[Python可视化]一种极具特色(但是并没有什么用)的GIS专题图可视化方法

简介: [Python可视化]一种极具特色(但是并没有什么用)的GIS专题图可视化方法


先看结果




什么是专题图


所谓的专题图,指的是对某种关心的专题信息进行聚焦展示的一种可视化方法,比如下面这种地理国情普查成果中的水资源专题图:



主要体现供水相关的能力,除了供水信息以外,其他信息(比如山川河流、行政边界地图基本要素等)都是背景板。



回过来,继续讲上面那个特殊的可视化专题图。其实这种可视化方式来自于ArcGIS/GeoScene Javascript API的一种新能力,即滤镜效果:把背景板加一个虚化滤镜,然后把前景凸现出来:



Demo地址:https://developers.arcgis.com/javascript/latest/sample-code/effect-blur-shadow/话说Javascript的可视化能力真的很强——在此验证了虾神的一个观点:

未来一切能用Javascript重写的东西,都将用Javascript重写……

阔惜虾神这种老伯年纪大了,学不动了……希望广大的年轻同学好好学一下,技多不压身。



不过虽然Javascript学不动了,但是Python这种简单的东西,还是可以做一做的——话说Python的目标就是面对非码农的,不像JS这种,就是专门面向码农,而且是前端或者全栈码农的特殊技能——你要不当码农,确实学了没多大意义。看完了Javascript的效果,当时我就想,Python可不可以也做出这种效果来呢……用他们的话说,虽然没啥用,但是作为码农一种恶趣味,开启写轮眼——



当年很多人说有个金点子,值几个亿,

然后要凭借此创业的时候,

虾神最喜欢问他们的一句话就是:

如果腾讯抄你们,你们怎么保证抢得过他们……

最终效果如开局第一张图,那么下面我们来简单聊聊在Python里面是怎么实现的。


关键技术

要实现这种效果,有如下两个关键技术:

1、虚化滤镜效果,也就是把背景虚化。

2、专题信息聚焦显示,而且还需要有三维带阴影的显示效果。


下面我们来看看如何实现:

1、背景虚化:Python要绘图,一定拋不开matplotlib,而要使用地理数据,最简单的当然是用geopandas,不过你用geopandas + 矢量数据绘制出来的,一定是一个矢量图……而虚化效果,必须通过栅格图(图片)来实现。所以,首先要做的事情,就是把背景先做出来,我这里用了最简单方法,就是把要虚化的背景先弄成了图片。首先定义一个自定义的渲染色,为背景图的渲染方式,然后用geopandas的plot方法,绘制好,并且保存下来,注意,需要设置保存下来的图片没有边框,否则会出现对不齐的问题:




保存下来之后,就得到了这样一张图片:



但是这张图细节很清晰,完全没有虚化的效果啊,所以就需要对这张图进行一些处理,要处理图片,就得用上号称Python里面的PS神包Pillow了(此处略去介绍xxxx字),处理方法如下:最重要的两句:1、thumbnail方法:把这个图片压缩成一张128*128的缩略图。2、通过interpolation插值,成一张具有原图大小的模糊的图片,以完成虚化。代码和效果如下:



接下去,我们来处理上层需要显示的专题信息的可视化效果:首先提取出需要显示的地类,我这里提取TAG=161的所有地类,为专题显示信息:



然后如果直接显示出来,就是这的效果了:



……等等,你的三维效果呢?上一张图,不是还有专题图的三维效果的么,如下所示:




这种用二维模拟三维效果,处理方法已经很简单了——直接拉个底层,偏移一定的量,然后设置为阴影效果就可以了:


这里要介绍的就是shapely包自带的一个方法:affinity.translate可以直接对几何要素进行空间变换,但是在这里,就做xy的平移就行了,z的旋转就没必要了。全部处理完之后,得到的完整效果如下:




完整代码如下:




打完收工代码和数据,在虾神的gitee仓库里面,大家自己去下载就好了


https://gitee.com/godxia/python_map_visualization


011专题图


题外话:




