来源：  张京 链接：

https://segmentfault.com/a/1190000010900212

在上一篇文章《用Python画一个中国地图》中，我们简单描述了一下如何用Python快速画出一个中国地图的轮廓，似乎没有什么实用价值，这一次我们用实际数据填充它，使它看上去更有意义。

上色

延续上一次的代码，我们这次还是只增加5行代码：

from matplotlib.patches import Polygon

ax = plt.gca()

for nshape, seg in enumerate(m.states):

poly = Polygon(seg, facecolor='r')

ax.add_patch(poly)

在展示结果之前，稍微解释一下。第2行plt.gca，函数名看上去很诡异，是因为Python里大量使用了缩写，这个gca就是Get Current Axes的缩写，实际上就是要获得当前图形的座标轴。然后我们开始一个循环，把图形文件中各个省的多边形取出来，给它一个颜色，在这里我们统一放上红色，也就是Red的缩写r，然后把这个多边形放在我们图形的座标轴上，然后就得到了下图：

糟糕，怎么能少了台湾呢？在此郑重声明：台湾是中华人民共和国不可分割的领土！加入台湾的Shape文件，然后循环一下：

m.readshapefile('TWN_adm_shp/TWN_adm0', 'taiwan', drawbounds=True)

for nshape, seg in enumerate(m.taiwan):

poly = Polygon(seg, facecolor='r')

ax.add_patch(poly)

好了，这下祖国山河一片红，看上去正确多了。

接下来，你还可以把各个省的名字打出来看一下，具体代码就不解释了：

for shapedict in m.states_info:

statename = shapedict['NL_NAME_1']

p = statename.split('|')

if len(p) > 1:

s = p[1]

else:

s = p[0]

print(s)

for shapedict in m.taiwan_info:

s = shapedict['NAME_CHINE']

print(s)

结果如下：

安徽北京重庆福建福建福建...

数据

接下来我们去国家统计局搞点数据(http://www.stats.gov.cn/tjsj/pcsj/rkpc/6rp/indexce.htm)，第六次全国人口普查数据可以直接下载Excel文件，略作修改，导出成csv文件，用我们上一课讲的方法，一句话读取进来：

df = pd.read_csv('chnpop.csv')

直接输出，大概是下面这个样子：

渲染

好了，数据也有了，我们终于要开始做一些激动人心的事情了。我们希望根据各省人口的多少用深浅不同的颜色为各个省份染色，那么首先第一步，我们需要选择一个调色板，也就是色彩映射表colormap，为此，matplotlib为你准备了数不胜数的选择，我们随便选择一款国旗色红黄色调的吧：

cmap = plt.cm.YlOrRd

然后我们把每个省的数据映射到colormap上：

colors[s] = cmap(np.sqrt((pop - vmin) / (vmax - vmin)))[:3]

最后，我们把各个省的颜色描在地图上：

color = rgb2hex(colors[statenames[nshape]])poly = Polygon(seg, facecolor=color, edgecolor=color)

哒哒，我们的全国人口数量热力图就完成了！可以看到河南、四川、广东、山东几个省的颜色比较深，说明这几个省的人口总数最多，而西藏颜色最浅，代表这里的人口总数最少。

这里只是简单地举了一个例子，你还可以把各省的人口总数除以面积，得到人口密度数据，你还可以把各省的经济总量画在图上，总之，有了这个入门的方法，一切就都简单了呢。

最后，附上完整的代码供大家参考。

import matplotlib.pyplot as plt

from mpl_toolkits.basemap import Basemap

from matplotlib.patches import Polygon

from matplotlib.colors import rgb2hex

plt.figure(figsize=(16,8))

m = Basemap(

llcrnrlon=77,

llcrnrlat=14,

urcrnrlon=140,

urcrnrlat=51,

projection='lcc',

lat_1=33,

lat_2=45,

lon_0=100

)

m.drawcountries(linewidth=1.5)

m.drawcoastlines()

m.readshapefile('CHN_adm_shp/CHN_adm1', 'states', drawbounds=True)

df = pd.read_csv('chnpop.csv')

df['省名'] = df.地区.str[:2]

df.set_index('省名', inplace=True)

statenames=[]

colors={}

cmap = plt.cm.YlOrRd

vmax = 100000000

vmin = 3000000

for shapedict in m.states_info:

statename = shapedict['NL_NAME_1']

p = statename.split('|')

if len(p) > 1:

s = p[1]

else:

s = p[0]

s = s[:2]

if s == '黑龍':

s = '黑龙'

statenames.append(s)

pop = df['人口数'][s]

colors[s] = cmap(np.sqrt((pop - vmin) / (vmax - vmin)))[:3]

ax = plt.gca()

for nshape, seg in enumerate(m.states):

color = rgb2hex(colors[statenames[nshape]])

poly = Polygon(seg, facecolor=color, edgecolor=color)

ax.add_patch(poly)

plt.show()

(完)

看完本文有收获？请转发分享给更多人

关注「Python那些事」，做全栈开发工程师