matplotlib+cartopy+geopandas，實現(xiàn)專業(yè)地圖可視化

知乎上有人問如何實現(xiàn)精細化地圖？現(xiàn)有的excel、tableau、powerbi都只能套用有限的模板，是否有工具能實現(xiàn)高度定制化？

除了專業(yè)的Gis軟件外，我能想到相對完美的就是使用Python來實現(xiàn)。

如果想制作出版級的地圖可視化圖表，且處理大數(shù)據(jù)集，推薦使用matplotlib+cartopy+geopandas的組合，從GIS數(shù)據(jù)處理、到Geo、Map地圖繪制，到可視化圖片展示生成，它們都能完美解決。

matplotlib、cartopy、geopandas都是python的第三方工具庫，在可視化領(lǐng)域非常強大，下面一一介紹。

matplotlib是python圖表可視化的基礎(chǔ)庫，相信很多人都熟悉。它能創(chuàng)建靜態(tài)、動態(tài)、交互式圖表，支持自定義所有圖表元素，且對地圖制作非常友好。

cartopy是基于matplotlib接口的專業(yè)地理空間可視化庫，它利用PROJ、Numpy和Shapely庫，可以繪制出版級的地理圖表。

geopandas是在pandas數(shù)據(jù)類型上構(gòu)建出來的地理空間數(shù)據(jù)處理分析庫，能對shapefile、geojson數(shù)據(jù)進行處理、分析及可視化。

總的來講，matplotlib用于圖表設(shè)計、cartopy用于地圖展示、geopandas用于gis數(shù)據(jù)處理，搭配起來使用幾乎可以媲美專業(yè)的gis軟件。

而且它們可定制性極強，你幾乎自行可以設(shè)計所有的地圖細節(jié)，這是tableau，finereport，excel所無法實現(xiàn)的。

因為是基于python生態(tài)的地圖工具，處理大數(shù)據(jù)集不在話下，哪怕GB、TB級別的數(shù)據(jù)，也可以通過合適的數(shù)據(jù)處理手段來生成地圖。

cartopy繪圖

用 Cartopy 畫地圖的基本流程并不復雜：

1. 創(chuàng)建畫布。
2. 通過指定 projection 參數(shù)，創(chuàng)建 GeoAxes 對象。
3. 調(diào)用 GeoAxes 的方法畫圖。

比如繪制海岸線：

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()

繪制地圖：

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繪圖

geopandas主要用來處理地理空間數(shù)據(jù)，也可以通過matplotlib接口來展示地圖。

當然它也是依賴shapely、fiona、pyproj等眾多地理空間庫來進行數(shù)據(jù)分析、處理的，數(shù)據(jù)形態(tài)類似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)

你還可以通過folium讀取地圖進行可視化。

小結(jié)

matplotlib+cartopy+geopandas的組合非常強大，能解決地理空間大部分的可視化需求。

我想python處理地理空間數(shù)據(jù)也是現(xiàn)在的趨勢，學會將有很大幫助。