Python 自動化實(shí)現(xiàn)地圖可視化Python生態(tài)系統(tǒng)中有多個專門用于地圖可視化的庫每個庫都有其獨(dú)特的特點(diǎn)和適用場景。以下是幾個最常用的庫及其核心功能pyecharts基于百度ECharts的Python接口支持高度可定制的交互式地圖特別適合中國地區(qū)的可視化需求。它能夠生成包含省、市、縣多級行政區(qū)劃的精細(xì)地圖并支持熱力圖、散點(diǎn)圖、遷徙圖等多種可視化形式。folium基于Leaflet.js構(gòu)建可以創(chuàng)建交互式網(wǎng)頁地圖支持標(biāo)記點(diǎn)、熱力圖、路徑繪制等功能。folium的優(yōu)勢在于其簡潔的API和豐富的插件系統(tǒng)能夠輕松實(shí)現(xiàn)復(fù)雜的地圖效果。geopandas結(jié)合了pandas的數(shù)據(jù)處理能力和地理空間分析功能特別適合處理Shapefile等地理空間數(shù)據(jù)格式。它可以與matplotlib無縫集成創(chuàng)建靜態(tài)但高度專業(yè)的地圖。Cartopy專注于地圖投影和地理空間數(shù)據(jù)可視化的庫適合科學(xué)計算和氣象領(lǐng)域的需求。它支持多種地圖投影方式并能與matplotlib深度集成。Basemap已逐漸被Cartopy取代Matplotlib的擴(kuò)展用于繪制二維地圖支持多種投影和地理特征繪制。在實(shí)際應(yīng)用中我們可以根據(jù)需求選擇合適的庫或組合使用多個庫。例如pyecharts適合快速創(chuàng)建交互式業(yè)務(wù)報表folium適合構(gòu)建網(wǎng)頁集成的地圖應(yīng)用而geopandas和Cartopy則更適合科學(xué)研究和專業(yè)地理分析。1、 環(huán)境準(zhǔn)備與安裝要使用pyecharts進(jìn)行地圖可視化首先需要安裝必要的庫pip install pyecharts pip install echarts-countries-pypkg # 世界地圖 pip install echarts-china-provinces-pypkg # 中國省級地圖 pip install echarts-china-cities-pypkg # 中國市級地圖 pip install echarts-china-counties-pypkg # 中國區(qū)縣級地圖 pip install echarts-china-misc-pypkg # 中國區(qū)域地圖 pip install folium2、 pyecharts是目前Python生態(tài)中最流行的地圖可視化工具之一內(nèi)置了中國各級行政區(qū)劃地圖無需額外配置即可使用。提供三種主要的地圖類型Map行政區(qū)域地圖、Geo地理坐標(biāo)地圖和Bmap百度地圖。首先來看最基本的Map類型的使用。2.1 基礎(chǔ)地圖繪制假設(shè)有一份中國各省市人口數(shù)據(jù)文件population_2023.xlsx可以使用以下代碼創(chuàng)建可視化地圖import pandas as pd from pyecharts.charts import Map from pyecharts import options as opts # 讀取數(shù)據(jù) data pd.read_excel(population_2023.xlsx) province list(data[省份]) population list(data[人口(萬人)]) data_pair [list(z) for z in zip(province, population)] # 創(chuàng)建地圖 map_chart ( Map(init_optsopts.InitOpts(width1000px, height600px)) .add(Population, data_pair, china) .set_global_opts( title_optsopts.TitleOpts(title2023年各省人口分布圖 單位:萬人), visualmap_optsopts.VisualMapOpts(max_110000, is_piecewiseTrue) ) ) map_chart.render(china_population_map.html)這段代碼會生成一個交互式的中國地圖各省份根據(jù)population大小顯示不同顏色顏色深淺表示數(shù)值大小。2.2 高級定制與主題切換pyecharts提供了豐富的定制選項可以調(diào)整地圖的視覺效果以滿足不同需求。分段型視覺映射將連續(xù)的數(shù)據(jù)分成幾個區(qū)間每個區(qū)間顯示不同顏色。visualmap_optsopts.VisualMapOpts( min_1000, max_110000, range_text[人口(萬人)顏色區(qū)間:, ], is_piecewiseTrue, # 分段顯示 pos_topmiddle, pos_leftleft, orientvertical, split_number10 # 分成10個區(qū)間 )主題切換pyecharts內(nèi)置了十余種主題可以輕松改變地圖的整體風(fēng)格。