………………不要问,问就是虾神我也不知道……想了想,还是归类为码农的恶趣味吧


目录
相关文章
|
11天前
|
JSON 数据可视化 API
Python 中调用 DeepSeek-R1 API的方法介绍,图文教程
本教程详细介绍了如何使用 Python 调用 DeepSeek 的 R1 大模型 API,适合编程新手。首先登录 DeepSeek 控制台获取 API Key,安装 Python 和 requests 库后,编写基础调用代码并运行。文末包含常见问题解答和更简单的可视化调用方法,建议收藏备用。 原文链接:[如何使用 Python 调用 DeepSeek-R1 API?](https://apifox.com/apiskills/how-to-call-the-deepseek-r1-api-using-python/)
|
3月前
|
机器学习/深度学习 Python
堆叠集成策略的原理、实现方法及Python应用。堆叠通过多层模型组合,先用不同基础模型生成预测,再用元学习器整合这些预测,提升模型性能
本文深入探讨了堆叠集成策略的原理、实现方法及Python应用。堆叠通过多层模型组合,先用不同基础模型生成预测,再用元学习器整合这些预测,提升模型性能。文章详细介绍了堆叠的实现步骤,包括数据准备、基础模型训练、新训练集构建及元学习器训练,并讨论了其优缺点。
165 3
|
28天前
|
人工智能 自然语言处理 算法
随机的暴力美学蒙特卡洛方法 | python小知识
蒙特卡洛方法是一种基于随机采样的计算算法,广泛应用于物理学、金融、工程等领域。它通过重复随机采样来解决复杂问题,尤其适用于难以用解析方法求解的情况。该方法起源于二战期间的曼哈顿计划,由斯坦尼斯拉夫·乌拉姆等人提出。核心思想是通过大量随机样本来近似真实结果,如估算π值的经典示例。蒙特卡洛树搜索(MCTS)是其高级应用,常用于游戏AI和决策优化。Python中可通过简单代码实现蒙特卡洛方法,展示其在文本生成等领域的潜力。随着计算能力提升,蒙特卡洛方法的应用范围不断扩大,成为处理不确定性和复杂系统的重要工具。
69 21
|
26天前
|
数据挖掘 数据处理 开发者
Python3 自定义排序详解:方法与示例
Python的排序功能强大且灵活,主要通过`sorted()`函数和列表的`sort()`方法实现。两者均支持`key`参数自定义排序规则。本文详细介绍了基础排序、按字符串长度或元组元素排序、降序排序、多条件排序及使用`lambda`表达式和`functools.cmp_to_key`进行复杂排序。通过示例展示了如何对简单数据类型、字典、类对象及复杂数据结构(如列车信息)进行排序。掌握这些技巧可以显著提升数据处理能力,为编程提供更强大的支持。
32 10
|
2月前
|
安全
Python-打印99乘法表的两种方法
本文详细介绍了两种实现99乘法表的方法:使用`while`循环和`for`循环。每种方法都包括了步骤解析、代码演示及优缺点分析。文章旨在帮助编程初学者理解和掌握循环结构的应用,内容通俗易懂,适合编程新手阅读。博主表示欢迎读者反馈,共同进步。
|
2月前
|
数据可视化 编译器 Python
Manim:数学可视化的强大工具 | python小知识
Manim(Manim Community Edition)是由3Blue1Brown的Grant Sanderson开发的数学动画引擎,专为数学和科学可视化设计。它结合了Python的灵活性与LaTeX的精确性,支持多领域的内容展示,能生成清晰、精确的数学动画,广泛应用于教育视频制作。安装简单,入门容易,适合教育工作者和编程爱好者使用。
565 7
|
3月前
|
算法 决策智能 Python
Python中解决TSP的方法
旅行商问题(TSP)是寻找最短路径,使旅行商能访问每个城市一次并返回起点的经典优化问题。本文介绍使用Python的`ortools`库解决TSP的方法,通过定义城市间的距离矩阵,调用库函数计算最优路径,并打印结果。此方法适用于小规模问题,对于大规模或特定需求,需深入了解算法原理及定制策略。
71 15
|
2月前
|
JSON 安全 API
Python调用API接口的方法
Python调用API接口的方法
410 5
WK
|
3月前
|
Python
Python中format_map()方法
在Python中,`format_map()`方法用于使用字典格式化字符串。它接受一个字典作为参数,用字典中的键值对替换字符串中的占位符。此方法适用于从字典动态获取值的场景,尤其在处理大量替换值时更为清晰和方便。
WK
148 36
|
3月前
|
机器学习/深度学习 人工智能 算法
强化学习在游戏AI中的应用,从基本原理、优势、应用场景到具体实现方法,以及Python在其中的作用
本文探讨了强化学习在游戏AI中的应用,从基本原理、优势、应用场景到具体实现方法,以及Python在其中的作用,通过案例分析展示了其潜力,并讨论了面临的挑战及未来发展趋势。强化学习正为游戏AI带来新的可能性。
216 4

热门文章

最新文章

推荐镜像

更多