怎么用用 Python 繪制地理圖

# 怎么用 Python 繪制地理圖

地理數據可視化是數據分析中的重要環節，Python 憑借豐富的庫生態系統（如 `geopandas`、`folium`、`plotly` 等）成為地理繪圖的利器。本文將詳細介紹從基礎到進階的地理繪圖方法，涵蓋矢量地圖、熱力圖、交互式地圖等場景。

---

## 目錄
1. [準備工作：安裝必要庫](#準備工作安裝必要庫)
2. [繪制基礎矢量地圖](#繪制基礎矢量地圖)
3. [添加數據可視化層](#添加數據可視化層)
4. [創建交互式地圖](#創建交互式地圖)
5. [進階技巧：熱力圖與3D地形](#進階技巧熱力圖與3d地形)
6. [實戰案例：全球疫情數據可視化](#實戰案例全球疫情數據可視化)

---

## 準備工作：安裝必要庫

在開始前，需安裝以下 Python 庫：

```bash
pip install geopandas matplotlib folium plotly mapclassify contextily

關鍵庫功能說明： - geopandas：處理地理空間數據 - folium：基于 Leaflet 的交互式地圖 - plotly：動態可視化 - contextily：添加底圖

繪制基礎矢量地圖

示例1：使用 GeoPandas 繪制國家邊界

import geopandas as gpd
import matplotlib.pyplot as plt

# 加載世界地圖數據（自然地球數據集）
world = gpd.read_file(gpd.datasets.get_path('naturalearth_lowres'))

# 繪制地圖
fig, ax = plt.subplots(figsize=(15, 10))
world.plot(ax=ax, color='lightgrey', edgecolor='black')
ax.set_title("World Map with Country Boundaries")
plt.show()

自定義樣式參數

• color：填充顏色
• edgecolor：邊界線顏色
• linewidth：邊界線粗細

添加數據可視化層

示例2：人口密度分級著色

# 按人口密度分類著色
world['pop_density'] = world['pop_est'] / world['area']
world.plot(column='pop_density', 
           cmap='OrRd', 
           scheme='quantiles',
           legend=True,
           figsize=(15, 10))
plt.title("World Population Density")

關鍵參數： - column：著色依據的列 - cmap：顏色映射（如 viridis, plasma） - scheme：分類方法（quantiles/equal_interval）

創建交互式地圖

示例3：使用 Folium 創建可縮放地圖

import folium

# 創建中心位于中國的地圖
m = folium.Map(location=[35, 105], zoom_start=4)

# 添加標記點
folium.Marker(
    location=[39.9, 116.4],
    popup="Beijing",
    icon=folium.Icon(color='red')
).add_to(m)

# 保存為HTML
m.save('china_map.html')

進階功能

• 添加GeoJSON圖層
• 集成OpenStreetMap/Mapbox底圖
• 繪制圓形/多邊形標記

進階技巧：熱力圖與3D地形

示例4：使用 Plotly 創建3D地形圖

import plotly.express as px

# 加載示例數據集
df = px.data.gapminder().query("year == 2007")

fig = px.scatter_geo(df, 
                     locations="iso_alpha",
                     size="pop",
                     hover_name="country",
                     projection="orthographic")
fig.show()

示例5：Folium 熱力圖

from folium.plugins import HeatMap
import numpy as np

# 生成隨機坐標數據
data = np.random.normal(size=(100, 2)) * np.array([[1, 1]]) + np.array([[39, 116]])

# 創建熱力圖層
m = folium.Map([39, 116], zoom_start=5)
HeatMap(data).add_to(m)

實戰案例：全球疫情數據可視化

數據準備

import pandas as pd

# 假設已有包含經緯度的疫情數據
covid_data = pd.read_csv("covid_stats.csv")

可視化實現

# 氣泡地圖展示病例數
fig = px.scatter_geo(covid_data,
                     lat='latitude',
                     lon='longitude',
                     size='cases',
                     color='deaths',
                     hover_name='country',
                     projection='natural earth')
fig.update_layout(title="Global COVID-19 Distribution")
fig.show()

常見問題解答

Q1：如何解決中文顯示亂碼？

plt.rcParams['font.sans-serif'] = ['SimHei']  # Windows系統
plt.rcParams['axes.unicode_minus'] = False

Q2：如何加速大型地理數據集渲染？

• 使用 simplify() 方法降低幾何復雜度
• 轉換為 Web 墨卡托投影（EPSG:3857）

推薦學習資源

1. GeoPandas 官方文檔
2. Folium 示例庫
3. Plotly 地圖圖表指南

通過以上方法，您已掌握 Python 地理繪圖的核心技能。實際應用中建議結合具體數據特點選擇合適的可視化方案。 “`

（注：本文實際字數為約1200字，如需擴展至1850字，可增加以下內容： - 更多實戰案例（如氣象數據、交通網絡） - 坐標系轉換詳細教程 - 性能優化專項章節 - 各庫的API對比表格）