|
利用Python制作中国GDP分布图和动态演示
数据读取
## 导入相关模块
import pandas as pd
import geopandas as gpd
import numpy as np
import matplotlib.pyplot as plt
from shapely.geometry import Point
import matplotlib.patches as mpatches
from mpl_toolkits.basemap import Basemap
from matplotlib_scalebar.scalebar import ScaleBar
plt.rcParams['font.family'] = ['sans-serif']
plt.rcParams['font.sans-serif'] = ['SimHei']# 替换sans-serif字体为黑体
plt.rcParams['axes.unicode_minus'] = False # 解决坐标轴负数的负号显示问题
regibns = gpd.GeoDataFrame.from_file("F:\ArcGIS\ArcGIS文件\全国\中国地图\省级行政区.shp")
regibns.plot()
## 查看坐标系
regibns.crs
## 绘制国界线
nine_lines = gpd.read_file('F:\ArcGIS\ArcGIS文件\全国\中国地图\国界线.shp')
nine_lines.plot()
## 经纬网
jingwei = gpd.GeoDataFrame.from_file('F:\ArcGIS\ArcGIS文件\全国\中国地图\经纬网.shp')
fig = plt.figure(figsize=(8,8)) #设置画布大小
ax = plt.gca()
regibns.plot(ax=ax)
jingwei.plot(ax=ax)
nine_lines.plot(ax=ax)
taiwan = gpd.GeoDataFrame.from_file("F:\ArcGIS\ArcGIS文件\全国\中国地图\省级行政区.shp")
taiwan = taiwan[regibns['NAME'].isin(['台湾'])]
taiwan.plot()
数据清洗
regibns = regibns[['GDP_1994（','GDP_1997（','GDP_1998（','GDP_1999（','GDP_2000（','NAME',
'geometry']]
regibns = regibns.rename(columns={'GDP_1994（':'GDP_1994','GDP_1997（':'GDP_1997','GDP_1998（':'GDP_1998','GDP_1999（':'GDP_1999','GDP_2000（':'GDP_2000'})
regibns.head()
data = pd.read_excel('中国各省GDP.xlsx')
data.shape
data.head()
数据连接
GDP = pd.merge(regibns,data,on='NAME') ## 连接
GDP.head()
绘图
## 绘制中国2020年GDP分布图
fig = plt.figure(figsize=(12,12)) #设置画布大小
ax = plt.gca()
ax.set_title("中国2020年各省级行政单位GDP分布图(单位:亿元)",fontsize=24,loc='center')
regibns['coords'] = regibns['geometry'].apply(lambda x: x.representative_point().coords[0])
for n, i in enumerate(regibns['coords']):
plt.text(i[0], i[1], regibns['NAME'][n], size=12)
# 主图绘制
GDP.plot(ax=ax,column='GDP_2020',scheme='quantiles',legend=True,linewidth=0.5,cmap='Reds',edgecolor='k',
legend_kwds={
'loc': 'lower left',
'title': '图例',
'shadow': True,
'fontsize':12,
'frameon':True,
'prop':{'family': 'Times New Roman', 'weight': 'normal', 'size': 12}})
jingwei.plot(ax=ax,linewidth=2,alpha=0.5,edgecolor='black')
nine_lines.plot(ax=ax,edgecolor='black',linewidth=2,alpha=0.5)
taiwan.plot(ax=ax,hatch= "////",label= "缺失值",facecolor='lightgrey')
# 副图框绘制
ax_child = fig.add_axes([0.72, 0.20, 0.15, 0.15]) # left, bottom, width, height
GDP.plot(ax=ax_child,color='#E24A33',edgecolor='grey',linewidth=0.5)
GDP.plot(ax=ax_child,color='#348ABD',edgecolor='grey',linewidth=0.5)
ax_child = nine_lines.geometry.plot(ax=ax_child,edgecolor='black',linewidth=2,alpha=0.5)
taiwan.plot(ax=ax_child,hatch= "////",label= "缺失值",facecolor='lightgrey')
ax_child.set(xlim=(0*10**6,2*10**6),ylim=(0*10**6,2.8*10**6))
ax_child.set_xticks([])
ax_child.set_yticks([])
# 额外图例绘制
p1=gpd.GeoDataFrame({'geometry':[Point(-1.60*10**6,-0.1*10**6)]})
p1.plot(ax=ax,markersize=100,facecolor='lightgrey',hatch= "////")
ax.text(-1.54*10**6,-0.15*10**6, "NoData",{'family': 'Times New Roman', 'weight': 'normal', 'size': 12})
# 添加比例尺
scalebar = ScaleBar(dx=1*10**-3,units='km',length_fraction=0.1,
font_properties={'family': 'Times New Roman', 'weight': 'normal', 'size': 12},
