除了使用自定义颜色外，我们还可以使用颜色映射（colormap），这是一种将数值映射到颜色的方法。颜色映射可以帮助我们更好地表现数据范围。

Matplotlib提供了一些预定义的颜色映射，包括热力图、彩虹图、灰度图等。我们可以使用下面的代码来创建一个热力图：

在这个例子中，我们使用scatter()函数绘制一个散点图，其中每个点的颜色都是随机生成的。我们使用cmap参数设置颜色映射，将其设置为热力图（hot colormap）。最后，我们使用colorbar()函数添加一个颜色条。运行代码后，我们可以看到绘制的图表如下所示：

除了使用预定义的颜色映射外，我们还可以自定义自己的颜色映射。下面的代码演示了如何自定义一个颜色映射：

在这个例子中，我们首先生成一个256个值的数组，并将其映射到红色和绿色组成的颜色空间中。然后，我们使用ListedColormap类将颜色转换为颜色映射对象。最后，我们使用scatter()函数绘制散点图，并将自定义的颜色映射传递给cmap参数。

除了使用Matplotlib绘图外，我们还可以使用GeoPandas将地理数据可视化。GeoPandas是一个建立在Pandas和Shapely之上的库，可以使处理地理数据更加轻松。它可以处理各种类型的地理数据，包括点、线、多边形、网格等。

下面的代码演示了如何使用GeoPandas将地理数据可视化：

在这个例子中，我们使用gpd.read_file()函数读取naturalearth_lowres数据集，并将其存储在world变量中。然后，我们使用plot()函数将地理数据可视化，并将gdp_md_est列作为颜色参数，使用OrRd颜色映射。

在本文中，我们介绍了如何在Matplotlib绘图中使用自定义颜色和颜色映射。我们还介绍了如何使用GeoPandas可视化地理数据。希望这篇文章能够帮助你更好地使用Matplotlib和GeoPandas进行数据可视化。