GeoPandas 绘制点图和热力图

案件需要一个比较直观的点分布图和热力图。

绘制底图

先从天地图拉一份全国地图的 geojson 数据，投影到 EPSG:4573，绘图看下。

import geopandas
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd

chn = geopandas.read_file(r"中国_省.geojson").to_crs("EPSG:4573")
fig, ax = plt.subplots(1, 1, figsize=(20, 20))
chn.plot(ax=ax, edgecolor='lightblue', facecolor='powderblue')
plt.show()

chn map

天地图的坐标是EPSG:4490(CGCS2000)，没有用火星坐标，非常开发友好。

绘制点图

读取点图数据为points_df，这里用天地图的示例数据，先统一坐标系，案件原始数据是 WGS84 的坐标，则需要set_crs("EPSG:4326")。

# 读取点数据，这里省略
points_df = pd.read_csv(...)
points_gdf = geopandas.GeoDataFrame(
        points_df,
        geometry=geopandas.points_from_xy(points_df.lon, points_df.lat)
    ).set_crs("EPSG:4490").to_crs("EPSG:4573")

利用geopandas.sjoin()筛选底图范围内的点。

1
2
3

points_gdf = geopandas.GeoDataFrame(points_df, geometry=geopandas.points_from_xy(points_df.lon, points_df.lat)).set_crs("EPSG:4326").to_crs("EPSG:4573")
points_index = geopandas.sjoin(points_gdf, chn, how='left')
points_inside_chn = points_index[points_index['index_right'].notna()]

绘制点图。

fig, ax = plt.subplots(1, 1, figsize=(20, 20))
chn.plot(ax=ax, edgecolor='lightblue', facecolor='powderblue')
points_inside_chn.plot(
    ax=ax,
    marker='o',
    color='green',
    markersize=5,
    alpha=0.6,
    label='Points'
)
plt.show()

point map

绘制热力图

这里用了 seaborn.kdeplot 核密度估计 (kernel density estimation) 做数据可视化。

import seaborn as sns

x_coords = points_inside_chn.geometry.x
y_coords = points_inside_chn.geometry.y

fig, ax = plt.subplots(1, 1, figsize=(20, 20))
chn.plot(ax=ax, edgecolor='lightblue', facecolor='powderblue')

sns.kdeplot(
    x=x_coords,
    y=y_coords,
    cmap="RdBu_r",
    fill=True,
    alpha=0.7,
    bw_adjust=0.1,
    ax=ax
)

plt.show()

alt text