pysal.viz.splot.mapping.vba_choropleth¶

pysal.viz.splot.mapping.vba_choropleth(x, y, gdf, cmap='GnBu', divergent=False, revert_alpha=False, alpha_mapclassify=None, rgb_mapclassify=None, ax=None, legend=False)[源代码]¶

alpha choropleth值

参数:

x : 数组 由颜色决定的变量 y : 数组 确定α值的变量 gdf : geopandas数据帧实例 包含要绘制的信息的数据帧。 cmap : str或str列表 matplotlib颜色映射或用于创建vba_层的颜色列表 divergent : 可选的布尔 创建一个发散的alpha数组，在输入值的中间有高值和低透明值。 revert_alpha : 可选的布尔 如果为真，高Y值将具有低α，低值将是透明的。默认值= false。 alpha_mapclassify : 双关语 用于将输入值与字母值分类的关键字 mapclassify. 注意：有效的关键字是dict（classifier='quantiles'，k=5，heunge=1.5）。对于其他选项，请检查 splot.mapping.mapclassify_bin. rgb_mapclassify : 双关语 用于对输入值进行分块和对RGB值进行分类的关键字 mapclassify. 注意：有效的关键字是例如dict（classifier='quantiles'，k=5，hinge=1.5）。对于其他选项，请检查 splot.mapping.mapclassify_bin. ax : Matplotlib轴实例，可选 在多轴布局中绘制图形的轴。缺省＝无 legend : 可选的布尔 添加一个图例。注：目前仅在数据分类时可用，因此如果 alpha_mapclassify 和 rgb_mapclassify 被使用。

返回:

fig : Matplotlip图实例 α-脊索普勒值图 ax : Matplotlib轴实例 绘制图形的轴

实例

进口

>>> from pysal.lib import examples
>>> import geopandas as gpd
>>> import matplotlib.pyplot as plt
>>> import matplotlib
>>> import numpy as np
>>> from pysal.viz.splot.mapping import vba_choropleth

加载示例数据

>>> link_to_data = examples.get_path('columbus.shp')
>>> gdf = gpd.read_file(link_to_data)
>>> x = gdf['HOVAL'].values
>>> y = gdf['CRIME'].values

用alpha映射绘制值

>>> fig, _ = vba_choropleth(x, y, gdf)
>>> plt.show()

使用还原的alpha值按alpha映射绘制值

>>> fig, _ = vba_choropleth(x, y, gdf, cmap='RdBu',
...                         revert_alpha=True)
>>> plt.show()

使用分类的alpha和rgb值按alpha映射绘制值

>>> fig, axs = plt.subplots(2,2, figsize=(20,10))
>>> vba_choropleth(y, x, gdf, cmap='viridis', ax = axs[0,0],
...                rgb_mapclassify=dict(classifier='quantiles', k=3), 
...                alpha_mapclassify=dict(classifier='quantiles', k=3))
>>> vba_choropleth(y, x, gdf, cmap='viridis', ax = axs[0,1],
...                rgb_mapclassify=dict(classifier='natural_breaks'), 
...                alpha_mapclassify=dict(classifier='natural_breaks'))
>>> vba_choropleth(y, x, gdf, cmap='viridis', ax = axs[1,0],
...                rgb_mapclassify=dict(classifier='std_mean'), 
...                alpha_mapclassify=dict(classifier='std_mean'))
>>> vba_choropleth(y, x, gdf, cmap='viridis', ax = axs[1,1],
...                rgb_mapclassify=dict(classifier='fisher_jenks', k=3), 
...                alpha_mapclassify=dict(classifier='fisher_jenks', k=3))
>>> plt.show()

传递颜色列表而不是CMAP

>>> color_list = ['#a1dab4','#41b6c4','#225ea8']
>>> vba_choropleth(y, x, gdf, cmap=color_list,
...                rgb_mapclassify=dict(classifier='quantiles', k=3), 
...                alpha_mapclassify=dict(classifier='quantiles'))
>>> plt.show()

添加图例并使用发散的alpha值

>>> fig = plt.figure(figsize=(15,10))
>>> ax = fig.add_subplot(111)
>>> vba_choropleth(x, y, gdf, divergent=True,
...                alpha_mapclassify=dict(classifier='quantiles', k=5),
...                rgb_mapclassify=dict(classifier='quantiles', k=5),
...                legend=True, ax=ax)
>>> plt.show()

（ Source code ）