>>> from env_helper import info; info()
页面更新时间: 2023-04-15 19:28:17
运行环境:
    Linux发行版本: Debian GNU/Linux 12 (bookworm)
    操作系统内核: Linux-6.1.0-7-amd64-x86_64-with-glibc2.36
    Python版本: 3.11.2

11.2. 地图工具

geopandas提供了一个用于制作地图的高级接口matplotlib库。其地图绘制功能与GeoSeries或GeoDataFrame使用 plot() 方法一样便于操作。

一些示例数据:

>>> %matplotlib inline
>>> import geopandas as gpd
>>> world = gpd.read_file(gpd.datasets.get_path('naturalearth_lowres'))
>>>
>>> cities = gpd.read_file(gpd.datasets.get_path('naturalearth_cities'))

查看数据。

>>> world.head()
pop_est continent name iso_a3 gdp_md_est geometry
0 889953.0 Oceania Fiji FJI 5496 MULTIPOLYGON (((180.00000 -16.06713, 180.00000...
1 58005463.0 Africa Tanzania TZA 63177 POLYGON ((33.90371 -0.95000, 34.07262 -1.05982...
2 603253.0 Africa W. Sahara ESH 907 POLYGON ((-8.66559 27.65643, -8.66512 27.58948...
3 37589262.0 North America Canada CAN 1736425 MULTIPOLYGON (((-122.84000 49.00000, -122.9742...
4 328239523.0 North America United States of America USA 21433226 MULTIPOLYGON (((-122.84000 49.00000, -120.0000...

我们现在可以绘制这些GeoDataFrames:

>>> world.plot();
_images/sec4_map_6_0.png

注意,一般来说,任何可以输出到matplotlib中pyplot的选项(或者适用于行的样式选项)都可以输出给plot()方法。

11.2.1. Chloropleth地图

geopandas创建Chloropleth地图比较简单(每个形状颜色对应于相关联变量值的地图)。只需使用 plot() 命令,将列参数设置为要用于分配颜色值的列即可。

>>> # Plot by GDP per capta
>>> world = world[(world.pop_est>0) & (world.name!="Antarctica")]
>>>
>>> world['gdp_per_cap'] = world.gdp_md_est / world.pop_est
>>>
>>> world.plot(column='gdp_per_cap');
/opt/jupyterhub/lib/python3.11/site-packages/geopandas/geodataframe.py:1443: SettingWithCopyWarning:
A value is trying to be set on a copy of a slice from a DataFrame.
Try using .loc[row_indexer,col_indexer] = value instead

See the caveats in the documentation: https://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-view-versus-a-copy
  super().__setitem__(key, value)
_images/sec4_map_8_1.png

选择颜色。 还可以使用cmap选项修改plot颜色(有关色彩图的完整列表,请参阅matplotlib网站):

>>> world.plot(column='gdp_per_cap', cmap='OrRd');
_images/sec4_map_10_0.png

颜色映射的缩放方式也可以使用scheme选项(如果你已经安装了pysal,可以通过conda install pysal来实现)。默认情况下,scheme设置为“equal_intervals”,但也可以调整为任何其他pysal选项,如“分位数”,“百分位数”等。

要运行下面代码,需要先安装 mapclassify 模块:

pip install mapclassify
>>> world.plot(column='gdp_per_cap', cmap='OrRd', scheme='quantiles');
_images/sec4_map_12_0.png

11.2.2. 地图图层

在合并地图之前,请一定要确保它们的共享公用CRS(以便它们对齐)。

>>> # Look at capitals
>>> # Note use of standard `pyplot` line style options
>>> cities.plot(marker='*', color='green', markersize=5);
>>>
>>> # Check crs
>>> cities = cities.to_crs(world.crs)
>>>
>>> # Now we can overlay over country outlines
>>> # And yes, there are lots of island capitals
>>> # apparently in the middle of the ocean!
_images/sec4_map_14_0.png

方法1

>>> base = world.plot(color='white')
>>> cities.plot(ax=base, marker='o', color='red', markersize=5);
_images/sec4_map_16_0.png

使用matplotlib对象

>>> import matplotlib.pyplot as plt
>>>
>>> fig, ax = plt.subplots()
>>>
>>> # set aspect to equal. This is done automatically
>>> # when using *geopandas* plot on it's own, but not when
>>> # working with pyplot directly.
>>>
>>> ax.set_aspect('equal')
>>> world.plot(ax=ax, color='white')
>>> cities.plot(ax=ax, marker='o', color='red', markersize=5)
<Axes: >
_images/sec4_map_18_1.png
>>> fig, ax = plt.subplots()
>>>
>>> # set aspect to equal. This is done automatically
>>> # when using *geopandas* plot on it's own, but not when
>>> # working with pyplot directly.
>>>
>>> ax.set_aspect('equal')
>>>
>>> world.plot(ax=ax, color='white')
>>>
>>> cities.plot(ax=ax, marker='o', color='red', markersize=5)
>>>
>>> plt.show()
_images/sec4_map_19_0.png