from pyecharts.globals import ThemeType map_chart Map(init_optsopts.InitOpts( width1000px, height600px, themeThemeType.DARK # 使用暗黑主題 ))pyecharts支持的主題包括WHITE默認(rèn)、LIGHT、DARK、CHALK、ESSOS、INFOGRAPHIC、MACARONS、PURPLE_PASSION、ROMA、ROMANTIC、SHINE、VINTAGE、WALDEN等。2.3 Geo地圖與漣漪圖效果除了常規(guī)的行政區(qū)域地圖pyecharts還提供Geo類型可以基于經(jīng)緯度坐標(biāo)繪制地理要素并實(shí)現(xiàn)特殊的視覺效果如漣漪圖。from pyecharts.charts import Geo from pyecharts.globals import ChartType geo_chart ( Geo(init_optsopts.InitOpts(width1000px, height600px)) .add_schema(maptypechina) .add( GDP, data_pair, type_ChartType.EFFECT_SCATTER, # 漣漪圖效果 symbol_size10, large_threshold110000, ) .set_series_opts(label_optsopts.LabelOpts(is_showFalse)) .set_global_opts( visualmap_optsopts.VisualMapOpts(max_110000), title_optsopts.TitleOpts(title2019年各省GDP漣漪圖) ) ) geo_chart.render(geo_gdp_map.html)漣漪圖效果會在地圖上的數(shù)據(jù)點(diǎn)位置產(chǎn)生波紋狀的動畫效果非常適合突出顯示特定位置。2.4 百度地圖集成pyecharts還支持與百度地圖的集成Bmap這需要先到百度地圖開放平臺申請AK訪問密鑰。from pyecharts.charts import BMap bmap ( BMap(init_optsopts.InitOpts(width1000px, height600px)) .add_schema( baidu_akYOUR_BAIDU_MAP_AK, # 替換為你的百度地圖AK center[120.13066322374, 30.240018034923], # 地圖中心點(diǎn) zoom5 # 縮放級別 ) .add( GDP, data_pair, type_heatmap, # 熱力圖類型 label_optsopts.LabelOpts(formatter) ) .set_global_opts( title_optsopts.TitleOpts(title2019年各省GDP熱力圖), visualmap_optsopts.VisualMapOpts(max_110000) ) ) bmap.render(bmap_gdp_heatmap.html)百度地圖集成提供了真實(shí)的地理底圖適合需要精確定位或與真實(shí)地理要素結(jié)合的場合。3. folium是一個基于Leaflet.js的Python庫可以創(chuàng)建高度交互式的網(wǎng)頁地圖支持標(biāo)記、熱力圖、路徑繪制等多種功能。3.1 基礎(chǔ)地圖創(chuàng)建Folium創(chuàng)建地圖非常簡單只需幾行代碼import folium # 創(chuàng)建地圖對象設(shè)置中心點(diǎn)和縮放級別 m folium.Map(location[39.9042, 116.4074], zoom_start12) # 北京坐標(biāo) # 保存為HTML文件 m.save(my_map.html)這段代碼會創(chuàng)建一個以北京為中心的地圖縮放級別為12適合查看城市級別的細(xì)節(jié)。3.2 添加標(biāo)記點(diǎn)地圖上的標(biāo)記點(diǎn)是最基本也是最常用的元素之一# 添加普通標(biāo)記 folium.Marker( location[39.9042, 116.4074], popup北京市, iconfolium.Icon(colorred, iconinfo-sign) ).add_to(m) # 添加圓形標(biāo)記 folium.Circle( location[39.9163, 116.3903], radius500, # 單位是米 colorblue, fillTrue, fill_opacity0.6, popup故宮博物院 ).add_to(m) m.save(map_with_markers.html)popup參數(shù)設(shè)置了點(diǎn)擊標(biāo)記時顯示的文本icon可以改變標(biāo)記的樣式和顏色。圓形標(biāo)記適合表示區(qū)域范圍。3.3 繪制線條與多邊形對于路線或區(qū)域的可視化可以使用線條和多邊形# 創(chuàng)建新地圖 m2 folium.Map(location[39.9042, 116.4074], zoom_start12) # 繪制線條如步行路線 route [ [39.9042, 116.4074], # 起點(diǎn) [39.9163, 116.3903], # 故宮 [39.9999, 116.3264] # 頤和園 ] folium.PolyLine( route, colorgreen, weight5, opacity0.8, tooltip北京一日游路線 ).add_to(m2) # 繪制多邊形如景區(qū)范圍 park_area [ [39.9999, 116.3264], [40.0050, 116.3300], [40.0080, 116.3200], [39.9999, 116.3264] # 最后一點(diǎn)要與第一點(diǎn)相同形成閉合 ] folium.Polygon( park_area, colororange, fillTrue, fill_coloryellow, fill_opacity0.4, popup頤和園區(qū)域 ).add_to(m2) m2.save(map_with_lines.html)注意繪制多邊形時最后一個點(diǎn)必須與第一個點(diǎn)相同才能形成閉合區(qū)域。