本系列文章是根据GeoPandas官方文档翻译整理，学习任何一个Python第三方库，其官方文档都是最好的学习资料。相比网络搜索得到的一些资料，官方文档是权威的一手资料，其内容全面、准确可靠。通过官方文档入手，能够保证学习认知不会有大偏差。在学习完官方文档后，可以在寻找其他资料进一步学习。
点击“阅读原文”或者直接访问下方链接，查看翻译整理的“GeoPandas 0.12.2 中文文档”。
https://www.mizhushare.com/docs-
可以通过百度网盘获取，需要在本地配置代码运行环境：
链接：https://pan.baidu.com/s/185Qs6RpVhyP2nm9VV39Ehw?pwd=mnsj提取码：mnsj
-
前往GitHub详情页面，单击 code 按钮，选择Download ZIP选项：
https://github.com/returu/geopandasGeoPandas基于matplotlib库提供了一个制作地图的高级接口。GeoSeries或GeoDataFrame上使用plot()方法可以很容易的绘制图形。一般来说，在matplotlib中可以传递给pyplot的任何选项都可以传递给plot()方法。
本次，仍以GeoPandas自带的world数据集为例：
绘图：
GeoPandas可以轻松创建 Choropleth 地图（每个形状的颜色基于关联变量的值）。只需使用 plot 命令，并将列参数设置为需要使用其值分配颜色的列。
1>>> world = gpd.read_file('./datasets/naturalearth_lowres/naturalearth_lowres.shp')
2>>> world = world[world.name!="Antarctica"] # 去除南极洲
3
4# 计算人均GPD数值
5>>> world['gdp_per_cap'] = world.gdp_md_est / world.pop_est
6
7# column参数为需要使用其值分配颜色的列
8>>> world.plot(figsize=(10,8) , column="gdp_per_cap")
绘图效果如下所示：
添加图例：
绘制地图时，可以使用 legend 参数启用图例：
1>>> import matplotlib.pyplot as plt
2
3>>> fig , ax = plt.subplots(1,1,figsize=(10,8))
4
5>>> world.plot(column="gdp_per_cap" , ax=ax , legend=True)
绘图效果如下所示：
但是，此时的图例和绘图轴的默认外观可能并不理想。
可以定义绘图轴（使用 ax）和图例轴（使用 cax），然后将它们传递给 plot() 。
以下示例使用 mpl_toolkits 垂直对齐绘图轴和图例轴：
1>>> from mpl_toolkits.axes_grid1 import make_axes_locatable
2
3>>> fig , ax = plt.subplots(1,1,figsize=(10,8))
4
5>>> divider = make_axes_locatable(ax)
6
7>>> cax = divider.append_axes("right" , size="5%" , pad=1)
8
9>>> world.plot(ax=ax , column="gdp_per_cap" , legend=True , cax=cax)
绘图效果如下所示：
以下示例在地图下方绘制颜色条并使用 legend_kwds 参数添加标签：
1>>> fig , ax = plt.subplots(1,1,figsize=(10,8))
2
3>>> world.plot(column='gdp_per_cap',
4 ax=ax,
5 legend=True,
6 legend_kwds={'label': "Population by Country",
7 'orientation': "horizontal"})
绘图效果如下所示：
设置颜色：
可以使用 cmap 选项修改 plot() 使用的颜色（有关颜色图的完整列表，请参阅 matplotlib 官网）：
1>>> world.plot(column='gdp_per_cap' , cmap="OrRd")
绘图效果如下所示：
当您只想显示边界时，要使颜色透明，您有两种选择。
一种选择是执行 world.plot(facecolor=”none”, edgecolor=”black”)。然而，需要注意的是“none”和 None 在使用 facecolor 的上下文中是不同的，并且它们做相反的事情。None 实际上会添加一种颜色。
1>>> world.plot(facecolor="none", edgecolor="black")
绘图效果如下所示：
第二种选择是使用 world.boundary.plot()，该方式更加明确和清晰。
1>>> world.boundary.plot()
绘图效果如下所示：
颜色图的缩放方式可以使用 scheme 选项进行操作（需要安装 mapclassify，未安装的话可以通过 conda install -c conda-forge mapclassify 来完成）。
scheme选项可以设置为mapclassify提供的任何方案（例如 ‘box_plot’、’equal_interval’、’fisher_jenks’、’fisher_jenks_sampled’、’headtail_breaks’、’jenks_caspall’、’jenks_caspall_forced’、’jenks_caspall_sampled’）。参数可以通过 、’max_p_classifier’、‘maximum_breaks’、’natural_breaks’、’quantiles’、’percentiles’、’std_mean’ 或 ‘user_defined’classification_kwds dict 传递。有关这些地图分类方案的更多详细信息，请参阅 mapclassify 文档。
1>>> world.plot(column='gdp_per_cap', cmap='OrRd', scheme="quantiles")
绘图效果如下所示：
缺失值处理：
在某些情况下，可能需要绘制包含缺失值的数据。但是 Geopandas（从 0.7 版本开始）默认忽略这些缺失值。
1>>> import numpy as np
2
3# 设置一些缺失值
4>>> world.loc[np.random.choice(world.index, 40), 'gdp_per_cap'] = np.nan
5
6>>> world.plot(column='gdp_per_cap')
绘图效果如下所示：
但是，通过 missing_kwds 参数可以指定包含 None 或 NaN 的特征的样式和标签。
1>>> world.plot(column='gdp_per_cap' , missing_kwds={'color':'lightgrey'})
绘图效果如下所示：
还可以为缺失值设置更为复杂的可视化效果：
1>>> world.plot(
2 column="gdp_per_cap",
3 legend=True,
4 scheme="quantiles",
5 figsize=(15, 10),
6 missing_kwds={
7 "color": "lightgrey",
8 "edgecolor": "red",
9 "hatch": "///",
10 "label": "Missing values",
11 },
12)
绘图效果如下所示：
轴标签：
可以使用 set_axis_off() 或 axis(“off”) 关闭轴标签。
1>>> ax = world.plot()
2>>> ax.set_axis_off()
绘图效果如下所示：
本篇文章来源于微信公众号: 码农设计师
