神器-可视化分析之Basemap入门详(一)

简介: 今天咱们讲解一个画地图神器-BaseMap,看看这个神器讲给我们带来怎样的使用体验。

BaseMap 简介

在之前的文章中,我们有讲解过关于画图神器-Matplotlib 的文章,其实 Basemap 工具包就是 Matplotlib 包的子包,一个用于在 Python 绘制 2D 数据至地图的库,它提供了将坐标转化为 25 种不同地图投影的功能,然后调用 Matplotlib 扩展包绘制轮廓、图像和坐标点等。

该扩展包提供了海岸线、河流、政治边界数据集以及绘制方法。其中 GEOS 库在内部用于将海岸线和边界特征剪切到所需的地图投影区域。下面给出官网的翻译示例,源地址:

https://matplotlib.org/basemap/users/geography.html

Basemap 包括 GSSH(现在是GSHHG)海岸线数据集以及 GMT 格式的河流、州和国家边界的数据集。这些数据集可以用来以不同的分辨率绘制海岸线、河流和政治边界地图。相关方法如下:

  • drawcoastlines(): 绘制海岸线。
  • fillcontinents(): 通过填充海岸线多边形为地图着色。
  • drawcountries(): 绘制国家边界。
  • drawstates(): 在北美绘制状态边界。
  • drawrivers(): 绘制河流。

此外,可以将图像用作地图背景,而不是绘制海岸线和政治边界。Basemap提供了以下几个选项:

  • drawlsmask(): 绘制高分辨率的海陆图像,指定陆地和海洋的颜色,数据源于 GSHHS 海岸线。
  • bluemarble(): 绘制 NASA 蓝色大理石图像作为地图背景。
  • shadedrelief(): 绘制阴影浮雕图像作为地图背景。
  • etopo(): 绘制一张 etopo 浮雕图像作为地图背景。
  • warpimage(): 使用 abitrary 图像作为地图背景,必须是全球的,从国际日东线向东和南极以北覆盖世界。

Basemap 安装

Basemap 安装我们从非官网网站下载下面两个扩展包,安装包名称中的 cp37 表示 Python3.7 版本,这个根据 Python 版本安装对应的包即可,Windows下 64 位环境加 amd64,你需要找到适合自己环境的文件。

basemap-1.2.2-cp37-cp37m-win_amd64.whl pyproj-3.0.1-cp37-cp37m-win_amd64.whl

下载地址为:

https://www.lfd.uci.edu/~gohlke/pythonlibs/

下载图片如下:

59.jpg60.jpg


下载好后将下载的whl文件放入Python安装的 Script 文件夹下,如下图所示:


61.jpg


安装语句如下:

pip install basemap-1.2.2-cp37-cp37m-win_amd64.whl

如下图即为安装成功。


62.jpg

Basemap实例

绘制海岸线、填充海洋和陆地区域

from mpl_toolkits.basemap import Basemap
import matplotlib.pyplot as plt
# 设置basemap-Lambert Conformal 
m = Basemap(width=12000000,height=9000000,projection='lcc',
            resolution='c',lat_1=45.,lat_2=55,lat_0=50,lon_0=-107.)
# 绘制海岸线
m.drawcoastlines()
# 在地图周围绘制边界并填充背景aqua(这个背景最终成为海洋的颜色)
# 将大洲绘制在最上面
m.drawmapboundary(fill_color='aqua')
# 填充大陆coral颜色,并设置湖泊颜色为 aqua
m.fillcontinents(color='coral',lake_color='aqua')
plt.show()

运行结果如下图:

63.jpg

总结

今天的文章就到这里啦,有机会大家可以一起一探此款神器的神秘。


目录
相关文章
|
8月前
|
存储 边缘计算 安全
未来云平台发展趋势及挑战
在数字化转型的浪潮下,云平台作为支撑大规模数据处理与应用部署的基础设施,正成为企业和个人创新发展的关键。本文将探讨未来云平台发展的趋势和面临的挑战,包括边缘计算、多云环境、安全性等方面的问题,并提出应对之策。
149 0
|
9月前
|
机器学习/深度学习 人工智能 算法
【机器学习】平均绝对误差 (MAE) 与均方误差 (MSE) 有什么区别?
【5月更文挑战第17天】【机器学习】平均绝对误差 (MAE) 与均方误差 (MSE) 有什么区别?
|
9月前
|
vr&ar Python
Python ARIMA时间序列模型预测航空公司的乘客数量
Python ARIMA时间序列模型预测航空公司的乘客数量
|
移动开发 前端开发 数据可视化
一份小白前端可视化学习指南——附思维导图
一份小白前端可视化学习指南——附思维导图 前言 因为群里粉丝一直要求我写一篇「可视化入门指南」,今天他来了。其实说起前端可视化,大家所能想到的就是各种图表,大屏。这种看着贼炫酷,而笔者呢工作也一直从事3D前端开发工作,慢慢对图形产生了兴趣。但是呢一直做的是三维的东西,没搞过二维的。大概是2月前开始学习2D的一些东西,然后并写了一些文章,效果还不错。所以我就写一些经验之谈,大佬勿喷。我大概从4个方面去讲我是怎么学习的 「可视化不得不掌握的数学基础」 「svg」方面的学习 「canvas」方面的学习 「可视化中」不得不掌握的「图形算法」 读完本篇文章,你可以大概知道我该怎么去学,需要学什
一份小白前端可视化学习指南——附思维导图
|
存储 人工智能
|
XML JSON 定位技术
干货 | Python调用百度地图API获取各点的经纬度信息(两种方式)
干货 | Python调用百度地图API获取各点的经纬度信息(两种方式)
2327 0
|
Java 关系型数据库 MySQL
基于SpringBoot+Vue+Java+Mysql的智慧食堂的设计与实现,附源码
基于SpringBoot+Vue+Java+Mysql的智慧食堂的设计与实现,附源码
|
域名解析 网络协议 应用服务中间件
Harbor使用公网证书
Harbor使用公网证书
295 0
|
机器学习/深度学习 人工智能 自然语言处理
首篇《深度学习不确定性量化: 技术、应用与挑战》2020综述论文,61页pdf582篇文献
在优化和决策过程中,不确定性量化(UQ)在减少不确定性方面起着至关重要的作用。它可以用于解决科学和工程中的各种实际应用。贝叶斯逼近和集成学习技术是目前文献中使用最广泛的两种UQ方法。 在任何基于人工智能的系统中,以一种值得信赖的方式表示不确定性是非常可取的。通过有效地处理不确定性,这样的自动化系统应该能够准确地执行。不确定性因素在人工智能中扮演着重要的角色
2685 0
首篇《深度学习不确定性量化: 技术、应用与挑战》2020综述论文,61页pdf582篇文献
|
缓存 关系型数据库 MySQL
【Apollo】(1)--- Apollo入门介绍篇
【Apollo】(1)--- Apollo入门介绍篇
475 0

热门文章

最新文章