geopandas轻松绘制交互式在线地图

简介: geopandas轻松绘制交互式在线地图

1 简介

在上一篇文章中,我为大家介绍了不久前发布的geopandas 0.10版本的诸多新特性,而其中介绍到的地图可视化新方法explore()只是一带而过,没有仔细为大家介绍其功能用法。今天的文章我就将为大家详细介绍新版geopandas中,利用explore()制作在线地图可视化的方法:

2 在geopandas中制作在线地图可视化

explore()方法类似我们熟悉的plot()方法,是GeoSeriesGeoDataFrame对象皆有的方法,下面我们递进式地介绍:

2.1 GeoSeries.explore()方法的使用

GeoSeries.explore()的主要参数如下:

color:str或数组,用于设置所绘制矢量的颜色,当传入数组时可一一对应按顺序设置每个矢量的颜色

m:类似plot()方法中的ax参数,用于传入已存在的地图对象,从而实现多图层叠加

tiles:str型,用于设置底图来源,默认为'OpenStreetMap',其他可用的有'Stamen Terrain''Stamen Toner''Stamen Watercolor''CartoDB positron''CartoDB dark_matter',亦可传入格式类似http://{s}.yourtiles.com/{z}/{x}/{y}.png的自定义地图服务,注意,当自定义tiles时,必须设置attr参数

attr:str型,用于设置底图对应的attribution信息

highlight:bool型,用于设置是否在鼠标悬浮于矢量上时展示高亮效果,默认为True

width:int或str型,int型时用于设置地图像素宽度,字符型时用于设置地图相对于容器的百分比宽度,此参数在参数m设置时会失效

height:int或str型,int型时用于设置地图像素高度,字符型时用于设置地图相对于容器的百分比高度,此参数在参数m设置时会失效

control_scale:bool型,用于设置是否展示比例尺,默认为True

zoom_control:bool型,用于设置是否展示缩放组件,默认为True

marker_type:str型,用于设置点要素的样式类型,可选的有'marker''circle''circle_marker'

marker_kwds:dict型,用于设置点要素的更多细节参数,常用的有:

  • radius:float型,用于设置点要素的半径,当marker_type='circle'时单位为米,当marker_type='circle_marker'时单位为像素
  • icon:folium.map.Icon型,当marker_type='marker'时,用于自定义点图标,详细用法参考:https://python-visualization.github.io/folium/modules.html#folium.map.Icon
  • draggable:bool型,用于设置点图标是否可自由拖拽,默认为False

style_kwds:dict型,用于设置矢量的样式细节参数,常用的参数有:

  • stroke:bool型,设置是否绘制矢量轮廓,默认为True
  • color:str型,用于设置轮廓颜色
  • weight:int型,用于设置轮廓像素宽度
  • opacity:float型,取值0~1之间,用于设置轮廓透明度,默认为1.0
  • fill:bool型,用于设置是否绘制矢量填充,默认为True
  • fillColor:str型,用于设置矢量填充色
  • fillOpacity:float型,用于设置填充色透明度,默认为0.5

highlight_kwds:dict型,参数结构同style_kwds,用于设置鼠标悬浮高亮状态下的各样式参数

min_zoom、max_zoom、zoom_start:int型,分别用于设置地图的最小、最大及初始化缩放层级,默认值分别为0、18、10

location:元组或列表,用于设置地图初始化时的中心坐标,格式为[纬度, 经度]

get到这些参数之后,我们就可以非常快捷地制作在线可视化作品,以环渝地区为例:


m = shp.geometry.explore(
    color='#40a9ff',
    tiles='https://server.arcgisonline.com/ArcGIS/rest/services/World_Imagery/MapServer/tile/{z}/{y}/{x}',
    attr=' ',
    width='80%',
    tooltip=False, # 关闭鼠标悬浮时的空白tooltip
    style_kwds={
        'color': 'white',
        'fillOpacity': 0.4
    },
    highlight_kwds={
        'fillColor': 'white',
        'fillOpacity': 0.6
    }
)
m

