开发: C++知识库 Java知识库 JavaScript Python PHP知识库人工智能区块链大数据移动开发嵌入式开发工具数据结构与算法开发测试游戏开发网络协议系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑笔记本显卡显示器固态硬盘硬盘耳机手机 iphone vivo oppo 小米华为单反装机图拉丁

-> Python知识库 -> 【Python实用工具】速来！！一篇文章十分钟教你如何使用Python第三方库basemap进行地图绘制 -> 正文阅读

[Python知识库]【Python实用工具】速来！！一篇文章十分钟教你如何使用Python第三方库basemap进行地图绘制

basemap地图绘制

basemap地图绘制

basemap地图绘制

地图绘制也是数据可视化的一部分，常用的地图绘制库为basemap工具包，其为matplotlib的子包。本篇文章讲解如何利用whl文件在Python3环境下安装basemap；学会使用basemap绘制地图；学会缩放区域和绘制散点图；通过综合案例，巩固basemap的绘制地图方法和技巧。
涉及到的知识点有：

basemap安装：学会basemap的安装方法。
basemap使用：学会利用basemap绘制简单地图。
缩放区域与绘图：学会通过定位经纬度缩放区域与绘制散点图。
综合案例：通过综合案例，巩固basemap的绘制地图方法和技巧。

1 basemap的使用

basemap是一个强大的绘制地图工具包。本节将讲解如何安装和使用basemap，结合matplotlib，绘制地图。

1.1 basemap安装

在anaconda的python3环境中，通过conda命令安装basemap会导致失败，这里通过该网站（https://www.lfd.uci.edu/~gohlke/pythonlibs/）下载对应版本的Pyproj和basemap的whl文件，如图1和2所示。
在这里插入图片描述
图1 Pyproj下载

图2 basemap下载
在anaconda环境中，切换到这两个whl文件的路径下，按顺序通过pip依次安装Pyproj和basemap文件，代码如下，安装Pyproj，如图3所示，代表Pyproj安装成功。

h:
cd H:\python数据分析\数据
pip install pyproj-1.9.5.1-cp36-cp36m-win_amd64.whl

在这里插入图片描述
图3 Pyproj安装
以同样的方法安装basemap，代码如下，如图4所示，安装basemap。

h:
cd H:\python数据分析\数据
pip install basemap-1.1.0-cp36-cp36m-win_amd64.whl

在这里插入图片描述
图4 basemap安装
如图5所示，通过from mpl_toolkits.basemap import Basemap代码调用该库，发现程序可以运行，代表basemap库安装成功。

图5 安装成功

1.2 basemap使用

首先，导入需要的第三方库，通过basemap初始化一个地图对象，通过drawcoastlines绘制海岸线，代码如下。

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from mpl_toolkits.basemap import Basemap
%matplotlib inline

map1 = Basemap(projection='ortho', lat_0=90, lon_0=-105,
              resolution='l', area_thresh=1000.0)      #初始化地图对象
map1.drawcoastlines()      #绘制海岸线

projection参数是用于定义地图的投影方式；lat_0和lon_0是指定地图的中心坐标，这里的值为美国的中心坐标；resolution参数设置绘制边界的精度，l为低精度；area_thresh参数为阈值，低于该阈值的就不会被绘制。绘制地图如图6所示。
注意：更多参数详情可参考http://matplotlib.org/basemap/。
在这里插入图片描述
图6 基本地图
通过drawcountries方法绘制国家边界，代码如下，如图7所示。

map1 = Basemap(projection='ortho', lat_0=90, lon_0=-105,
              resolution='l', area_thresh=1000.0) 
map1.drawcoastlines()  #绘制海岸线
map1.drawcountries()   #绘制国家

在这里插入图片描述
图7 绘制国家
其他常见的绘制方法如下：

drawmapboundary()   #绘制边界
drawstates()          #绘制州
drawcounties()        #绘制县

通过fillcontinents方法为大陆填充颜色，代码如下，如图12.8所示。

map1 = Basemap(projection='ortho', lat_0=90, lon_0=-105,
              resolution='l', area_thresh=1000.0) 
map1.drawcoastlines()  #绘制海岸线
map1.drawcountries()   #绘制国家
map1.fillcontinents(color='blue',alpha=0.5)  #填充颜色

在这里插入图片描述
图8 填充大陆颜色
通过drawmeridians和drawparallels方法绘制经线和纬线，代码如下，如图9所示。

map1 = Basemap(projection='ortho', lat_0=90, lon_0=-105,
              resolution='l', area_thresh=1000.0) 
map1.drawcoastlines()  #绘制海岸线
map1.drawcountries()   #绘制国家
map1.drawmapboundary() #绘制边界
map1.fillcontinents(color='blue',alpha=0.5)  #填充颜色

map1.drawmeridians(np.arange(0, 360, 30))    #绘制经线
map1.drawparallels(np.arange(-90, 90, 30))   #绘制纬线

