python动态演示数据gdp_利用Python制作中国GDP分布图和动态演示

利用Python制作中国GDP分布图和动态演示

数据读取

## 导入相关模块import pandas as pdimport geopandas as gpdimport numpy as np import matplotlib.pyplot as pltfrom shapely.geometry import Pointimport matplotlib.patches as mpatchesfrom mpl_toolkits.basemap import Basemapfrom matplotlib_scalebar.scalebar import ScaleBarplt.rcParams['font.family'] = ['sans-serif']plt.rcParams['font.sans-serif'] = ['SimHei']# 替换sans-serif字体为黑体plt.rcParams['axes.unicode_minus'] = False   # 解决坐标轴负数的负号显示问题

regibns = gpd.GeoDataFrame.from_file('F:\ArcGIS\ArcGIS文件\全国\中国地图\省级行政区.shp')regibns.plot()

## 查看坐标系regibns.crs

坐标系

## 绘制国界线nine_lines = gpd.read_file('F:\ArcGIS\ArcGIS文件\全国\中国地图\国界线.shp')nine_lines.plot()

九段线## 经纬网jingwei = gpd.GeoDataFrame.from_file('F:\ArcGIS\ArcGIS文件\全国\中国地图\经纬网.shp')fig = plt.figure(figsize=(8,8)) #设置画布大小ax = plt.gca()regibns.plot(ax=ax)jingwei.plot(ax=ax)nine_lines.plot(ax=ax)

经纬网

taiwan = gpd.GeoDataFrame.from_file('F:\ArcGIS\ArcGIS文件\全国\中国地图\省级行政区.shp')taiwan = taiwan[regibns['NAME'].isin(['台湾'])]taiwan.plot()

台湾岛

数据清洗regibns = regibns[['GDP_1994(','GDP_1997(','GDP_1998(','GDP_1999(','GDP_2000(','NAME','geometry']]regibns = regibns.rename(columns={'GDP_1994(':'GDP_1994','GDP_1997(':'GDP_1997','GDP_1998(':'GDP_1998','GDP_1999(':'GDP_1999','GDP_2000(':'GDP_2000'})

regibns.head()

GDP,可能有错误，方法重要data = pd.read_excel('中国各省GDP.xlsx')data.shape

维度

data.head()

近两年GDP

数据连接GDP = pd.merge(regibns,data,on='NAME') ## 连接GDP.head()

数据清洗结果

绘图

## 绘制中国2020年GDP分布图fig = plt.figure(figsize=(12,12)) #设置画布大小ax = plt.gca()ax.set_title('中国2020年各省级行政单位GDP分布图(单位:亿元)',fontsize=24,loc='center')regibns['coords'] = regibns['geometry'].apply(lambda x: x.representative_point().coords[0])for n, i in enumerate(regibns['coords']):    plt.text(i[0], i[1], regibns['NAME'][n], size=12)  # 主图绘制GDP.plot(ax=ax,column='GDP_2020',scheme='quantiles',legend=True,linewidth=0.5,cmap='Reds',edgecolor='k',legend_kwds={  'loc': 'lower left',  'title': '图例',  'shadow': True,  'fontsize':12,  'frameon':True,  'prop':{'family': 'Times New Roman', 'weight': 'normal', 'size': 12}})jingwei.plot(ax=ax,linewidth=2,alpha=0.5,edgecolor='black')nine_lines.plot(ax=ax,edgecolor='black',linewidth=2,alpha=0.5)taiwan.plot(ax=ax,hatch= '',label= '缺失值',facecolor='lightgrey')# 副图框绘制ax_child = fig.add_axes([0.72, 0.20, 0.15, 0.15]) # left, bottom, width, heightGDP.plot(ax=ax_child,color='#E24A33',edgecolor='grey',linewidth=0.5)GDP.plot(ax=ax_child,color='#348ABD',edgecolor='grey',linewidth=0.5)ax_child = nine_lines.geometry.plot(ax=ax_child,edgecolor='black',linewidth=2,alpha=0.5)taiwan.plot(ax=ax_child,hatch= '',label= '缺失值',facecolor='lightgrey')ax_child.set(xlim=(0*10**6,2*10**6),ylim=(0*10**6,2.8*10**6))ax_child.set_xticks([])ax_child.set_yticks([])# 额外图例绘制p1=gpd.GeoDataFrame({'geometry':[Point(-1.60*10**6,-0.1*10**6)]})p1.plot(ax=ax,markersize=100,facecolor='lightgrey',hatch= '')ax.text(-1.54*10**6,-0.15*10**6, 'NoData',{'family': 'Times New Roman', 'weight': 'normal', 'size': 12})# 添加比例尺scalebar = ScaleBar(dx=1*10**-3,units='km',length_fraction=0.1,                    font_properties={'family': 'Times New Roman', 'weight': 'normal', 'size': 12},                    location=8,sep=1,frameon=False)ax.add_artist(scalebar)# 添加指北针x, y, arrow_length = 0.42, 0.09, 0.07ax.annotate('N', xy=(x, y), xytext=(x, y-arrow_length),            arrowprops=dict(facecolor='black', width=4, headwidth=7),            ha='center', va='center', fontsize=10,            xycoords=ax.transAxes)# plt.savefig('中国2020年各省级行政单位GDP分布图.png',dpi=300)

