本期我们试着使用Python-geopandas包绘制空间地图，主要的知识点如下：geopandas 绘制中国地图

matplotlib add_axes()添加南海小地图

绘图文件分享

geopandas 读取中国地图文件

geopandas提供了非常方便的read_file()方法用于读取geojson文件，我们直接进行默认投影(WGS84)的绘制，代码如下：file = r"中国省级地图GS(2019)1719号.geojson"

nine = r"九段线GS(2019)1719号.geojson"

china_main = gpd.read_file(file)

china_nine = gpd.read_file(nine)

fig, ax = plt.subplots(figsize=(12, 8),dpi=80)

ax = china_main.plot(ax=ax)

ax = china_nine.plot(ax=ax)

可视化结果如下：

我们进行投影转换(epsg=2343)和进行一些简单的设置，代码如下：fig, ax = plt.subplots(figsize=(12, 8),dpi=80)

ax = china_main.geometry.to_crs(epsg=2343).plot(fc="white",ec="black",ax=ax)

ax = china_nine.geometry.to_crs(epsg=2343).plot(ec="black",ax=ax)

这里注意to_crs(epsg=2343) 就可以进行投影转换了。

绘图数据操作

接下来，我们将我们要绘制的数据读取、转换并绘制在地图上，数据预览如下：

我们使用如下代码将其转换成具有地理信息的geopandas 格式数据：scattergdf = gpd.GeoDataFrame(

scatter, geometry=gpd.points_from_xy(scatter.lon, scatter.lat),

crs="EPSG:4326")

scattergdf.head()

结果如下：

接下来再将其转换成 epsg=2343 投影下的数据：scattergdf_2343 = scattergdf.to_crs(epsg=2343, inplace=True)

以上就完成的数据的处理操作了

地图可视化绘制

直接给出绘图代码，然后再进行解释。主要代码如下：fig, ax = plt.subplots(figsize=(8,5),dpi=200,)

plt.rcParams['font.family'] = ['Times New Roman']

ax = china_main.geometry.to_crs(epsg=2343).plot(fc="white",ec="black",linewidth=.8,ax=ax)

ax = china_nine.geometry.to_crs(epsg=2343).plot(color="gray",linewidth=.9,ax=ax)

for loc, size,class_name in zip(scattergdf_2343.geometry.representative_point(),\

scattergdf_2343["data"],scattergdf_2343["class"]):

ax.scatter(loc.x,loc.y,s=10*size,fc=class_color[class_name],ec="black",lw=.5,zorder=2)

#添加刻度线

for spine in ['top','left',"bottom","right"]:

ax.spines[spine].set_color("none")

ax.set_xlim(china_nine_2343.geometry[0].x-500000, china_nine_2343.geometry[1].x)

ax.set_ylim(china_nine_2343.geometry[0].y, china_nine_2343.geometry[1].y)

ax.set_xticks([])

ax.set_yticks([])

#单独绘制图例散点

ax.scatter([], [], c='#E21C21', s=30,  label='cluster1',ec="black",lw=.5)

ax.scatter([], [], c='#3A7CB5', s=30,  label='cluster2',ec="black",lw=.5)

ax.scatter([], [], c='#51AE4F', s=30,  label='cluster3',ec="black",lw=.5)

ax.scatter([], [], c='white', s=1*10,label='1', edgecolor='black',lw=.5)

ax.scatter([], [], c='white', s=2*10,label='2', edgecolor='black',lw=.5)

ax.scatter([], [], c='white', s=3*10,label='3', edgecolor='black',lw=.5)

ax.scatter([], [], c='white', s=4*10,label='4', edgecolor='black',lw=.5)

ax.scatter([], [], c='white', s=5*10,label='5', edgecolor='black',lw=.5)

ax.legend(frameon=False,ncol=8,loc="upper center",

fontsize=9,columnspacing=.2)

ax.text(.91,-0.02,'\nVisualization by DataCharm',transform = ax.transAxes,

ha='center', va='center',fontsize = 6,color='black')

