【Python】Python的那些"地图"神器！

本文梳理多个Python优质地理数据可视化工具，有的擅长交互、有的擅长学术研究、有的擅长商用地图展示。

Basemap

Basemap为地理空间数据可视化利器，偏学院派。
依赖PROJ.4C，为提供的经纬坐标指定basemap25个投影方式中的一类，每一类都有自己的优缺点，如下文代码中的projection='ortho'；
依赖Matplotlib，在PROJ.4C指定的投影方式中绘制海岸线、河流线和政治边界线；
依赖GEOS，将海岸线、河流线和政治边界线裁剪至目的区域；
Basemap创建以来，为了满足地球科学、海洋学、气象学等领域科学家的需求，功能日益强大。但是，自2016年起，Cartopy开始接管了Basemap，至2020年8月7日，后者停止维护，大部分功能转移到Cartopy下，Basemap依旧可以使用，但是安装起来有点麻烦。

# 下载源码：https://github.com/matplotlib/basemap/releases/

#解压 
tar -zxvf basemap-1.2.2rel.tar.gz

#修改配置
cd basemap-1.2.2rel/geos-3.3.3/
export GEOS_DIR=/usr/local
./configure --prefix=$GEOS_DIR
make #这一步时间有点久，出现好多warning，
make install
cd ../
python setup.py install

举个栗子，我们生活的蓝色星球全貌，

import pyproj
import geos
from mpl_toolkits.basemap import Basemap
# Basemap依赖pyproj和geos，三者一起导入，不然报错
import matplotlib.pyplot as plt

plt.figure(dpi=150,figsize=(6,6))

m = Basemap(
    projection='ortho',  #指定投影方式ortho
    lat_0=0,
    lon_0=140,  #设置投影中心
    resolution=None  #设置分辨率
)
m.bluemarble(scale=0.5) #设置蓝色弹珠 (The Blue Marble)背景

plt.show();

更多栗子，

深入学习：https://matplotlib.org/basemap/index.html

---

Folium

Folium是Python数据处理优势和JavaScript地图库Leaflet.js地图可视化优势的完美结合，二者结合后即可绘制优美的交互式地图。「小科普：Folium和Leaf都有叶子的意思，这可能是Folium名称的由来～」
一些栗子～

import folium

whm = folium.Map(
    location=[30.5538, 114.31589],  #武昌区经纬度
    zoom_start=10,  # 默认放大倍数
)

folium.Marker(  #添加位置标示
    location=[30.5538, 114.31589],
    popup="❤️武汉",
    icon=folium.Icon(color="#ba2f2a", icon="info-sign"),
).add_to(whm)

folium.CircleMarker(  #圈地
    location=[30.5538, 114.31589],
    radius=100,  #圈半径
    color="#c72e29",
    fill=True,
    fill_color="#c72e29",
).add_to(whm)

folium.Marker( 
    location=[30.34653, 114.27001],
    popup="❤️",
    icon=folium.Icon(color="blue", icon="info-sign"),
).add_to(whm)

folium.CircleMarker(  
    location=[30.34653, 114.31001],
    radius=100, 
    color="#01a2d9",
    fill=True,
    fill_color="#01a2d9",
).add_to(whm)
whm

再举个栗子，
Heatmap，

# Heatmap
import numpy as np
import folium
from folium.plugins import HeatMap

data = (np.random.normal(size=(50, 3)) * np.array([[1, 1, 1]]) +
        np.array([[39.904989, 116.4052859, 1]])).tolist()

m = folium.Map([39.904989, 116.4052859], zoom_start=6)
HeatMap(data, radius=20).add_to(m)
m

MinichartsMarkerImageOverlaychoroplethHeatmap with timeMiniMap除此之外，Folium还有很多的插件，如draw深入学习：http://python-visualization.github.io/folium/index.html

---

Echarts/pyecharts

pyecharts擅长商业交互可视化，地图是其重要一部分，有大量demo，代码拿来即可用。快速入门：快速上手pyecharts
三维动态世界地图世界航线图bus路径图中国地图可视化大屏纽约街道数据深入学习：https://github.com/pyecharts/pyecharts

