matplotlib+cartopy+geopandas，实现专业地图可视化

知乎上有人问如何实现精细化地图？现有的excel、tableau、powerbi都只能套用有限的模板，是否有工具能实现高度定制化？

除了专业的Gis软件外，我能想到相对完美的就是使用Python来实现。

如果想制作出版级的地图可视化图表，且处理大数据集，推荐使用matplotlib+cartopy+geopandas的组合，从GIS数据处理、到Geo、Map地图绘制，到可视化图片展示生成，它们都能完美解决。

matplotlib、cartopy、geopandas都是python的第三方工具库，在可视化领域非常强大，下面一一介绍。

matplotlib是python图表可视化的基础库，相信很多人都熟悉。它能创建静态、动态、交互式图表，支持自定义所有图表元素，且对地图制作非常友好。

cartopy是基于matplotlib接口的专业地理空间可视化库，它利用PROJ、Numpy和Shapely库，可以绘制出版级的地理图表。

geopandas是在pandas数据类型上构建出来的地理空间数据处理分析库，能对shapefile、geojson数据进行处理、分析及可视化。

总的来讲，matplotlib用于图表设计、cartopy用于地图展示、geopandas用于gis数据处理，搭配起来使用几乎可以媲美专业的gis软件。

而且它们可定制性极强，你几乎自行可以设计所有的地图细节，这是tableau，finereport，excel所无法实现的。

因为是基于python生态的地图工具，处理大数据集不在话下，哪怕GB、TB级别的数据，也可以通过合适的数据处理手段来生成地图。

cartopy绘图

用 Cartopy 画地图的基本流程并不复杂：

1. 创建画布。

2. 通过指定 projection 参数，创建 GeoAxes 对象。

3. 调用 GeoAxes 的方法画图。

比如绘制海岸线：

import cartopy.crs as ccrs
from cartopy.mpl.ticker import LongitudeFormatter, LatitudeFormatter
import matplotlib.pyplot as plt


def main():
    fig = plt.figure(figsize=(8, 10))

    # Label axes of a Plate Carree projection with a central longitude of 180:
    ax1 = fig.add_subplot(2, 1, 1,
                          projection=ccrs.PlateCarree(central_longitude=180))
    ax1.set_global()
    ax1.coastlines()
    ax1.set_xticks([0, 60, 120, 180, 240, 300, 360], crs=ccrs.PlateCarree())
    ax1.set_yticks([-90, -60, -30, 0, 30, 60, 90], crs=ccrs.PlateCarree())
    lon_formatter = LongitudeFormatter(zero_direction_label=True)
    lat_formatter = LatitudeFormatter()
    ax1.xaxis.set_major_formatter(lon_formatter)
    ax1.yaxis.set_major_formatter(lat_formatter)

    plt.show()


if __name__ == '__main__':
    main()

绘制地图：

import cartopy.crs as ccrs
import cartopy.feature as cfeature
import matplotlib.pyplot as plt


def main():
    fig = plt.figure()
    ax = fig.add_subplot(1, 1, 1, projection=ccrs.PlateCarree())
    ax.set_extent([-20, 60, -40, 45], crs=ccrs.PlateCarree())

    ax.add_feature(cfeature.LAND)
    ax.add_feature(cfeature.OCEAN)
    ax.add_feature(cfeature.COASTLINE)
    ax.add_feature(cfeature.BORDERS, linestyle=':')
    ax.add_feature(cfeature.LAKES, alpha=0.5)
    ax.add_feature(cfeature.RIVERS)

    plt.show()


if __name__ == '__main__':
    main()

##geopandas绘图

geopandas主要用来处理地理空间数据，也可以通过matplotlib接口来展示地图。

当然它也是依赖shapely、fiona、pyproj等众多地理空间库来进行数据分析、处理的，数据形态类似pandas的dataframe。

import geopandas as gpd
from matplotlib_scalebar.scalebar import ScaleBar

nybb = gpd.read_file(gpd.datasets.get_path('nybb'))
nybb = nybb.to_crs(32619)  # Convert the dataset to a coordinate
# system which uses meters

ax = nybb.plot()
ax.add_artist(ScaleBar(1))

import geopandas
import contextily as cx

df = geopandas.read_file(geopandas.datasets.get_path('nybb'))
ax = df.plot(figsize=(10, 10), alpha=0.5, edgecolor='k')

df.crs
df_wm = df.to_crs(epsg=3857)
ax = df_wm.plot(figsize=(10, 10), alpha=0.5, edgecolor='k')
cx.add_basemap(ax)

你还可以通过folium读取地图进行可视化。

小结

matplotlib+cartopy+geopandas的组合非常强大，能解决地理空间大部分的可视化需求。

我想python处理地理空间数据也是现在的趋势，学会将有很大帮助。

-------- End --------推荐同名微信视频号

图解Pandas图文00-内容框架介绍图文01-数据结构介绍图文02-创建数据对象图文03-操作Excel文件图文04-常见的数据访问图文05-常见的数据运算图文06-常见的数学计算图文07-常见的数据统计图文08-常见的数据筛选图文09-常见的缺失值处理图文10-数据合并操作