#添加南海小地图

ax_child = fig.add_axes([0.688, 0.125, 0.2, 0.2])

ax_child = china_main.geometry.to_crs(epsg=2343).plot(ax=ax_child,

fc="white",

ec="black",)

ax_child = china_nine.geometry.to_crs(epsg=2343).plot(ax=ax_child,

color="gray",

linewidth=.9,

)

for loc, size,class_name in zip(scattergdf_2343.geometry.representative_point(),\

scattergdf_2343["data"],scattergdf_2343["class"]):

ax_child.scatter(loc.x,loc.y,s=10*size,fc=class_color[class_name],ec="black",lw=.5,zorder=2)

ax_child.set_xlim(china_nine_2343.geometry[2].x, china_nine_2343.geometry[3].x)

ax_child.set_ylim(china_nine_2343.geometry[2].y, china_nine_2343.geometry[3].y)

# 移除子图坐标轴刻度，

ax_child.set_xticks([])

ax_child.set_yticks([])add_axes() 添加南海小地图#添加南海小地图

ax_child = fig.add_axes([0.688, 0.125, 0.2, 0.2])

ax_child = china_main.geometry.to_crs(epsg=2343).plot(ax=ax_child,

fc="white",

ec="black",)

ax_child = china_nine.geometry.to_crs(epsg=2343).plot(ax=ax_child,

color="gray",

linewidth=.9,

)

for loc, size,class_name in zip(scattergdf_2343.geometry.representative_point(),\

scattergdf_2343["data"],scattergdf_2343["class"]):

ax_child.scatter(loc.x,loc.y,s=10*size,fc=class_color[class_name],ec="black",lw=.5,zorder=2)

ax_child.set_xlim(china_nine_2343.geometry[2].x, china_nine_2343.geometry[3].x)

ax_child.set_ylim(china_nine_2343.geometry[2].y, china_nine_2343.geometry[3].y)

# 移除子图坐标轴刻度，

ax_child.set_xticks([])

ax_child.set_yticks([])

可以发现，除了显示范围的不同外，其他的和绘制主题部分的代码一致。单独添加图例#单独绘制图例散点

ax.scatter([], [], c='#E21C21', s=30,  label='cluster1',ec="black",lw=.5)

ax.scatter([], [], c='#3A7CB5', s=30,  label='cluster2',ec="black",lw=.5)

ax.scatter([], [], c='#51AE4F', s=30,  label='cluster3',ec="black",lw=.5)

ax.scatter([], [], c='white', s=1*10,label='1', edgecolor='black',lw=.5)

ax.scatter([], [], c='white', s=2*10,label='2', edgecolor='black',lw=.5)

ax.scatter([], [], c='white', s=3*10,label='3', edgecolor='black',lw=.5)

ax.scatter([], [], c='white', s=4*10,label='4', edgecolor='black',lw=.5)

ax.scatter([], [], c='white', s=5*10,label='5', edgecolor='black',lw=.5)

ax.legend(frameon=False,ncol=8,loc="upper center",

fontsize=9,columnspacing=.2)

这部分还是为了更好的定制化图例，希望大家可以掌握。

最终，我们的可视化效果如下：

数据文件

下载链接：https://pan.baidu.com/s/1-J1OzIGWaDcBPRKFovWP7Q 提取码：1hfz

注：该数据只限于练习交流，请勿用于科研、出版使用。

总结

本期推文使用了Python-geopandas进行了中国地图的绘制,讲解了数据标记，投影转换等内容。但需指出的是：geopandas 的安装较为麻烦，建议使用 conda install --channel conda-forge geopandas 进行安装。

Python 绘制空间可视化还是存在部分问题(无法较容易的添加如比例尺、指北针等空间绘图元素)，也在进一步完善过程中。

数据文件

下载链接：https://pan.baidu.com/s/1-J1OzIGWaDcBPRKFovWP7Q 提取码：1hfz