|
本文转自：数据小魔方 最近在梳理Python中可以制作数据地图的可视化工具包，分别实践了geopandas、folium、Basemp,通过对比发现，静态地图中最为成熟的最终还得是Basemap工具，它是mpl_toolkits包中的一个专门用于构建地理信息数据可视化的扩展库。
Basemap工具在地理信息读写、坐标映射、空间坐标转化与投影等方面做的要比geopandas更加成熟，它可以使用常规的地图素材数据源（shp）作为底图进行叠加绘图，效果与精度控制比较方便，图表质量堪比R语言中的ggplot2绘图包（geom_polygon），唯一不足的是它是一个底层构建工具，所有的多边形映射都需要手动构造循环（目前还没有发现比较好用的基于basemap的扩展工具），作图效率与速度上自然无法媲美R语言的ggplot2(缺少一套健全的顶层语法支撑)。 接下来会用3~5篇的篇幅分享给大家基于basemap包的应用场景，包含散点图（气泡图）、折现图（路径图等线图类型）以及最常用的热力填充地图。 本小节介绍填充地图与散点图应用，案例是使用itchat接口抓取的本人微信好友信息。 import itchat
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import matplotlib
from matplotlib.patches import Polygon
from mpl_toolkits.basemap import Basemap
from matplotlib.collections import PatchCollection
1、微信网页版登录： itchat.login()
#使用手机微信扫一扫扫描弹出二维码即可登录。
#Getting uuid of QR code.
#Downloading QR code.
#Please scan the QR code to log in.
#Please press confirm on your phone.
#Loading the contact, this may take a little while.
#Login successfully as 杜雨
#提取微信好友信息：
friends = itchat.get_friends(update=True)df_friends = pd.DataFrame(friends)df_friends.to_csv('wechat_friends.csv',encoding = 'utf_8_sig')
#friends = pd.read_csv('D:/Python/File/wechat_friends.csv')
mydata = friends.loc[:,['NickName','Province','Signature']]
2、聚合计算好友地区分布： aggResult = mydata.groupby(['Province'])['NickName'].agg({'人数': np.size}).reset_index()aggResult.sort_values(by = ['人数'],ascending = False,inplace=True)
#拆分国内城市与国外城市：
def match_str(item): result = []
for i in item:
try: m = re.search('^[\u4e00-\u9fa5]{1,}',i).group() result.append(m)
except:
continue return(result)Domestic = match_str(aggResult['Province'].tolist())Domestic = aggResult.loc[aggResult.Province.isin(Domestic),:]Foreign = aggResult.loc[aggResult.Province.isin([i for i in aggResult.Province.tolist() if i not in Domestic.Province.tolist()]),:]Domestic['scala'] = (Domestic.人数-Domestic.人数.min())/(Domestic.人数.max()-Domestic.人数.min())
清洗与矫正省份（地区）名称 def correct(name_list):
name = []
for i in name_list:
if i in ['内蒙古','西藏']: i += '自治区'
elif i == '宁夏': i += '回族自治区'
elif i == '新疆': i += '维吾尔自治区'
elif i == '广西': i += '壮族自治区'
elif i in ['香港','澳门','台湾']: i += '特别行政区'
elif i in ['北京','天津','重庆','上海']: i += '市'
else: i += '省'name.append(i)
return(name)Domestic['Province'] = correct(Domestic['Province'])
3、合并本地经纬度数据： #散点图数据源： point_data = pd.read_csv('D:/R/rstudy/Province/chinaprovincecity.csv',encoding = 'gbk')
Domestic = Domestic.merge(point_data.loc[:,['province','jd','wd']],how = 'left',left_on = 'Province',right_on = 'province')
实例化地图对象，并导入本地shp中国地图 basemap = Basemap(llcrnrlon= 75,llcrnrlat=10,urcrnrlon=150,urcrnrlat=55,projection='poly',lon_0 = 116.65,lat_0 = 40.02,ax = ax)basemap.readshapefile(shapefile = 'D:/R/rstudy/CHN_adm/bou2_4p',name = 'china')
导入的shp格式地图中很多行政区划信息乱码，需要纠正编码mapData = pd.DataFrame(basemap.china_info)mapData['NAME'] = mapData['NAME'].map(lambda x: x.decode('gbk') if len(x) != 0 else x)
#mapData['NAME'] = [i.decode('gbk') if len(i) !=0 else i for i in mapData['NAME'].tolist()]
mapData = mapData.merge(Domestic,how = 'left',left_on='NAME', right_on='Province')
4、数据可视化 font = {'family' : 'SimHei'};matplotlib.rc('font', **font);fig = plt.figure(figsize=(16,12))ax = fig.add_subplot(111)
###构建省份填充函数（按照各省好友人数比例）：
def plotProvince(row): mainColor = (42/256, 87/256, 141/256,row['scala']); patches = []
for info,shape in zip(mapData['NAME'].tolist(),basemap.china): if info == row['Province']: patches.append(Polygon(xy = np.array(shape), closed=True)) ax.add_collection(PatchCollection(patches,facecolor=mainColor,edgecolor=mainColor,linewidths=1.,zorder=2))Domestic.apply(lambda row: plotProvince(row), axis=1)
#构建散点图(基于各省好友数量)
def create_great_points(df): lon = np.array(df['jd']) lat = np.array(df['wd']) pop = np.array(df['scala'],dtype=float) x,y = basemap(lon,lat)
for lon,lat,pop in zip(x,y,pop*50): basemap.scatter(lon,lat,color = '#c72e29',marker = 'o',s = pop*25)create_great_points(Domestic)plt.axis('off') #关闭坐标轴
plt.savefig('D:/Python/Image/杜雨/itwechat.png') #保存图表到本地
plt.show() #显示图表
整个内容中涉及到的bou2_4p.shp,chinaprovincecity.csv均为之前推送过的R语言ggplot2系列所用数据源
|