---

ipyleaflet

ipyleaflet为Jupyter Notebook的一个扩展，擅长交互式地图，
安装

pip install ipyleaflet
jupyter nbextension enable --py --sys-prefix ipyleaflet

举个栗子，

from ipyleaflet import Map, MagnifyingGlass, basemaps, basemap_to_tiles

m = Map(center=(30.5538, 114.31589), zoom=1.5)

topo_layer = basemap_to_tiles(basemaps.OpenTopoMap)
magnifying_glass = MagnifyingGlass(layers=[topo_layer])

m.add_layer(magnifying_glass)

m

更多栗子，进一步学习：https://github.com/jupyter-widgets/ipyleaflet/tree/stable

---

Cartopy

Cartopy为Basemap的继承者。
安装

brew install proj geos #安装依赖
pip install cartopy -i https://pypi.tuna.tsinghua.edu.cn/simple #清华源光速安装

举个栗子，
路线图，

import cartopy
import matplotlib.pyplot as plt

plt.figure(dpi=150)
plt.rcParams['font.sans-serif'] = ['Arial Unicode MS']

ax = plt.axes(projection=ccrs.PlateCarree())  #默认投影PlateCarree
ax.stock_img()

x_lon, x_lat = -55, -10,
wh_lon, wh_lat = 114.30943, 30.59982

plt.plot(
    [x_lon, wh_lon],
    [x_lat, wh_lat],
    color='#dc2624',
    linewidth=1,
    marker='o',
    transform=ccrs.Geodetic(),
)

plt.plot(
    [x_lon, wh_lon],
    [x_lat, wh_lat],
    color='#01a2d9',
    linestyle='--',
    transform=ccrs.PlateCarree(),
)

plt.text(x_lon - 3,
         x_lat - 12,
         'xx市',
         horizontalalignment='right',
         transform=ccrs.Geodetic())

plt.text(wh_lon + 3,
         wh_lat - 12,
         '武汉',
         horizontalalignment='left',
         transform=ccrs.Geodetic())

更多栗子，交互图风杆图深入学习：https://scitools.org.uk/cartopy/docs/latest/index.html

---

geopandas

geopandas依赖pandas、fiona及matplotlib「GeoPandas是Pandas在地理数据处理方向的扩展，使用shapely地理数据分析、fiona执行地理数据读取、matplotlib执行绘图」。举几个栗子～

import matplotlib.pyplot as plt
import geopandas

#读入数据
world = geopandas.read_file(geopandas.datasets.get_path('naturalearth_lowres'))
cities = geopandas.read_file(
    geopandas.datasets.get_path('naturalearth_cities'))

#画图
fig, ax = plt.subplots(2, 1, dpi=200)
world.plot(column='pop_est', cmap='Set1_r', ax=ax[0])
world.plot(column='gdp_md_est', cmap='Set1', ax=ax[1])
plt.show()

更多例子，如Plotting with CartoPyChoro legends kdeplot进一步学习：https://github.com/geopandas/geopandas

---

geoplot

geoplot是一个high-level的Python地理数据可视化工具，是cartopy和matplotlib的扩展，geoplot 之于cartopy，犹如seaborn之于matplotlib.直接看demo：桑基图 \(Sankey）添加散点添加核密度估计图分级统计图深入学习：https://github.com/ResidentMario/geoplot

---

ridge_map

专注于山峦地图绘制，看demo深入学习：https://github.com/ColCarroll/ridge_map

---

Plotly/plotly-express

专业的交互式可视化工具，在Python、R、JavaScript方向都有API，快速入门：❤️快速上手plotly-express❤️
subplotsscatterMarker/LinechoroplethDensity Heatmapfacets深入学习：https://plotly.com/python/

---

mapnik

mapnik底层为 C++ ，拥有Python、 Node等的API，号称Python最强大的开源地图渲染工具，知名的OpenStreetMap、mapbox等底层都是mapnik，不过学习成本有点高，深入学习：https://github.com/mapnik/mapnik

---

Kepler.gl

kepler.gl为Uber开源的用于大规模地理空间数据集的可视化探索工具，可在Jupyter Notebook中使用，这里仅仅展示一些demo，
深入学习：https://github.com/keplergl/kepler.gl

-END-

往期精彩回顾




适合初学者入门人工智能的路线及资料下载(图文+视频)机器学习入门系列下载机器学习及深度学习笔记等资料打印《统计学习方法》的代码复现专辑机器学习交流qq群955171419，加入微信群请扫码