[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
|
12天前
|
测试技术 开发者 Python
Python单元测试入门:3个核心断言方法,帮你快速定位代码bug
本文介绍Python单元测试基础,详解`unittest`框架中的三大核心断言方法:`assertEqual`验证值相等,`assertTrue`和`assertFalse`判断条件真假。通过实例演示其用法,帮助开发者自动化检测代码逻辑,提升测试效率与可靠性。
104 1
|
2月前
|
机器学习/深度学习 数据采集 数据挖掘
基于 GARCH -LSTM 模型的混合方法进行时间序列预测研究(Python代码实现)
基于 GARCH -LSTM 模型的混合方法进行时间序列预测研究(Python代码实现)
|
2月前
|
调度 Python
微电网两阶段鲁棒优化经济调度方法(Python代码实现)
微电网两阶段鲁棒优化经济调度方法(Python代码实现)
|
2月前
|
传感器 大数据 API
Python数字限制在指定范围内:方法与实践
在Python编程中,限制数字范围是常见需求,如游戏属性控制、金融计算和数据过滤等场景。本文介绍了五种主流方法:基础条件判断、数学运算、装饰器模式、类封装及NumPy数组处理,分别适用于不同复杂度和性能要求的场景。每种方法均有示例代码和适用情况说明,帮助开发者根据实际需求选择最优方案。
79 0
|
2月前
|
Python
Python字符串center()方法详解 - 实现字符串居中对齐的完整指南
Python的`center()`方法用于将字符串居中,并通过指定宽度和填充字符美化输出格式,常用于文本对齐、标题及表格设计。
|
5天前
|
人工智能 数据安全/隐私保护 异构计算
桌面版exe安装和Python命令行安装2种方法详细讲解图片去水印AI源码私有化部署Lama-Cleaner安装使用方法-优雅草卓伊凡
桌面版exe安装和Python命令行安装2种方法详细讲解图片去水印AI源码私有化部署Lama-Cleaner安装使用方法-优雅草卓伊凡
58 8
桌面版exe安装和Python命令行安装2种方法详细讲解图片去水印AI源码私有化部署Lama-Cleaner安装使用方法-优雅草卓伊凡
|
3月前
|
数据采集 数据可视化 搜索推荐
Python数据分析全流程指南:从数据采集到可视化呈现的实战解析
在数字化转型中,数据分析成为企业决策核心,而Python凭借其强大生态和简洁语法成为首选工具。本文通过实战案例详解数据分析全流程,涵盖数据采集、清洗、探索、建模、可视化及自动化部署,帮助读者掌握从数据到业务价值的完整技能链。
387 0
|
3月前
|
存储 数据可视化 BI
Python可视化应用——学生成绩分布柱状图展示
本程序使用Python读取Excel中的学生成绩数据,统计各分数段人数,并通过Matplotlib库绘制柱状图展示成绩分布。同时计算最高分、最低分及平均分,实现成绩可视化分析。
180 0
|
3月前
|
安全 Python
Python语言中常用的文件操作方法探讨
通过上述方法的结合使用,我们可以构筑出强大并且可靠的文件操作逻辑,切实解决日常编程中遇到的文件处理问题。
168 72
|
17天前
|
算法 调度 决策智能
【两阶段鲁棒优化】利用列-约束生成方法求解两阶段鲁棒优化问题(Python代码实现)
【两阶段鲁棒优化】利用列-约束生成方法求解两阶段鲁棒优化问题(Python代码实现)

推荐镜像

更多