Basemap绘制地图

文章转自：http://blog.csdn.net/ouening/article/details/55227364

使用folium实现中国地图绘制，文章链接：

python/folium绘制中国人口数量热力图(HeatMap)

今天发现另一个软件库folium可以实现对openstreetmap的调用，参考链接http://blog.csdn.net/qq_14906811/article/details/74906275 ，下面是操作步骤：

下载2015Cities-CHINA.xlsx ，包含中国各城市的经纬度，人口数量，GDP，自己网上搜索整理，数据可能过时了，和维基百科查到的数据不太对，但是拿来写个小程序还是足够的）
安装folium

pip3 install folium

代码实现

# -*- coding: utf-8 -*-
"""
Created on Sat Dec 23 20:19:47 2017@author: 周文青
"""import numpy as np
import pandas as pd
import seaborn as sns
import folium
import webbrowser
from folium.plugins import HeatMap
# posi=pd.read_csv("D:\\Files\\datasets\\CitiesLatLon_China.csv")posi=pd.read_excel("2015Cities-CHINA.xlsx")num = 10lat = np.array(posi["lat"][0:num])                        # 获取维度之维度值
lon = np.array(posi["lon"][0:num])                        # 获取经度值
pop = np.array(posi["pop"][0:num],dtype=float)    # 获取人口数，转化为numpy浮点型
gdp = np.array(posi["GDP"][0:num],dtype=float)    # 获取人口数，转化为numpy浮点型data1 = [[lat[i],lon[i],pop[i]] for i in range(num)]    #将数据制作成[lats,lons,weights]的形式map_osm = folium.Map(location=[35,110],zoom_start=5)    #绘制Map，开始缩放程度是5倍
HeatMap(data1).add_to(map_osm)  # 将热力图添加到前面建立的map里file_path = r"D:\Files\python\地图\人口.html"
map_osm.save(file_path)     # 保存为html文件webbrowser.open(file_path)  # 默认浏览器打开

结果：

这篇博文主要实现用Pyhon,Matplotlib/Basemap绘制中国地图，主要是各省份行政图（轮廓图），地形图和人口分布图，其中人口分布可以嵌入到上述图形中。

参考链接：
（1）https://www.zhihu.com/question/49669755
（2）http://basemaptutorial.readthedocs.io/en/latest/backgrounds.html#fillcontinents

1、数据准备：
（1）到http://www.gadm.org/download 下载中国shapefile格式的资料，有读者反应进去不了该网站，可以在我的github下下载https://github.com/ouening/python-code/tree/master/resources下载后的文件名为CHN_adm_shp.zip ，解压后如图：

主要用到的文件是CHN_adm1.shp，另外CHM_adm1.csv 可以用notepad打开查看一下文件内容

（2）2015Cities-CHINA.xlsx ，包含中国各城市的经纬度，自己网上搜索整理，数据可能过时了，和维基百科查到的数据不太对，但是拿来写个小程序还是足够的）
xlsx可以用excel打开查看一下：

在python中可以导入pandas模块，使用read_excel() 函数方便读取文件

basemap绘图常用函数：

basemap地图背景设置函数：

更多详细的函数介绍请参考

http://matplotlib.org/basemap/users/geography.html

程序1，各省份轮廓图

import timestart = time.clock()from mpl_toolkits.basemap import Basemap
import matplotlib.pyplot as plt
from matplotlib.patches import Polygon
fig = plt.figure()
ax1 = fig.add_axes([0.1,0.1,0.8,0.8])map = Basemap(llcrnrlon=80.33, llcrnrlat=3.01, urcrnrlon=138.16, urcrnrlat=56.123,resolution='h', projection='cass', lat_0 = 42.5,lon_0=120,ax=ax1)shp_info = map.readshapefile("D:\\GoogleDownload\\CHN_adm_shp\\CHN_adm1",'states',drawbounds=True) # CHN_adm1的数据是中国各省区域for info, shp in zip(map.states_info, map.states):proid = info['NAME_1']  # 可以用notepad打开CHN_adm1.csv文件，可以知道'NAME_1'代表各省的名称if proid == 'Guangdong':poly = Polygon(shp,facecolor='g',edgecolor='c', lw=3) # 绘制广东省区域ax1.add_patch(poly)map.shadedrelief() # 绘制阴暗的浮雕图map.drawcoastlines()
end=time.clock()
print(end-start)
plt.show()