11.2.3. 管理投影

坐标参考系统

CRS非常重要,其意义在于GeoSeries或GeoDataFrame对象中的几何形状是任意空间中的坐标集合。 CRS可以使Python的坐标与地球上的具体实物点相关联。

使用proj4字符串代码的方法引用CRS。你可以从 https://www.spatialreference.orghttps://remote-sensing.org/ 找到最常用的代码。

例如,最常用的CRS之一是WGS84纬度 - 经度投影。 这个投影的proj4表示通常可以用多种不同的方式引用相同CRS:

"+proj=longlat +ellps=WGS84 +datum=WGS84 +no_defs"

通用的投影可以通过EPSG代码来引用,因此这个通用的投影也可以使用proj4字符串调用

"+init=epsg:4326".

geopandas包含有CRS的表示方法,包括proj4字符串本身

("+proj=longlat +ellps=WGS84 +datum=WGS84 +no_defs")

或在字典中分解的参数:

{'proj': 'latlong', 'ellps': 'WGS84', 'datum': 'WGS84', 'no_defs': True}

此外,也可直接采用EPSG代码完成一些功能。

以下为参考值,是一些非常常见的投影和它们的proj4字符串:

  • WGS84纬度/经度:“+ proj = longlat + ellps = WGS84 + datum = WGS84 + no_defs”或“+ init = epsg:4326”

  • UTM区域(北):“+ proj = utm + zone = 33 + ellps = WGS84 + datum = WGS84 + units = m + no_defs”

  • UTM Zones(南):“+ proj = utm + zone = 33 + ellps = WGS84 + datum = WGS84 + units = m + no_defs + south”

设置投影

投影有两个操作方法:设置投影和重新投影。

当地理坐标有坐标数据(x-y值),但没有关于这些坐标如何指向实际位置的信息时,需要设置投影。如果没有设置CRS,地理信息的几何操作虽可以工作,但不会变换坐标,导出的文件也可能无法被其他软件正常理解。

注意,大多数情况你不需要设置投影。使用from_file()命令加载的数据会始终包括投影信息。您可以通过crs属性来查看当前CRS对象:my_geoseries.crs。

然而,您可能会获得不包含投影的数据。在这种情况下,您必须设置CRS,以便地理数据库作出解释坐标的合理操作。

例如,将纬度和经度的电子表格手动转换为GeoSeries,可以通过WGS84纬度 - 经度CRS分配给crs属性的方法来设置投影:

my_geoseries.crs = {'init' :'epsg:4326'}

重新投影

重新投影是从一个坐标系变到另一个坐标系并重新表示位置的过程。地球上的任意一点放置到二维平面上时,所有投影都是失真的,您应用最好的投影可能不同于与您导入的数据相关联的投影。在这些情况下,可以使用to_crs命令重新进行投影:

>>> # load example data
>>> world = gpd.read_file(gpd.datasets.get_path('naturalearth_lowres'))
>>>
>>> # Check original projection
>>> # (it's Platte Carre! x-y are long and lat)
>>> world.crs
<Geographic 2D CRS: EPSG:4326>
Name: WGS 84
Axis Info [ellipsoidal]:
- Lat[north]: Geodetic latitude (degree)
- Lon[east]: Geodetic longitude (degree)
Area of Use:
- name: World.
- bounds: (-180.0, -90.0, 180.0, 90.0)
Datum: World Geodetic System 1984 ensemble
- Ellipsoid: WGS 84
- Prime Meridian: Greenwich
>>> # Visualize
>>> world.plot()
<Axes: >
_images/sec4_map_23_1.png
>>> # Reproject to Mercator (after dropping Antartica)
>>> world = world[(world.name != "Antarctica") & (world.name != "Fr. S. Antarctic Lands")]
>>> world = world.to_crs({'init': 'epsg:3395'}) # world.to_crs(epsg=3395) would also work
>>> world.plot();
/opt/jupyterhub/lib/python3.11/site-packages/pyproj/crs/crs.py:141: FutureWarning: '+init=<authority>:<code>' syntax is deprecated. '<authority>:<code>' is the preferred initialization method. When making the change, be mindful of axis order changes: https://pyproj4.github.io/pyproj/stable/gotchas.html#axis-order-changes-in-proj-6
  in_crs_string = _prepare_from_proj_string(in_crs_string)
_images/sec4_map_24_1.png