在这里插入图片描述
图9 绘制经度和纬度
更换projection参数，换为robin坐标，可将图绘制为平面坐标，代码如下，如图10所示。

map1 = Basemap(projection='robin', lat_0=90, lon_0=-105,
              resolution='l', area_thresh=1000.0) 
map1.drawcoastlines()  #绘制海岸线
map1.drawcountries()   #绘制国家
map1.drawmapboundary() #绘制边界
map1.fillcontinents(color='blue',alpha=0.5)  #填充颜色

map1.drawmeridians(np.arange(0, 360, 30))    #绘制经线
map1.drawparallels(np.arange(-90, 90, 30))   #绘制纬线

在这里插入图片描述
图10 平面坐标

1.3 缩放区域与绘图

在实际案例中，需对特定国家或地区进行绘制地图，这样就需要通过llcrnrlon、llcrnrlat、urcrnrlon和urcrnrlat指定左下角经纬度和右上角经纬度，代码如下，如图11所示。

map2 = Basemap(projection='stere', lat_0=90, lon_0=-105,
               llcrnrlon=-118.67, llcrnrlat=23.41,
               urcrnrlon=-64.5, urcrnrlat=45.44,
              resolution='l', area_thresh=1000.0) 
map2.drawcoastlines()  #绘制海岸线
map2.drawcountries()   #绘制国家
map2.drawmapboundary() #绘制边界
map2.drawstates()      #绘制州
map2.fillcontinents(color='blue',alpha=0.5)  #填充颜色

map2.drawmeridians(np.arange(0, 360, 30))    #绘制经线
map2.drawparallels(np.arange(-90, 90, 30))   #绘制纬线

在这里插入图片描述
图11 缩放区域
通过坐标定位，可以在地图上绘制图形，代码如下，如图12所示。

map2 = Basemap(projection='stere', lat_0=90, lon_0=-105,
               llcrnrlon=-118.67, llcrnrlat=23.41,
               urcrnrlon=-64.5, urcrnrlat=45.44,
              resolution='l', area_thresh=1000.0) 
map2.drawcoastlines()  #绘制海岸线
map2.drawcountries()   #绘制国家
map2.drawmapboundary() #绘制边界
map2.drawstates()      #绘制州

map2.drawmeridians(np.arange(0, 360, 30))    #绘制经线
map2.drawparallels(np.arange(-90, 90, 30))   #绘制纬线

lon = -74
lat = 40.43
x,y = map2(lon, lat)       #映射坐标
map2.plot(x, y, 'ro', markersize=8)  #绘制散点图

在这里插入图片描述
图12 绘制散点图
通过matplotlib库的text方法，为散点加入文本注释。

map2 = Basemap(projection='stere', lat_0=90, lon_0=-105,
               llcrnrlon=-118.67, llcrnrlat=23.41,
               urcrnrlon=-64.5, urcrnrlat=45.44,
              resolution='l', area_thresh=1000.0) 
map2.drawcoastlines()  #绘制海岸线
map2.drawcountries()   #绘制国家
map2.drawmapboundary() #绘制边界
map2.drawstates()      #绘制州

map2.drawmeridians(np.arange(0, 360, 30))    #绘制经线
map2.drawparallels(np.arange(-90, 90, 30))   #绘制纬线

lon = -74
lat = 40.43
x,y = map2(lon, lat)       #映射坐标
map2.plot(x, y, 'ro', markersize=8)  #绘制散点图
plt.text(x,y,'New York')   #文本注释

在这里插入图片描述
图13 文本注释

2 basemap综合示例

本节将讲解如何通过basemap绘制区域与全球地图，结合具体案例，讲解地图的绘制方法和技巧。

2.1 美国人口分布

通过该网站（https://github.com/plotly/datasets/blob/master/2014_us_cities.csv）下载2014年美国城市的人口数据，读取数据，如图14所示，数据总共有四个字段，城市名称、城市人口和经纬度坐标。
在这里插入图片描述
图14 美国人口数据
通过以下代码，绘制前180个城市的美国人口分布图，如图15所示。