3.4 熱力圖實(shí)現(xiàn)熱力圖非常適合展示數(shù)據(jù)的密集程度比如人口分布、犯罪熱點(diǎn)等from folium.plugins import HeatMap import numpy as np # 生成一些隨機(jī)數(shù)據(jù)點(diǎn)緯度經(jīng)度強(qiáng)度 data ( np.random.normal(size(100, 3)) * np.array([[0.1, 0.1, 1]]) np.array([[39.90, 116.40, 1]]) ).tolist() m3 folium.Map(location[39.9042, 116.4074], zoom_start12) HeatMap(data, radius15).add_to(m3) # radius控制熱力點(diǎn)的半徑大小 m3.save(heatmap.html)熱力圖的數(shù)據(jù)格式是[緯度, 經(jīng)度, 權(quán)重]權(quán)重表示熱點(diǎn)的強(qiáng)度值越大顏色越深。3.5 圖層控制與多底圖切換folium支持添加多個圖層并讓用戶自由切換m4 folium.Map(location[39.9042, 116.4074], zoom_start12) # 添加兩個不同的底圖圖層 folium.TileLayer(OpenStreetMap).add_to(m4) # 默認(rèn)街道圖 folium.TileLayer(Stamen Terrain).add_to(m4) # 地形圖 # 添加標(biāo)記 folium.Marker([39.9042, 116.4074], popup天安門).add_to(m4) folium.Marker([39.9163, 116.3903], popup故宮).add_to(m4) # 添加圖層控制 folium.LayerControl().add_to(m4) m4.save(map_with_layers.html)這樣用戶就可以在地圖右下角切換不同的底圖樣式了。3.6 標(biāo)記聚合(MarkerCluster)當(dāng)有大量標(biāo)記時使用標(biāo)記聚合可以提高性能from folium.plugins import MarkerCluster m folium.Map(location[39.9042, 116.4074]) # 創(chuàng)建MarkerCluster對象 marker_cluster MarkerCluster().add_to(m) # 添加多個標(biāo)記到MarkerCluster folium.Marker([39.9042, -74.0060], popup紐約市).add_to(marker_cluster) folium.Marker([40.730610, -73.935242], popup布魯克林).add_to(marker_cluster) folium.Marker([40.650002, -73.949997], popup皇后區(qū)).add_to(marker_cluster) m.save(cluster_map.html)當(dāng)?shù)貓D縮放時標(biāo)記會自動聚合提高可讀性和性能。3.7 結(jié)合Pandas進(jìn)行數(shù)據(jù)可視化folium可以很好地與Pandas配合實(shí)現(xiàn)基于數(shù)據(jù)的地圖可視化import pandas as pd # 假設(shè)我們有一個包含城市數(shù)據(jù)的DataFrame data { city: [北京, 上海, 廣州, 深圳], lat: [39.9042, 31.2304, 23.1291, 22.5431], lon: [116.4074, 121.4737, 113.2644, 114.0579], population: [2171, 2424, 1530, 1303] # 單位萬 } df pd.DataFrame(data) m5 folium.Map(location[35, 110], zoom_start5) # 為每個城市添加標(biāo)記大小與人口成正比 for _, row in df.iterrows(): folium.CircleMarker( location[row[lat], row[lon]], radiusrow[population]/300, # 按比例縮放 popupf{row[city]}人口{row[population]}萬, colorblue, fillTrue ).add_to(m5) m5.save(china_cities.html)這個例子展示了如何將數(shù)據(jù)分析與地圖可視化結(jié)合圓圈大小直觀反映了城市人口規(guī)模。