叠加多个图层:

import folium
m = shp.geometry.explore(
    color='#40a9ff',
    tiles='https://server.arcgisonline.com/ArcGIS/rest/services/World_Imagery/MapServer/tile/{z}/{y}/{x}',
    attr=' ',
    width='80%',
    tooltip=False, # 关闭鼠标悬浮时的空白tooltip
    style_kwds={
        'color': 'white',
        'fillOpacity': 0.4
    },
    highlight_kwds={
        'fillColor': 'white',
        'fillOpacity': 0.6
    }
)
shp.representative_point().explore(
    color='red',
    tooltip=False, # 关闭鼠标悬浮时的空白tooltip
    m=m, # 叠加已有地图
    marker_type='marker',
    marker_kwds={
        'icon': folium.map.Icon(icon='beer', prefix='fa')
    }
)


2.2 GeoDataFrame.explore()方法的使用

GeoSeries.explore()相比,GeoDataFrame除了矢量字段之外,还可以快捷地利用数据框中其他字段的信息,来辅助视觉元素的映射,因此在GeoSeries.explore()的参数体系基础上,GeoDataFrame.explore()新增了如下参数,与plot()方法非常相似:

column:str型或数组,用于指定绘图映射基于的字段名,亦或是额外传入的与矢量一一对应的数组

cmap:str型或matplotlib中的colormap对象,用于设置色彩映射方案

tooltip:bool、str或list型,用于自定义鼠标悬浮时提示框内显示的字段信息,True表示展示全部字段,False表示关闭提示框,str型时可指定单个要展示的字段名,list型时指定多个要展示的字段

popup:用于设置鼠标点击触发展示的信息框内容,格式同tooltip

categorical:bool型,用于设置是否开启类别映射模式,默认为False

legend:bool型,设置是否显示图例,默认为True

scheme:字符型,同plot()中的同名参数,用于设定分层设色规则,参考我的过往文章:https://www.cnblogs.com/feffery/p/12381322.html

k:int型,用于设置分层设色分段数量,默认为5

vmin:float型,用于手动设置色彩映射最小值

vmax:float型,用于手动设置色彩映射最大值

categories:list型,用于传入顺序类别列表

tooltip_kwds:dict型,用于自定义设置tooltip样式,详细参考:https://python-visualization.github.io/folium/modules.html#folium.features.GeoJsonTooltip

popup_kwds:dict型,用于自定义设置popup样式,详细参考:https://python-visualization.github.io/folium/modules.html#folium.features.GeoJsonPopup

legend_kwds:dict型,用于自定义设置图例,主要的参数有:

  • caption:str型,自定义图例标题,默认为映射字段名
  • colorbar:bool型,用于设置是否开启colorbar模式,设置为False时会开启分段模式
  • fmt:str型,用于自定义图例项数值格式,默认为'{:.2f}'
  • labels:list型,自定义图例项标签文字,来覆盖原始自动生成内容
  • max_labels:int型,设置colorbar图例中刻度数量
  • scale:bool型,设置是否以真实尺度来渲染每段分层设色区间,False时每段色阶长度会强制相同

下面我们来基于这些实用的参数,绘制几个示例:

m = shp.explore(
    column='area',
    cmap='Blues',
    tiles='https://server.arcgisonline.com/ArcGIS/rest/services/World_Imagery/MapServer/tile/{z}/{y}/{x}',
    attr=' ',
    scheme='NaturalBreaks',
    k=3,
    vmin=0,
    legend_kwds={
        'caption': '面积(平方千米)',
        'scale': False,
        'colorbar': False
    },
    style_kwds={
        'color': 'white',
        'weight': 1,
        'fillOpacity': 0.8
    }
)
m

m = shp.explore(
    column='area',
    cmap='Reds',
    tiles='https://server.arcgisonline.com/ArcGIS/rest/services/World_Topo_Map/MapServer/tile/{z}/{y}/{x}',
    attr=' ',
    scheme='NaturalBreaks',
    k=3,
    vmin=0,
    legend_kwds={
        'caption': '面积(平方千米)',
        'scale': False
    },
    style_kwds={
        'color': 'white',
        'weight': 1,
        'fillOpacity': 0.7
    }
)
m

