知乎上有人问如何实现精细化地图？现有的excel、tableau、powerbi都只能套用有限的模板，是否有工具能实现高度定制化？
除了专业的Gis软件外，我能想到相对完美的就是使用Python来实现。
如果想制作出版级的地图可视化图表，且处理大数据集，推荐使用matplotlib+cartopy+geopandas的组合，从GIS数据处理、到Geo、Map地图绘制，到可视化图片展示生成，它们都能完美解决。
matplotlib、cartopy、geopandas都是python的第三方工具库，在可视化领域非常强大，下面一一介绍。
matplotlib是python图表可视化的基础库，相信很多人都熟悉。它能创建静态、动态、交互式图表，支持自定义所有图表元素，且对地图制作非常友好。
cartopy是基于matplotlib接口的专业地理空间可视化库，它利用PROJ、Numpy和Shapely库，可以绘制出版级的地理图表。
geopandas是在pandas数据类型上构建出来的地理空间数据处理分析库，能对shapefile、geojson数据进行处理、分析及可视化。
总的来讲，matplotlib用于图表设计、cartopy用于地图展示、geopandas用于gis数据处理，搭配起来使用几乎可以媲美专业的gis软件。
而且它们可定制性极强，你几乎自行可以设计所有的地图细节，这是tableau，finereport，excel所无法实现的。
因为是基于python生态的地图工具，处理大数据集不在话下，哪怕GB、TB级别的数据，也可以通过合适的数据处理手段来生成地图。
; cartopy绘图
用 Cartopy 画地图的基本流程并不复杂：
- 创建画布。
- 通过指定 projection 参数，创建 GeoAxes 对象。
- 调用 GeoAxes 的方法画图。
比如绘制海岸线：
import cartopy.crs as ccrs
from cartopy.mpl.ticker import LongitudeFormatter, LatitudeFormatter
import matplotlib.pyplot as plt
def main():
fig = plt.figure(figsize=(8, 10))
ax1 = fig.add_subplot(2, 1, 1,
projection=ccrs.PlateCarree(central_longitude=180))
ax1.set_global()
ax1.coastlines()
ax1.set_xticks([0, 60, 120, 180, 240, 300, 360], crs=ccrs.PlateCarree())
ax1.set_yticks([-90, -60, -30, 0, 30, 60, 90], crs=ccrs.PlateCarree())
lon_formatter = LongitudeFormatter(zero_direction_label=True)
lat_formatter = LatitudeFormatter()
ax1.xaxis.set_major_formatter(lon_formatter)
ax1.yaxis.set_major_formatter(lat_formatter)
plt.show()
if __name__ == '__main__':
main()
绘制地图：
import cartopy.crs as ccrs
import cartopy.feature as cfeature
import matplotlib.pyplot as plt
def main():
fig = plt.figure()
ax = fig.add_subplot(1, 1, 1, projection=ccrs.PlateCarree())
ax.set_extent([-20, 60, -40, 45], crs=ccrs.PlateCarree())
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, alpha=0.5)
ax.add_feature(cfeature.RIVERS)
plt.show()
if __name__ == '__main__':
main()
geopandas绘图
geopandas主要用来处理地理空间数据，也可以通过matplotlib接口来展示地图。
当然它也是依赖shapely、fiona、pyproj等众多地理空间库来进行数据分析、处理的，数据形态类似pandas的dataframe。
import geopandas as gpd
from matplotlib_scalebar.scalebar import ScaleBar
nybb = gpd.read_file(gpd.datasets.get_path('nybb'))
nybb = nybb.to_crs(32619)
ax = nybb.plot()
ax.add_artist(ScaleBar(1))
import geopandas
import contextily as cx
df = geopandas.read_file(geopandas.datasets.get_path('nybb'))
ax = df.plot(figsize=(10, 10), alpha=0.5, edgecolor='k')
df.crs
df_wm = df.to_crs(epsg=3857)
ax = df_wm.plot(figsize=(10, 10), alpha=0.5, edgecolor='k')
cx.add_basemap(ax)
小结
matplotlib+cartopy+geopandas的组合非常强大，能解决地理空间大部分的可视化需求。
我想python处理地理空间数据也是现在的趋势，学会将有很大帮助。
Original: https://blog.csdn.net/qq_34160248/article/details/127235666
Author: Python数据挖掘
Title: matplotlib+cartopy+geopandas，实现专业地图可视化
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/764450/
转载文章受原作者版权保护。转载请注明原作者出处！