='gray')m.drawstates(color='gray')# 2. 绘制城市数据的散点图，其中颜色反映人口# 尺寸反映面积m.scatter(lon, lat, latlon=True,c=np.log10(population), s=area,cmap='Reds', alpha=0.5)# 3. 创建颜色条和图例plt.colorbar(label=r'$\log_{10}({\rm population})$')plt.clim(3, 7)# 使用虚拟的点生成图例for a in [100, 300, 500]:plt.scatter([], [], c='k', alpha=0.5, s=a,label=str(a) + ' km$^2$')plt.legend(scatterpoints=1, frameon=False,labelspacing=1, loc='lower left');
编程要求
本关的编程任务是补全右侧上部代码编辑区内的相应代码，中国地图已经绘制好，只需要读取输入参数img_path作为绘图背景，x/y为散点图数据，需要设置散点图的参数为标记设置为o，大小为150，具体可视化要求如下：
-
图形的
figsize为(10, 10)； -
图形保存到
Task3/img/T1.png； -
具体要求请参见后续测试样例。
请先仔细阅读右侧上部代码编辑区内给出的代码框架，再开始你的编程工作！
测试说明
平台会对你编写的代码进行测试，对比你输出的数值与实际正确的数值，只有所有数据全部计算正确才能进入下一关。
测试输入：
无测试输入
预期输出： 生产图片与预期图片一致
开始你的任务吧，祝你成功！
import matplotlib
matplotlib.use("Agg")
import matplotlib.pyplot as plt
import numpy as np
from numpy import *
def student(img_path,x,y):
# ********* Begin *********#
fig=plt.figure(figsize=(10,10))
imgP=plt.imread(img_path)
plt.imshow(imgP)
plt.scatter(x,y,marker='o',s=150)
plt.savefig("Task3/img/T1.png")
plt.show()
# ********* End *********#