3.8 在Web應(yīng)用中使用Folium地圖可以輕松嵌入到Flask等Web框架中from flask import Flask import folium app Flask(__name__) app.route(/) def show_map(): m folium.Map(location[39.9042, 116.4074]) # 地圖對象直接轉(zhuǎn)HTML return m._repr_html_() if __name__ __main__: app.run(debugTrue)在HTML模板中可以使用iframe嵌入地圖iframe stylewidth:100%; height:500px; src{{ url_for(show_map) }}/iframe4、geopandas與Cartopy專業(yè)地圖繪制對于需要更專業(yè)地理空間分析的應(yīng)用場景geopandas和Cartopy提供了更強(qiáng)大的功能。4.1 geopandas基礎(chǔ)應(yīng)用geopandas結(jié)合了pandas的數(shù)據(jù)處理能力和地理空間分析功能可以處理Shapefile等地理空間數(shù)據(jù)格式。安裝geopandaspip install geopandas使用geopandas讀取地理空間數(shù)據(jù)并繪制基礎(chǔ)地圖import geopandas as gpd # 讀取地理空間數(shù)據(jù)Shapefile格式 gdf gpd.read_file(path_to_shapefile.shp) # 創(chuàng)建基礎(chǔ)地圖 m folium.Map( location[gdf.geometry.y.mean(), gdf.geometry.x.mean()], zoom_start12 ) # 添加地理數(shù)據(jù) folium.GeoJson(gdf).add_to(m) # 保存地圖 m.save(geopandas_map.html)geopandas特別適合處理行政區(qū)劃邊界、土地利用類型等面狀地理數(shù)據(jù)。4.2 Cartopy地圖投影與專業(yè)可視化Cartopy是一個專注于地圖投影和地理空間數(shù)據(jù)可視化的庫特別適合科學(xué)計算和氣象領(lǐng)域的需求。安裝Cartopypip install cartopy使用Cartopy創(chuàng)建帶有專業(yè)投影的世界地圖import cartopy.crs as ccrs import matplotlib.pyplot as plt # 創(chuàng)建圖形和坐標(biāo)軸指定投影類型 fig plt.figure(figsize(10, 5)) ax fig.add_subplot(1, 1, 1, projectionccrs.PlateCarree()) # 添加海岸線和國家邊界 ax.add_feature(ccrs.cfeature.COASTLINE) ax.add_feature(ccrs.cfeature.BORDERS, linestyle:) # 添加底圖 ax.stock_img() plt.show()Cartopy支持多種地圖投影如PlateCarree等距圓柱投影、Mercator墨卡托投影、Orthographic正射投影等。4.3 結(jié)合Cartopy和matplotlib繪制專業(yè)地圖Cartopy與matplotlib深度集成可以創(chuàng)建高度定制化的專業(yè)地圖import cartopy.feature as cfeature # 創(chuàng)建圖形和坐標(biāo)軸使用蘭伯特投影 ax fig.add_subplot(1, 1, 1, projectionccrs.LambertConformal()) # 添加地理特征 ax.add_feature(cfeature.LAND) ax.add_feature(cfeature.OCEAN) ax.add_feature(cfeature.COASTLINE) ax.add_feature(cfeature.BORDERS, linestyle:) ax.add_feature(cfeature.LAKES, alpha0.5) ax.add_feature(cfeature.RIVERS) # 設(shè)置地圖范圍中國區(qū)域 ax.set_extent([70, 140, 15, 55], crsccrs.PlateCarree()) # 添加網(wǎng)格線 ax.gridlines() plt.title(專業(yè)地圖示例) plt.show()這種組合特別適合需要精確控制地圖要素和投影的科學(xué)可視化需求。實(shí)際應(yīng)用案例1. 城市景點(diǎn)分布可視化import pandas as pd import folium from folium import plugins # 讀取景點(diǎn)數(shù)據(jù) data pd.read_csv(poi_scenic_spot.csv, encodingutf-8) # 創(chuàng)建地圖 plotmap folium.Map(location[data[lat].mean(), data[lon].mean()], zoom_start12, control_scaleTrue) # 添加標(biāo)記聚合 marker_cluster plugins.MarkerCluster().add_to(plotmap) for index, row in data.iterrows(): folium.Marker( [row[lat], row[lon]], popuprow[name] ).add_to(marker_cluster) plotmap.save(scenic_spots.html)2. 