Python可视化与basemap数据地图系列1

前天最近在梳理Python中可以制作数据地图的可视化工具包，分别实践了geopandas、folium、Basemp,通过对比发现，静态地图中最为成熟的最终还得是Basemap工具，它是mpl_toolkits包中的一个专门用于构建地理信息数据可视化的扩展库。

Basemap工具在地理信息读写、坐标映射、空间坐标转化与投影等方面做的要比geopandas更加成熟，它可以使用常规的地图素材数据源（shp）作为底图进行叠加绘图，效果与精度控制比较方便，图表质量堪比R语言中的ggplot2绘图包（geom_polygon），唯一不足的是它是一个底层构建工具，所有的多边形映射都需要手动构造循环（目前还没有发现比较好用的基于basemap的扩展工具），作图效率与速度上自然无法媲美R语言的ggplot2(缺少一套健全的顶层语法支撑)。

接下来会用3~5篇的篇幅分享给大家基于basemap包的应用场景，包含散点图（气泡图）、折现图（路径图等线图类型）以及最常用的热力填充地图。

本小节介绍填充地图与散点图应用，案例是使用itchat接口抓取的本人微信好友信息。

import itchat

import numpy as np

import pandas as pd

import matplotlib.pyplot as plt

import matplotlib

from matplotlib.patches import Polygon

from mpl_toolkits.basemap import Basemap

from matplotlib.collections import PatchCollection

1、微信网页版登录：

itchat.login()

#使用手机微信扫一扫扫描弹出二维码即可登录。

#Getting uuid of QR code.

#Downloading QR code.

#Please scan the QR code to log in.

#Please press confirm on your phone.

#Loading the contact, this may take a little while.

#Login successfully as 杜雨

#提取微信好友信息：

friends = itchat.get_friends(update=True)

df_friends = pd.DataFrame(friends)

df_friends.to_csv("wechat_friends.csv",encoding = "utf_8_sig")

#friends = pd.read_csv("D:/Python/File/wechat_friends.csv")

mydata = friends.loc[:,["NickName","Province","Signature"]]

2、聚合计算好友地区分布：

aggResult = mydata.groupby(['Province'])['NickName'].agg({'人数': np.size}).reset_index()

aggResult.sort_values(by = ['人数'],ascending = False,inplace=True)

#拆分国内城市与国外城市：



def match_str(item):

    result = []

    for i in item:

        try: 

            m = re.search("^[\u4e00-\u9fa5]{1,}",i).group()

            result.append(m)

        except:

            continue

    return(result)



Domestic = match_str(aggResult["Province"].tolist())

Domestic = aggResult.loc[aggResult.Province.isin(Domestic),:]

Foreign  = aggResult.loc[aggResult.Province.isin([i for i in aggResult.Province.tolist() if i not in Domestic.Province.tolist()]),:]

Domestic['scala'] = (Domestic.人数-Domestic.人数.min())/(Domestic.人数.max()-Domestic.人数.min())

清洗与矫正省份（地区）名称

def correct(name_list):

    name = []

    for i in name_list:

        if i in ["内蒙古","西藏"]:

            i += "自治区"

        elif i == "宁夏":

            i += "回族自治区"

        elif i == "新疆":

            i += "维吾尔族自治区"

        elif i == "广西":

            i += "壮族自治区"

        elif i in ["香港","澳门","台湾"]:

            i += "特别行政区"

        elif i in ["北京","天津","重庆","上海"]:

            i += "市"

        else:

            i += "省"name.append(i)

    return(name)

Domestic["Province"] = correct(Domestic["Province"])

3、合并本地经纬度数据： #散点图数据源：

point_data = pd.read_csv("D:/R/rstudy/Province/chinaprovincecity.csv",encoding = "gbk") 

Domestic = Domestic.merge(point_data.loc[:,["province","jd","wd"]],how = "left",left_on = "Province",right_on = "province")

实例化地图对象，并导入本地shp中国地图

basemap = Basemap(llcrnrlon= 75,llcrnrlat=10,urcrnrlon=150,urcrnrlat=55,projection='poly',lon_0 = 116.65,lat_0 = 40.02,ax = ax)

basemap.readshapefile(shapefile = "D:/R/rstudy/CHN_adm/bou2_4p",name = "china")

导入的shp格式地图中很多行政区划信息乱码，需要纠正编码

mapData = pd.DataFrame(basemap.china_info)

mapData["NAME"] = mapData["NAME"].map(lambda x: x.decode("gbk") if len(x) != 0 else x)

#mapData["NAME"] = [i.decode("gbk") if len(i) !=0 else i for i in mapData["NAME"].tolist()]

mapData = mapData.merge(Domestic,how = "left",left_on='NAME', right_on="Province")

4、数据可视化

font = {'family' : 'SimHei'};

matplotlib.rc('font', **font);

fig = plt.figure(figsize=(16,12))

ax  = fig.add_subplot(111)



###构建省份填充函数（按照各省好友人数比例）：

def plotProvince(row):

    mainColor = (42/256, 87/256, 141/256,row['scala']);

    patches = []

    for info,shape in zip(mapData["NAME"].tolist(),basemap.china): 

        if info == row['Province']:

            patches.append(Polygon(xy = np.array(shape), closed=True))

    ax.add_collection(PatchCollection(patches,facecolor=mainColor,edgecolor=mainColor,linewidths=1.,zorder=2))

Domestic.apply(lambda row: plotProvince(row), axis=1)

    #构建散点图(基于各省好友数量)



def create_great_points(df):

    lon   = np.array(df["jd"])

    lat   = np.array(df["wd"])

    pop   = np.array(df["scala"],dtype=float)

    x,y = basemap(lon,lat)

    for lon,lat,pop in zip(x,y,pop*50):

        basemap.scatter(lon,lat,color = "#c72e29",marker = "o",s = pop*25)

create_great_points(Domestic)



plt.axis("off")  #关闭坐标轴

plt.savefig("D:/Python/Image/杜雨/itwechat.png") #保存图表到本地

plt.show()    #显示图表

整个内容中涉及到的bou2_4p.shp,chinaprovincecity.csv均为之前推送过的R语言ggplot2系列所用数据源，公开在github上：

https://github.com/ljtyduyu/DataWarehouse，friends数据集是直接用itchat包扫码登录获取的好友数据，无需多余配置，整个过程非常简单。

写在最后！！！

关于basemap包构建地图的资料实在是太少了，整整整理好好几天，逛了N多个Stack Overflow才打通这个流程，一定要珍惜哦，如果觉着这还不够过瘾，最近正在录制的课程《R语言商务图表与数据可视化》已经更新到第九章了，足足四章的地理信息可视化模型、原理、应用一定会让你收获满满，赶快来瞧瞧吧~

https://edu.hellobi.com/course/264