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from mpl_toolkits.basemap import Basemap
%matplotlib inline

plt.style.use('ggplot')
plt.figure(figsize=(10,6))

map3 = Basemap(projection='stere', lat_0=90, lon_0=-105,
               llcrnrlon=-118.67, llcrnrlat=23.41,
               urcrnrlon=-64.5, urcrnrlat=45.44,
              resolution='l', area_thresh=1000.0) 
map3.drawcoastlines()  #绘制海岸线
map3.drawcountries()   #绘制国家
map3.drawmapboundary() #绘制边界
map3.drawstates()      #绘制州
map3.drawcounties()      # 绘制县

map3.drawmeridians(np.arange(0, 360, 30))    #绘制经线
map3.drawparallels(np.arange(-90, 90, 30))   #绘制纬线

lat = np.array(pop_data["lat"][0:180])                        # 获取维度之维度值
lon = np.array(pop_data["lon"][0:180])                        # 获取经度值
pop = np.array(pop_data["pop"][0:180],dtype=float)    # 获取人口数，转化为numpy浮点型
size = (pop/np.max(pop))*1000 # 计算每个点的大小

x,y = map3(lon,lat)
map3.scatter(x,y,s=size)

plt.title('Population distribution in America')     #加标题

代码分析：
（1）1~5行
导入程序需要的库。
（2）7~8行
设置图表的样式为ggplot，并设置图表的长宽比。
（3）10~21行
定义basemap对象，并绘制出美国的地图底图和经纬度。
（4）23~29
获取前180个数据，并绘制散点图。
在这里插入图片描述
图15 美国人口分布图
注意：人口如果不转化为numpy浮点型，散点图不会显示出大小不一。

2.2 全球地震可视化

通过美国地震局官网（https://earthquake.usgs.gov/earthquakes/feed/v1.0/csv.php）下载过去一周的地震数据，如图16所示。
在这里插入图片描述
图16 过去一周地震数据下载
读取数据，如图17所示，该数据有很多字段，但本次分析中用到的就是经纬度字段和mag字段（震级）。

图17 地震数据
对这三个字段查看缺失值，如图18所示，mag字段有1个缺失值。
在这里插入图片描述
图18 查看缺失值
通过过滤剔除到这个缺失值，如图19所示。

图19 过滤缺失值
通过以下代码，绘制地震分布图，如图20所示。

plt.style.use('ggplot')
plt.figure(figsize=(10,6))

map4 = Basemap(projection='robin', lat_0=39.9, lon_0=116.3,
              resolution = 'l', area_thresh = 1000.0) 

map4.drawcoastlines()         #绘制海岸线
map4.drawcountries()          #绘制国家
map4.drawmapboundary()      #绘制边界

map4.drawmeridians(np.arange(0, 360, 30))     #绘制经线
map4.drawparallels(np.arange(-90, 90, 30))      #绘制纬线

x,y = map4(list(eq_data['longitude']),list(eq_data['latitude']))
map4.plot(x, y, 'ro', markersize=6)       #绘制散点图

在这里插入图片描述
图20 全球地震分布图（1）
根据震级大小，绘制散点不一的地震分布图，如图21所示。

plt.style.use('ggplot')
plt.figure(figsize=(10,6))

map5 = Basemap(projection='robin', lat_0=39.9, lon_0=116.3,
               resolution = 'l', area_thresh = 1000.0) 

map5.drawcoastlines()
map5.drawcountries()
map5.drawmapboundary()

map5.drawmeridians(np.arange(0, 360, 30))
map5.drawparallels(np.arange(-90, 90, 30))

size = 2    #初始化大小
for lon, lat, mag in zip(list(eq_data['longitude']), list(eq_data['latitude']), list(eq_data['mag'])):
    x,y = map5(lon, lat)
    msize = mag * size     #不同震级大小不一样
    map5.plot(x, y, 'ro', markersize=msize)

在这里插入图片描述

图21 全球地震分布图（2）
通过以下代码，定义一个函数，可通过不同震级绘制颜色不同的地图，如图22所示。

def get_marker_color(mag):
    if mag < 3.0:
        return ('go')
    elif mag < 5.0:
        return ('yo')
    else:
        return ('ro')      #定义设置颜色函数

plt.style.use('ggplot')
plt.figure(figsize=(10,6))

map6 = Basemap(projection='robin', lat_0=39.9, lon_0=116.3,
               resolution = 'l', area_thresh = 1000.0) 

map6.drawcoastlines()
map6.drawcountries()
map6.drawmapboundary()

map6.drawmeridians(np.arange(0, 360, 30))
map6.drawparallels(np.arange(-90, 90, 30))

size = 2
for lon, lat, mag in zip(list(eq_data['longitude']), list(eq_data['latitude']), list(eq_data['mag'])):
    x,y = map6(lon, lat)
    msize = mag * size
    map6.plot(x, y, get_marker_color(mag), markersize=msize)   #调用函数
    
plt.title('Earthquakes')

在这里插入图片描述

图22 全球地震分布图（3）

3 pyecharts地图绘制

pyecharts也可以轻松绘制出美观可交互的地图。本节将讲解如何利用pyecharts绘制不同地区的地图，通过Geo方法在地图上绘制散点图。

3.1 地图

利用pyecharts绘制地图，需要下载地图js文件，通过pip进行安装，如图23所示。

pip install echarts-countries-pypkg        #全球国家地图
pip install echarts-china-provinces-pypkg  #中国省级地图
pip install echarts-china-cities-pypkg      #中国市级地图