車流量可視化import folium # 示例數(shù)據(jù)經(jīng)度, 緯度, 區(qū)域名稱, 車流量值 data [ [116.4, 39.9, 區(qū)域A, 50], [116.41, 39.91, 區(qū)域B, 30], [116.42, 39.92, 區(qū)域C, 70] ] m folium.Map(location[39.9, 116.4], zoom_start10) # 在地圖上添加散點(diǎn)圖圖層 for lon, lat, name, value in data: folium.CircleMarker( [lat, lon], radiusvalue * 2, # 散點(diǎn)大小與車流量成正比 popupf{name}: {value}, # 顯示懸浮框信息 fillTrue, fill_color#3186cc, fill_opacity0.5, colorgray, ).add_to(m) m.save(car_flow_map.html)3. 全國銷售數(shù)據(jù)可視化假設(shè)我們有一份全國各城市的銷售數(shù)據(jù)可以使用pyecharts創(chuàng)建交互式銷售分布圖from pyecharts.charts import Map from pyecharts import options as opts sales_data [ (北京, 356), (上海, 412), (廣州, 278), (深圳, 385), (成都, 192), (重慶, 156), (武漢, 231), (杭州, 298) ] map_chart ( Map() .add(銷售額, sales_data, china) .set_global_opts( title_optsopts.TitleOpts(title全國銷售分布圖), visualmap_optsopts.VisualMapOpts( max_500, is_piecewiseTrue, pieces[ {min: 300, label: 300-500, color: #c23531}, {min: 200, max: 300, label: 200-300, color: #dd6b66}, {min: 100, max: 200, label: 100-200, color: #f1c47b}, {max: 100, label: 0-100, color: #f8e0a1} ] ) ) ) map_chart.render(sales_map.html)4. 城市房價熱力圖使用folium創(chuàng)建城市房價熱力圖import folium from folium.plugins import HeatMap import pandas as pd import numpy as np # 生成模擬數(shù)據(jù) np.random.seed(42) lat 39.9042 np.random.normal(0, 0.1, 100) lon 116.4074 np.random.normal(0, 0.1, 100) price np.random.randint(30000, 150000, 100) data np.column_stack([lat, lon, price]) # 創(chuàng)建熱力圖 m folium.Map(location[39.9042, 116.4074], zoom_start12) HeatMap(data, radius15, gradient{0.4: blue, 0.6: lime, 1: red}).add_to(m) m.save(house_price_heatmap.html)5. 動態(tài)時間軸地圖pyecharts的時間軸功能可以展示數(shù)據(jù)隨時間的變化from pyecharts.charts import Timeline, Map from pyecharts import options as opts import random # 模擬不同年份的數(shù)據(jù) def generate_data(year): provinces [北京, 上海, 廣東, 江蘇, 浙江, 山東, 河南] return [(province, random.randint(50, 300)) for province in provinces] # 創(chuàng)建時間軸 timeline Timeline() # 為每個年份創(chuàng)建地圖 for year in range(2018, 2024): data generate_data(year) map_chart ( Map() .add(f{year}年銷售額, data, china) .set_global_opts( title_optsopts.TitleOpts(titlef{year}年全國銷售分布), visualmap_optsopts.VisualMapOpts(max_300) ) ) timeline.add(map_chart, f{year}年) # 配置時間軸播放選項 timeline.add_schema( play_interval1000, # 播放間隔1秒 is_auto_playTrue, # 自動播放 is_loop_playTrue # 循環(huán)播放 ) timeline.render(animated_sales_map.html)