空间核密度图是一种强大的空间数据分析工具,主要用于可视化地理空间数据中的点模式。
可以用其识别数据集中的高密度区域,比如交通拥堵点、事故多发区、出租车载客、下客的集中区域等。通过核密度图,可以更直观地理解数据在空间上的分布特征,从而为各种决策提供数据支持。
欢迎关注本人的公众号--交通数据探索师
核密度分析法用于计算空间要素在其周围邻域中的密度分布情况。首先以某个坐标点的经纬度作为中心,给定一个值h作为半径画圆,计算圆内包含所有坐标点的数量,然后除以圆的面积。中心位置的密度值最大,距离中心点越远,密度值也逐渐减小。距离最远的位置密度为0。其计算公式如下,
n: 一定距离范围内的点的数量
K(): 表示核密度函数
h: 距离阈值
本文主要通过geoplot库进行空间核密度图的绘制。
安装geoplot
pip install geoplot
使用数据如下,
南京市某天部分出租车gps采集点数据,如下,
南京市区域底图,如下,
接下来直接上代码,
import pandas as pd import geoplot as gplt import geoplot.crs as gcrs import matplotlib.pyplot as plt import geopandas as gpd # 解决中文乱码问题,并设置字体 plt.rcParams['axes.unicode_minus'] = False plt.rcParams['font.family'] = ['SimHei'] plt.rcParams['font.sans-serif'] = ['SimHei'] # 读取行政区底图数据 shp = gpd.read_file(r'D:\ljf\python\xianyu\出租车轨迹\320100.shp') # 如果读取的shp文件中geometry类型为multipolygon,则需要爆炸成polygon # 否则下面通过gplt.polyplot绘图时会报错 shp = shp.explode() # 读取gps轨迹点数据 data = gpd.read_file(r'D:\ljf\python\xianyu\出租车轨迹\gps_point.shp') fig,ax = plt.subplots(figsize=(8,5),dpi=200) gplt.kdeplot( data, cmap = "Spectral_r", # 颜色条颜色 Spectral_r表示Spectral的反转颜色 clip = shp.geometry, # clip表示最终生成的形状为核密度图与shp相交的形状 levels=20, # 绘制的等高线的条数 thresh=0.0005, # 设置了一个阈值,低于这个密度的区域将不会被显示。这有助于去除那些密度非常低、可能只是由于噪声引起的区域。 fill=True, ax=ax, ) gplt.polyplot(shp, zorder=2,facecolor="none",linewidth=0.1,ax=ax, alpha=0.5) plt.title("gps点位分布",fontsize = 15) plt.tight_layout() plt.savefig(r'D:\ljf\python\xianyu\出租车轨迹\kdeplot1.png')
输出结果如下,