可视化分析之 Basemap 实战详解

开发 前端
上一篇文章讲解了Basemap基础知识,今天的文章主要阐述 BaseMap 实战。话不多说,一起来实战吧!

[[437194]]

本文转载自微信公众号「Python技术」,作者派森酱 。转载本文请联系Python技术公众号。

上一篇文章讲解了Basemap基础知识,今天的文章主要阐述 BaseMap 实战。话不多说,一起来实战吧!

BaseMap 画世界地图

BaseMap 画世界地图,主要方法是画地球海岸线,画国家分界线主要方法是:m.drawcoastlines()

BaseMap 画地球地图详细代码如下:

import matplotlib.pyplot as plt
from mpl_toolkits.basemap import Basemap
import numpy as np

def drawcoast():
plt.figure(figsize=(12, 8))
m = Basemap() # 创建一个地图
m.drawcoastlines() # 画海岸线
plt.show() # 显示图像
if __name__ == '__main__':
drawcoast()

运行结果图如下:

用 BaseMap 画中国地图

使用 BaseMap 画中国地图时需要增加中国的经纬度信息,详细方法如下:

# 画中国地图
def draw_china():
plt.figure(figsize=(10, 6))
m = Basemap(llcrnrlon=77, llcrnrlat=14, urcrnrlon=140, urcrnrlat=51, projection='lcc', lat_1=33, lat_2=45,
lon_0=100)
m.drawcountries(linewidth=1.5)
m.drawcoastlines()
plt.show()

中国地图显示如下

用 BaseMap 绘制地球

def draw_basic():
map = Basemap(projection='ortho', lat_0=0, lon_0=0)
map.drawmapboundary(fill_color='aqua')
map.fillcontinents(color='gray',lake_color='aqua')
map.drawcoastlines()
plt.show()

显示图片如下:

用 BaseMap 绘制人口分布图

根据添加的各个城市的主要人口分布后绘制出城市人口分布地图,详细方法和代码如下:

def drawearth():
names = []
pops = []
lats = []
lons = []
countries = []
file = open("data/main_city", encoding='utf-8').readlines()
for line in file:
info = line.split()
names.append(info[0])
pops.append(float(info[1]))
lat = float(info[2][:-1])
if info[2][-1] == 'S': lat = -lat
lats.append(lat)
lon = float(info[3][:-1])
if info[3][-1] == 'W': lon = -lon + 360.0
lons.append(lon)
country = info[4]
countries.append(country)
# set up map projection with
# use low resolution coastlines.
map = Basemap(projection='ortho', lat_0=35, lon_0=120, resolution='l')
# draw coastlines, country boundaries, fill continents.
map.drawcoastlines(linewidth=0.25)
map.drawcountries(linewidth=0.25)
# draw the edge of the map projection region (the projection limb)
map.drawmapboundary(fill_color='#689CD2')
# draw lat/lon grid lines every 30 degrees.
map.drawmeridians(np.arange(0, 360, 30))
map.drawparallels(np.arange(-90, 90, 30))
# Fill continent wit a different color
map.fillcontinents(color='#BF9E30', lake_color='#689CD2', zorder=0)
# compute native map projection coordinates of lat/lon grid.
x, y = map(lons, lats)
max_pop = max(pops)
# Plot each city in a loop.
# Set some parameters
size_factor = 80.0
y_offset = 15.0
rotation = 30
for i, j, k, name in zip(x, y, pops, names):
size = size_factor * k / max_pop
cs = map.scatter(i, j, s=size, marker='o', color='#FF5600')
plt.text(i, j + y_offset, name, rotation=rotation, fontsize=10)

plt.title('earth')
plt.show()

if __name__ == '__main__':
drawearth()

绘制出的地球图片如下:

画投影地球

最后来画一个有投影的地球,详细代码如下:

def draw_earth1():
import matplotlib.pyplot as plt
from mpl_toolkits.basemap import Basemap
plt.figure(figsize=(8, 8))
# 正射投影,投影原点设在了上海周边
m = Basemap(projection='ortho', resolution=None, lat_0=30, lon_0=120)
# 图像原始分辨率是5400*2700,设置scale = 0.5以后分辨率为2700*1350,如此作图
# 迅速不少也不那么占用内存了
m.bluemarble(scale=0.5)
plt.show()

if __name__ == '__main__':
draw_earth1()

绘画结果图如下:

总结

今天的文章就到这里啦,希望今天的文章对大家有帮助!

 

责任编辑:武晓燕 来源: Python技术
相关推荐

2023-07-26 12:38:42

PyGWalker数据类型

2016-11-25 11:16:22

阿里支付宝数据分析

2020-09-27 10:32:05

开发 Github可视化

2021-05-06 09:57:18

Python 开发编程语言

2018-01-25 14:34:18

大数据可视化工具

2020-09-09 12:15:50

大数据互联网可视化

2022-06-15 08:25:07

Python天气数据可视化分析

2020-09-27 14:56:33

工具数据可视化技术

2018-11-14 10:15:58

开源技术 数据

2018-01-03 17:22:22

DataHunter数据可视化分析

2016-11-28 15:03:06

Python数据可视化网络分析

2024-07-31 11:48:07

2021-09-09 06:40:28

Pyecharts可视化源码

2022-05-12 08:58:03

开源日志查询日志可视化

2021-06-04 12:56:22

数据分析岗位

2015-11-17 18:44:06

Qlik可视化

2016-04-26 14:04:29

大数据可视化

2020-05-14 10:19:23

Python可视化分析

2021-08-05 10:46:59

GitHub代码开发者

2021-06-30 23:38:56

Python微信好友
点赞
收藏

51CTO技术栈公众号