geojson地图_Geojson地图pandas数据帧

geojson数据结构
geojson作图方法
geojson与pandas

https://blog.exploratory.io/visualizing-geospatial-data-with-your-own-geojson-f96dde0f6296blog.exploratory.io

数据结构

GeoJSON是用于表示地理对象的格式。它与常规JSON不同，因为它支持几何类型，例如：Point，LineString，Polygon，MultiPoint，MultiLineString，MultiPolygon和GeometryCollection。

使用GeoJSON，使可视化瞬间变得更加容易，您将在后面的部分中看到。这主要是因为GeoJSON允许我们将集合的几何数据类型存储在一个中央结构中。

GeoPandas是一个Python模块，用于通过扩展Python模块Pandas使用的数据类型来简化在python中的地理空间数据，以允许对几何类型进行空间操作。如果你不熟悉Pandas，请查看其教程。

GeoJSON 是用于描述地理空间信息的数据格式。GeoJSON 不是一种新的格式，其语法规范是符合 JSON 格式的，只不过对其名称进行了规范，专门用于表示地理信息。

GeoJSON 的最外层是一个单独的对象（object）。这个对象可表示：

几何体（Geometry）。
特征（Feature）。
特征集合（FeatureCollection）。
最外层的 GeoJSON 里可能包含有很多子对象，每一个 GeoJSON 对象都有一个 type 属性，表示对象的类型，type 的值必须是下面之一。

Point：点。
MultiPoint：多点。
LineString：线。
MultiLineString：多线。
Polygon：面。
MultiPolygon：多面。
GeometryCollection：几何体集合。
Feature：特征。
FeatureCollection：特征集合。

通常，GeoPandas缩写为gpd，用于将GeoJSON数据读入DataFrame。下面你可以看到我们打印出了五行GeoJSON DataFrame：

{"type": "FeatureCollection","features": [/*表示地图上一个点*/{"type": "Feature","properties": {},"geometry": {"type": "Point","coordinates": [117.24609374999999,36.65079252503471]}},/*表示地图上一条线段*/{"type": "Feature","properties": {},"geometry": {"type": "LineString","coordinates": [[117.24599450826645,36.65120999361623],[117.24690914154054,36.65124657580678],[117.24694132804869,36.65100341150826],[117.24670529365538,36.650695689215624],[117.24620908498764,36.65059024562966]]}},/*表示地图上一个多边形(三角形,正方形,长方形....等等)*/{"type": "Feature","properties": {},"geometry": {"type": "Polygon","coordinates": [[[117.15253829956055,36.67089730689858],[117.14584350585938,36.658917692387114],[117.16318130493163,36.64721167063527],[117.17554092407227,36.65313376288551],[117.18034744262694,36.66773046368491],[117.17348098754883,36.677643625245274],[117.15322494506836,36.692786266889456],[117.13193893432617,36.68397636535661],[117.15047836303711,36.68012171607383],[117.15253829956055,36.67089730689858]]]}}]}

由以上格式可以发现，每一个对象都有一个成员变量 coordinates。如果 type 的值为 Point、MultiPoint、LineString、MultiLineString、Polygon、MultiPolygon 之一，则该对象必须有变量 coordinates。

如果 type 的值为 Feature（特征），那么此特征对象必须包含有变量 geometry，表示几何体，geometry 的值必须是几何体对象。此特征对象还包含有一个 properties，表示特性，properties 的值可以是任意 JSON 对象或 null。例如：

{
"type": "Feature",
"properties": {
"name": "北京"
},
"geometry": {
"type": "Point",
"coordinates": [ 116.3671875, 39.977120098439634]
}

如果 type 的值为 GeometryCollection（几何体集合），那么该对象必须有变量 geometries，其值是一个数组，数组的每一项都是一个 GeoJSON 的几何对象。如果 type 的值为 FeatureCollection（特征集合），则该对象必须有一个名称为 features 的成员。features 的值是一个数组，数组的每一项都是一个特征对象。

Geopandas操作Geojson

!pip3 install geopandas

!pip3 install geojsonio

# 定位到.geojson文件
import os
print(os.getcwd())
os.chdir("/content/drive/My Drive/Colab Notebooks")
os.chdir("/content/drive/My Drive/Colab Notebooks/EBOV/Data")
print(os.getcwd())

import geopandas as gpd
states = gpd.read_file('location_data_v3.geojson')
print(states.head())
print(states[0:])
print(states.shape)

绘制geojson地图

方法一：软件

方法二：geopandas

关于我们将要使用的库，GeoPandas允许读取和处理地理空间数据，而Matplotlib可以绘制数据。GeoPandas依赖于与python-gdal包装器相同的基本原理，但是它不是读取地理空间图像并返回NumPy数组，而是返回Pandas Series和DataFrames，这通过提供对Pandas API函数的访问使处理这种类型的数据更加容易。

我们首先需要导入geopandas和matplotlib：

pip install pysal==1.13.0

import geopandas as gpd
import matplotlib.pyplot as plt
%matplotlib inline
plt.rcParams['figure.figsize'] = (20, 10)# load our two GeoJSON files
df_places = gpd.read_file('places.geojson')
df_admin = gpd.read_file('admin.geojson')# 对于城市的边界多边形，无需任何处理即可直接绘制出来ax = df_admin.plot(color='green')# 请注意，我们保留了由图返回的变量的副本，因为我们打算在接下来的步骤中用城镇名称注释生成的多边形。
# 我们将遍历DataFrame位置中的所有条目，并绘制（ax.annotate（…））“ geometry”列设置的地理位
# 置处的城镇名称。为简单起见，我们将自己限制在人口超过10,000的城镇标签上：
for idx, row in df_places.iterrows():if row['population'] > 10000:coordinates = row['geometry'].coords.xyx, y = coordinates[0][0], coordinates[1][0]ax.annotate(row['name'], xy=(x, y), xytext=(x, y))# 我们通过在多边形上绘制城镇位置（下面用红色/白色小圆圈表示）。提供给plot（）方法的参数值'OrRd'
# 是matplotlib 颜色图的名称，它基本上是从白色（较低值）到红色（较高值）的渐变。决定我们绘制点的
# 红色饱和度的列是填充列。给出最满意结果的choropleth分类方案是分位数方案。请注意，使用此方案需要
# PySAL（pip install pysal）df_places.plot(ax=ax, column='population', cmap='OrRd')

参考：

https://medium.com/@h4k1m0u/plot-a-geojson-map-using-geopandas-be89e7a0b93bmedium.comhttps://medium.com/@maptastik/remote-geojson-to-geodataframe-19c3c1282a64medium.comGEOJSON标准格式学习www.jianshu.com