geopandas学习(五)分层设色
文章参考:参考
地区分布图(Choropleth maps,又叫面量图)作为可能是最常见的一种地理可视化方法。
其核心是对某个与矢量面关联的数值序列进行有意义的分层,并为这些分层选择合适美观的色彩,最后完成对地图的着色。
优点是美观且直观,即使对地理信息一窍不通的人,也能通过颜色区分出不同面之间的同质性与异质性:
但同样地,如果对数据分层采取的方法有失严谨没有很好的遵循数据特点,会很容易让看到图的人产生出不正确的判断。
下面我们按照先分层,后设色的顺序进行介绍。
1.1 基于mapclassify的数据分层
上一篇文章中我们提到过,,在geopandas.GeoDataFrame.plot()中,参数scheme对应的数据分层是基于第三方库mapclassify实现的。
import pandas as pd
import matplotlib.pyplot as plt
import geopandas as gpd
import warnings
warnings.filterwarnings('ignore')
%matplotlib inline
plt.rcParams["font.family"] = "SimHei" # 设置全局中文字体为黑体
# 读入中国矢量数据
china = gpd.read_file('zip://china-shapefiles.zip!china-shapefiles',
layer='china',
encoding='utf-8')
# 由于每行数据是单独的面,因此按照其省份列OWNER融合
china = china.dissolve(by='OWNER').reset_index(drop=False)
# 读入南海九段线数据
nine_lines = gpd.read_file('zip://china-shapefiles.zip!china-shapefiles',
layer='china_nine_dotted_line',
encoding='utf-8')
# 读入2020-03-08更新的新冠肺炎原始数据
raw = pd.read_csv('DXYArea.csv', parse_dates=['updateTime'])
# 定义CRS
albers_proj = '+proj=aea +lat_1=25 +lat_2=47 +lon_0=105'
# 抽取updateTime列中的年、月、日信息分别保存到新列中
raw['year'], raw['month'], raw['day'] = list(zip(*raw['updateTime'].apply(lambda d: (d.year, d.month, d.day))))
# 得到每个省份最新的指标数据
temp = raw.sort_values(['provinceName', 'updateTime'],
ascending=False,
ignore_index=True).groupby('provinceName') \
.first() \
.reset_index(drop=False) \
.loc[:, ['provinceName',
'provinceEnglishName',
'province_confirmedCount',
'province_suspectedCount',
'province_curedCount',
'province_deadCount']]
# 查看前5行
temp.head()
因此要想对geopandas中的数据分层有深入的了解,我们就得先来了解一下mapclassify中的各种数据分层算法。
1.1.1 BoxPlot
在mapclassify中我们使用BoxPlot()来为数据实现箱线图分层:
import mapclassify as mc
# 对各省2020-03-04对应的累计确诊数量进行分层
bp = mc.BoxPlot(temp['province_confirmedCount'])
# 查看数据分层结果
bp
可以看出通过箱线图法将数据分成了五类,其中异常值只有1个即为湖北省。
下面我们配合geopandas来对上述结果进行可视化,和上一篇文章一样,按照省级单位名称连接我们的疫情数据与矢量数据:
data_with_geometry = pd.merge(left=temp.replace('澳门', '澳门特别行政区'),
right=china,
left_on='provinceName',
right_on='OWNER',
how='right'
).loc[:, ['provinceName',
'provinceEnglishName',
'province_confirmedCount',
'province_suspectedCount',
'province_curedCount',
'province_deadCount',
'geometry'
]]
# 将数据从DataFrame转换为GeoDataFrame
data_with_geometry = gpd.GeoDataFrame(data_with_geometry, crs='EPSG:4326')
data_with_geometry.head()
接着对其进行可视化,在上一篇文章图28的基础上,将scheme参数改为BoxPlot,又因为箱线图可以看作无监督问题,故分层数量k在这里无效,删去:
fig, ax = plt.subplots(figsize=(10, 10))
ax = data_with_geometry.to_crs(albers_proj).plot(ax=ax,
column='province_confirmedCount',
cmap='Reds',
missing_kwds={
"color": "lightgrey",
"edgecolor": "black",
"hatch": "",
"label": "缺失值"
},
legend=True,
scheme='BoxPlot',
legend_kwds={
'loc': 'lower left',
'title': '确诊数量分级',
'shadow': True
})
ax = nine_lines.geometry.to_crs(albers_proj).plot(ax=ax,
edgecolor='grey',
linewidth=3,
alpha=0.4)
ax.axis('off')
plt.suptitle('新型冠状肺炎累计确诊数量地区分布', fontsize=24) # 添加最高级别标题
plt.tight_layout(pad=4.5) # 调整不同标题之间间距
ax.text