2.3 保存在线底图

如果我们想要持久化保存绘制好的在线地图作品,可以利用地图对象的save()方法,将其保存为离线html文件:

m.save('demo.html')

浏览器中查看已保存的html文件:

相关文章
|
7月前
|
数据可视化 数据挖掘 Linux
原来使用 Pandas 绘制图表也这么惊艳
原来使用 Pandas 绘制图表也这么惊艳
132 0
|
1月前
|
编解码 数据可视化 前端开发
如何使用 D3.js 创建一个交互式的地图可视化?
如何使用 D3.js 创建一个交互式的地图可视化?
|
1月前
|
数据可视化 数据挖掘 定位技术
Python和Geopandas进行地理数据可视化
【10月更文挑战第22天】本文介绍了如何使用Python和Geopandas进行地理数据可视化和分析,涵盖从准备工作、加载数据、数据探索与处理、地理数据可视化、空间分析与查询到交互式地理数据可视化等内容。通过丰富的代码示例和案例演示,帮助读者掌握地理数据分析的基本方法,为实际应用提供支持。
98 19
|
3月前
|
数据可视化 Python
Python数据可视化-动态柱状图可视化
Python数据可视化-动态柱状图可视化
|
3月前
|
数据可视化 Python
Python中的数据可视化:使用Matplotlib绘制图表
【9月更文挑战第11天】在这篇文章中,我们将探索如何使用Python的Matplotlib库来创建各种数据可视化。我们将从基本的折线图开始,然后逐步介绍如何添加更多的功能和样式,以使您的图表更具吸引力和信息量。无论您是数据科学家、分析师还是任何需要将数据转化为视觉形式的专业人士,这篇文章都将为您提供一个坚实的起点。让我们一起潜入数据的海洋,用视觉的力量揭示其背后的故事。
62 16
|
4月前
|
数据可视化 数据挖掘 定位技术
基于geopandas的空间数据分析—geoplot篇(上)
基于geopandas的空间数据分析—geoplot篇(上)
|
4月前
|
SQL 关系型数据库 数据库
利用geopandas与PostGIS进行交互
利用geopandas与PostGIS进行交互
|
4月前
|
数据可视化 Python
Pandas可视化指南:从零教你绘制数据图表
Pandas可视化指南:从零教你绘制数据图表
|
4月前
|
机器学习/深度学习 数据可视化 数据挖掘
Python中的数据可视化:使用Matplotlib库绘制图表
【8月更文挑战第30天】数据可视化是数据科学和分析的关键组成部分,它帮助我们以直观的方式理解数据。在Python中,Matplotlib是一个广泛使用的绘图库,提供了丰富的功能来创建各种类型的图表。本文将介绍如何使用Matplotlib库进行数据可视化,包括安装、基本概念、绘制不同类型的图表以及自定义图表样式。我们将通过实际代码示例来演示如何应用这些知识,使读者能够轻松地在自己的项目中实现数据可视化。
|
6月前
|
数据可视化 数据挖掘 API
Python数据可视化基础:使用Matplotlib绘制图表
Python的Matplotlib是数据可视化的首选库,它提供静态、动态和交互式图表。要开始,先通过`pip install matplotlib`安装。绘制基本折线图涉及导入`pyplot`,设定数据,然后用`plot()`函数画图,如: ```markdown import matplotlib.pyplot as plt x = [1, 2, 3, 4, 5] y = [2, 3, 5, 7, 11] plt.plot(x, y, 'o') plt.show() ``` 自定义图表包括更改线条样式、颜色等,例如: ```markdown