在这里插入图片描述
图23 安装地图js
注意：安装好后记得重启jupyter notebook。
利用Map方法可绘制地图，代码如下。

value = [155, 78, 23, 65]
label = ["北京", "上海", "西藏", "广东"]
map1 = pyecharts.Map("全国地图示例")
map1.add("",label, value, maptype='china')
map1.render()   #生成html文件

该add方法的参数如下，maptype设置地图类型，支持china、world、中国省市名称等；is_roam可缩放地图；is_map_symbol_show显示地图红点。

add(name, attr, value,
    maptype='china',
    is_roam=True,
    is_map_symbol_show=True, **kwargs)

绘制的中国地图如图24所示。
在这里插入图片描述
图24 全国地图（1）
设置is_label_show=True，可以显示各省份名称，代码如下，如图25所示。

value = [155, 78, 23, 65]
label = ["北京", "上海", "西藏", "广东"]
map1 = pyecharts.Map("全国地图示例", width=1200, height=600)
map1.add("",label, value, maptype='china', is_label_show=True)
map1.render()   #生成html文件

在这里插入图片描述
图25 全国地图（2）
结合Visualmap可以美化地图，根据值显示不同颜色，代码如下，如图26所示。

value = [155, 78, 23, 65]
label = ["北京", "上海", "西藏", "广东"]
map1 = pyecharts.Map("全国地图示例", width=1200, height=600)
map1.add("",label, value, maptype='china', is_visualmap=True,
        visual_text_color='#000')
map1.render()   #生成html文件

在这里插入图片描述

图26 全国地图（3）

修改maptype参数可以绘制省级地图，代码如下，如图27所示。

value = [233, 102, 41, 82]
attr = ['武汉市', '咸宁市', '黄冈市', '黄石市']
map1 = pyecharts.Map("湖北省地图")
map1.add("", attr, value, maptype='湖北', is_visualmap=True,
        visual_text_color='#000')
map1.render()

在这里插入图片描述
图27 湖北省地图
修改maptype参数为world可以绘制世界地图，代码如下，如图28所示。

value = [46, 54, 45, 82, 45]
attr= ["China", "Canada", "Brazil", "Russia", "United States"]
map1 = pyecharts.Map("世界地图", width=1200, height=600)
map1.add("", attr, value, maptype="world", is_visualmap=True,
        visual_text_color='#000', is_map_symbol_show=False)
map1.render()

在这里插入图片描述
图28 全球地图

3.2 地图坐标系

地图坐标系组件用于地图的绘制，支持在地图上绘制散点图，线集。利用Geo方法可在地图上绘制散点图等，代码如下。

data = [
    ('上海', 78),('武汉', 56),('长沙', 45),('北京', 65),('苏州', 32),('盐城', 15),
    ('南昌', 87),('青岛', 45),('广州', 78),('拉萨', 12),('桂林', 21),('西安', 42),
    ('济南', 12)]

geo = pyecharts.Geo("地图绘制案例一",
          title_pos="center", width=1200,
          height=600)
attr, value = geo.cast(data)
geo.add("", attr, value, visual_range=[0, 100], visual_text_color="#fff",
        geo_normal_color="#FFFFFF",
        symbol_size=15, is_visualmap=True)
geo.render()

该add方法的参数如下，type设置图例类型，‘scatter’, ‘effectScatter’, 'heatmap’可选；symbol_size为散点图大小；border_color设置地图边界颜色；geo_normal_color为正常情况下地图区域颜色；geo_emphasis_color为高亮下地图区域的颜色。

add(name, attr, value,
    type="scatter",
    maptype='china',
    symbol_size=12,
    border_color="#111",
    geo_normal_color="#323c48",
    geo_emphasis_color="#2a333d",
    is_roam=True, **kwargs)

绘制的地图如图29所示。
在这里插入图片描述
图29 案例一
修改type参数，更改为heatmap，代码如下，如图30所示。

data = [
    ('上海', 78),('武汉', 56),('长沙', 45),('北京', 65),('苏州', 32),('盐城', 15),
    ('南昌', 87),('青岛', 45),('广州', 78),('拉萨', 12),('桂林', 21),('西安', 42),
    ('济南', 12)]

geo = pyecharts.Geo("地图绘制案例二",
          title_pos="center", width=1200,
          height=600)
attr, value = geo.cast(data)
geo.add("", attr, value, type='heatmap', visual_range=[0, 100], visual_text_color="#fff",
        geo_normal_color="#FFFFFF",
        symbol_size=15, is_visualmap=True)
geo.render()