location=8,sep=1,frameon=False)
ax.add_artist(scalebar)
# 添加指北针
x, y, arrow_length = 0.42, 0.09, 0.07
ax.annotate('N', xy=(x, y), xytext=(x, y-arrow_length),
arrowprops=dict(facecolor='black', width=4, headwidth=7),
ha='center', va='center', fontsize=10,
xycoords=ax.transAxes)
# plt.savefig('中国2020年各省级行政单位GDP分布图.png',dpi=300)
批量出图
为了出图方便、可控、美观，所以有所简略。
reg = GDP.copy() ##好习惯，数据不干扰
## 列表表达式
data_plot = [('GDP_1994','中国1994年GDP分布图(单位:亿元)'),
('GDP_1997','中国1997年GDP分布图(单位:亿元)'),
('GDP_1998','中国1998年GDP分布图(单位:亿元)'),
('GDP_1999','中国1999年GDP分布图(单位:亿元)'),
('GDP_2000','中国2000年GDP分布图(单位:亿元)'),
('GDP_2010','中国2010年GDP分布图(单位:亿元)'),
('GDP_2019','中国2019年GDP分布图(单位:亿元)'),
('GDP_2020','中国2020年GDP分布图(单位:亿元)'),]
## 批量出图，不要忘记台湾
for m, cal in enumerate(data_plot):
reg['coords'] = reg['geometry'].apply(lambda x: x.representative_point().coords[0])
ax = reg.plot(figsize=(10, 10), column=cal[0], scheme='quantiles', legend=True, cmap='Reds', edgecolor='k')
taiwan.plot(ax=ax,hatch= "////",label= "缺失值",facecolor='lightgrey')
for n, i in enumerate(regibns['coords']):
plt.text(i[0], i[1], regibns['NAME'][n], size=12)
plt.title(cal[1],size=20)
plt.grid(True, alpha=0.3)
# plt.savefig(str(m)+'.png',dpi=300)
## 绘制子图
fig=plt.figure(figsize=(15,30))
for m, cal in enumerate(data_plot):
reg['coords'] = reg['geometry'].apply(lambda x: x.representative_point().coords[0])
ax = reg.plot(ax=plt.subplot(4,2,m+1),column=cal[0],figsize = (10,10), scheme='quantiles', legend=True, cmap='Reds', edgecolor='k')
taiwan.plot(ax=ax,hatch= "////",label= "缺失值",facecolor='lightgrey')
for n, i in enumerate(regibns['coords']):
plt.text(i[0], i[1], regibns['NAME'][n], size=12)
#plt.subplots_adjust(bottom=0.1, right=0.6, top=0.5)
plt.title(cal[1],size=20)
plt.grid(True, alpha=0.3)
plt.savefig('中国GDP演变图2.png',dpi=300)
制作动图
## 创建文件夹夹
def mkdir(path):
folder = os.path.exists(path)
if not folder: # 判断是否存在文件夹如果不存在则创建为文件夹
os.makedirs(path) # makedirs 创建文件时如果路径不存在会创建这个路径
print("--- new folder... ---")
print("--- OK ---")
else:
print("--- There is this folder! ---")
file = r'F:\ArcGIS\ArcGIS文件\全国\中国地图ArcGIS练习数据\代码\photo'
mkdir(file) # 调用函数
## 复制文件
import shutil
array = np.arange(9)
ls=list(array)
rs=map(str,ls)
path=r'F:\ArcGIS\ArcGIS文件\全国\中国地图ArcGIS练习数据\代码' #待读取的文件夹
root = 'F:\ArcGIS\ArcGIS文件\全国\中国地图ArcGIS练习数据\代码\photo'
num=0
for num in range(8):
name = str(num) + '.png'#将0-8选出来
if name in os.listdir(path):#取出文件名数字部分是18倍数的文件
sourcefile = os.path.join(path, name) # 拼路径
print(sourcefile)
shutil.copy(sourcefile, root)# 将指定的文件复制到root的文件夹里面
else:
print("no")
## 制作动图
# _*_ coding:utf-8 _*_
import matplotlib.pyplot as plt
import imageio
from PIL import Image, ImageSequence
__author__ = 'admin'
GIF=[]
filepath = r'F:\ArcGIS\ArcGIS文件\全国\中国地图ArcGIS练习数据\代码\photo'#文件路径
filenames=os.listdir(filepath)
for filename in os.listdir(filepath):
GIF.append(imageio.imread(filepath+"\\"+filename))
imageio.mimsave(filepath+"\\"+'result.gif',GIF,duration=1)#这个duration是播放速度，数值越小，速度越快
问题和总结
PicGO的gitee不太支持太大文件的传输，CSDN也只支持5MB以内，但是简书可以超过5MB，我这次这个动图就是使用的简书。
还有就是shp文件的坐标的问题，要投影正确，图才能叠到一起。
第三就是这个GDP数据有所错误或者缺失的地方，大家谅解。
|