分享 11 款 Python 地理数据可视化工具

您所在的位置：网站首页 › python地理绘图 › 分享 11 款 Python 地理数据可视化工具

分享 11 款 Python 地理数据可视化工具

2023-02-22 20:45| 来源: 网络整理| 查看: 265

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/