中国2020年各省级行政单位GDP分布图

批量出图

为了出图方便和、可控、美观，所以有所简略。reg = GDP.copy() ##好习惯，数据不干扰

## 列表表达式data_plot = [('GDP_1994','中国1994年GDP分布图(单位:亿元)'),('GDP_1997','中国1997年GDP分布图(单位:亿元)'),('GDP_1998','中国1998年GDP分布图(单位:亿元)'),('GDP_1999','中国1999年GDP分布图(单位:亿元)'),('GDP_2000','中国2000年GDP分布图(单位:亿元)'),('GDP_2010','中国2010年GDP分布图(单位:亿元)'),('GDP_2019','中国2019年GDP分布图(单位:亿元)'),('GDP_2020','中国2020年GDP分布图(单位:亿元)'),]## 批量出图，不要忘记台湾for m, cal in enumerate(data_plot):    reg['coords'] = reg['geometry'].apply(lambda x: x.representative_point().coords[0])    ax = reg.plot(figsize=(10, 10), column=cal[0], scheme='quantiles', legend=True, cmap='Reds', edgecolor='k')    taiwan.plot(ax=ax,hatch= '',label= '缺失值',facecolor='lightgrey')    for n, i in enumerate(regibns['coords']):        plt.text(i[0], i[1], regibns['NAME'][n], size=12)    plt.title(cal[1],size=20)        plt.grid(True, alpha=0.3)    # plt.savefig(str(m) '.png',dpi=300)

中国1994年GDP分布图

1994年中国GDP分布图，数据有偏差和缺失值，大家谅解

批量出图

制作动图

## 创建文件夹夹def mkdir(path):    folder = os.path.exists(path)    if not folder:  # 判断是否存在文件夹如果不存在则创建为文件夹        os.makedirs(path)  # makedirs 创建文件时如果路径不存在会创建这个路径        print('---  new folder...  ---')        print('---  OK  ---')    else:        print('---  There is this folder!  ---')file = r'F:\ArcGIS\ArcGIS文件\全国\中国地图ArcGIS练习数据\代码\photo'mkdir(file)  # 调用函数## 复制文件import shutilarray = np.arange(9)ls=list(array)rs=map(str,ls)path=r'F:\ArcGIS\ArcGIS文件\全国\中国地图ArcGIS练习数据\代码'  #待读取的文件夹root = 'F:\ArcGIS\ArcGIS文件\全国\中国地图ArcGIS练习数据\代码\photo'num=0for num in range(8):    name = str(num)   '.png'#将0-8选出来 if name in os.listdir(path):#取出文件名数字部分是0-7的文件        sourcefile = os.path.join(path, name)  # 拼路径        print(sourcefile)        shutil.copy(sourcefile, root)# 将指定的文件复制到root的文件夹里面    else:        print('no')

复制文件

## 制作动图#   _*_ coding:utf-8 _*_import matplotlib.pyplot as pltimport imageiofrom PIL import Image, ImageSequence__author__ = 'admin'GIF=[]filepath = r'F:\ArcGIS\ArcGIS文件\全国\中国地图ArcGIS练习数据\代码\photo'#文件路径filenames=os.listdir(filepath)for filename in os.listdir(filepath):    GIF.append(imageio.imread(filepath '\\' filename))imageio.mimsave(filepath '\\' 'result.gif',GIF,duration=1)#这个duration是播放速度，数值越小，速度越快

中国GDP动态演示

问题和总结

PicGO的gitee不太支持太大文件的传输，CSDN也只支持5MB以内，但是简书可以超过5MB，我这次这个动图就是使用的简书。

还有就是shp文件的坐标的问题，要投影正确，图才能叠到一起。

第三就是这个GDP数据有所错误或者缺失的地方，大家谅解。