程序2，地形图

import timestart = time.clock()
from mpl_toolkits.basemap import Basemap
import matplotlib.pyplot as plt
from matplotlib.patches import Polygon
import pandas as pd
import numpy as np
posi=pd.read_excel("D:\\Files\\datasets\\2015Cities-CHINA.xlsx") #读取中国城市数据
lat = np.array(posi["lat"][0:120])                        # 获取维度之维度值
lon = np.array(posi["lon"][0:120])                        # 获取经度值
pop = np.array(posi["pop"][0:120],dtype=float)
size=(pop/np.max(pop))*100  map = Basemap(llcrnrlon=80.33,
              llcrnrlat=3.01,
              urcrnrlon=138.16,
              urcrnrlat=56.123,
             resolution='h', projection='cass', lat_0 = 42.5,lon_0=120)map.readshapefile("D:\\GoogleDownload\\CHN_adm_shp\\CHN_adm1",'states',drawbounds=True)map.etopo() # 绘制地形图，浮雕样式map.drawcoastlines()x,y = map(lon[2],lat[2]) # 北京市坐标，经纬度坐标转换为该map的坐标a,b = map(lon,lat)# map.scatter(a,b,s=size) # 取消注释此行即可获得中国各地区人口分布示意图map.scatter(x,y,s=200,marker='*',facecolors='r',edgecolors='r') # 绘制首都end=time.clock()print(end-start)plt.show()

程序3，人口分布图


import urllib
import numpy as np
import matplotlib
matplotlib.rcParams['toolbar'] = 'None'
import matplotlib.pyplot as plt
from mpl_toolkits.basemap import Basemap
from  matplotlib.animation import FuncAnimation
import pandas as pd
import seaborn as sns# posi=pd.read_csv("D:\\Files\\datasets\\CitiesLatLon_China.csv")posi=pd.read_excel("D:\\Files\\datasets\\2015Cities-CHINA.xlsx")lat = np.array(posi["lat"][0:120])                        # 获取维度之维度值
lon = np.array(posi["lon"][0:120])                        # 获取经度值
pop = np.array(posi["pop"][0:120],dtype=float)    # 获取人口数，转化为numpy浮点型
gdp = np.array(posi["GDP"][0:120],dtype=float)    # 获取人口数，转化为numpy浮点型size=(pop/np.max(pop))*100    # 绘制散点图时图形的大小，如果之前pop不转换为浮点型会没有大小不一的效果# size=(gdp/np.max(gdp))*100    # 绘制散点图时图形的大小，如果之前pop不转换为浮点型会没有大小不一的效果map = Basemap(projection='stere',
              lat_0=35, lon_0=110,
              llcrnrlon=82.33,
              llcrnrlat=3.01,
              urcrnrlon=138.16,
              urcrnrlat=53.123,resolution='l',area_thresh=10000,rsphere=6371200.)map.drawcoastlines()
map.drawcountries()
map.drawcounties()
map.readshapefile("D:\\GoogleDownload\\CHN_adm_shp\\CHN_adm1",'states',drawbounds=True)
map.drawmapboundary()parallels = np.arange(0.,90,10.)
map.drawparallels(parallels,labels=[1,0,0,0],fontsize=10) # 绘制纬线meridians = np.arange(80.,140.,10.)
map.drawmeridians(meridians,labels=[0,0,0,1],fontsize=10) # 绘制经线x,y = map(lon,lat)# map.scatter(x,y,edgecolors='r',facecolors='r',marker='*',s=320)map.scatter(x,y,s=size)plt.title("Population Distribution in China")
plt.show()