使用 user_defined 分类方案绘制等值线图（使用 geopandas）

Question

我是 python 的新手，所以我希望我的问题的答案相对简单明了。

我正在尝试使用 geopandas 制作等值线图。但是，由于我正在制作需要相互比较的多张地图，因此我必须使用自定义数据分类方案（而不是分位数或 jenks）。因此，我一直在尝试使用 User_Defined 方案，并且我能够创建垃圾箱，但我不知道如何将它们应用到地图本身。

这就是我创建分类方案所做的工作：

    import pysal.esda.mapclassify as ps
    from pysal.esda.mapclassify import User_Defined

    bins = [5, 20, 100, 600, 1000, 3000, 5000, 10000, 20000, 400000]
    ud = User_Defined(projected_world_exports['Value'], bins)

（其中 'Value' 是我在地图中绘制的列）

然后当我尝试绘制等值线图时，我不知道该方案的名称是什么

    projected_world_exports.plot(column='Value', cmap='Greens', scheme = ?????)

如果有人能提供帮助，我将不胜感激！

谢谢 x

Answer 1

我看了看 geopandas 绘图函数的代码 (https://github.com/geopandas/geopandas/blob/master/geopandas/plotting.py) 但我猜 plot 方法只接受三个名称之一 ("quantiles", "equal_interval", "fisher_jenks") 但不是直接的 bin 列表或 pysal.esda.mapclassify 分类器，例如 User_Defined.
（我想它可能与 issue 相关联，其中最后一条评论是关于为 "user defined" binning 定义 API。

但是现在我猜你可以通过稍微修改和重用我链接的文件中的函数来实现这一点。例如，您可以像这样重写您自己的 plot_dataframe 版本：

import numpy as np

def plot_dataframe(s, column, binning, cmap,
                   linewidth=1.0, figsize=None, **color_kwds):
    import matplotlib.pyplot as plt

    values = s[column]
    values = np.array(binning.yb)

    fig, ax = plt.subplots(figsize=figsize)
    ax.set_aspect('equal')

    mn = values.min()
    mx = values.max()

    poly_idx = np.array(
        (s.geometry.type == 'Polygon') | (s.geometry.type == 'MultiPolygon'))
    polys = s.geometry[poly_idx]
    if not polys.empty:
        plot_polygon_collection(ax, polys, values[poly_idx], True,
                                vmin=mn, vmax=mx, cmap=cmap,
                                linewidth=linewidth, **color_kwds)

    plt.draw()
    return ax

然后您需要通过复制来定义函数 _flatten_multi_geoms and plot_polygon_collection，然后您就可以像这样使用它了：

bins = [5, 20, 100, 600, 1000, 3000, 5000, 10000, 20000, 400000]
ud = User_Defined(projected_world_exports['Value'], bins)

plot_dataframe(projected_world_exports, 'Value', ud, 'Greens')

Answer 2

这是一种不需要修改 geopandas 代码的替代方法。它涉及首先标记 bin，以便您可以创建自定义颜色图，将每个 bin 标签映射到特定颜色。然后必须在您的地理数据框中创建一列，指定将哪个 bin 标签应用于地理数据框中的每一行，然后使用该列使用自定义颜色图绘制等值线。

from matplotlib.colors import LinearSegmentedColormap

bins = [5, 20, 100, 600, 1000, 3000, 5000, 10000, 20000, 400000]

# Maps values to a bin.
# The mapped values must start at 0 and end at 1.
def bin_mapping(x):
    for idx, bound in enumerate(bins):
        if x < bound:
            return idx / (len(bins) - 1.0)

# Create the list of bin labels and the list of colors 
# corresponding to each bin
bin_labels = [idx / (len(bins) - 1.0) for idx in range(len(bins))]
color_list = ['#edf8fb', '#b2e2e2', '#66c2a4', '#2ca25f', '#006d2c', \
              '#fef0d9', '#fdcc8a', '#fc8d59', '#e34a33', '#b30000']

# Create the custom color map
cmap = LinearSegmentedColormap.from_list('mycmap', 
                                         [(lbl, color) for lbl, color in zip(bin_labels, color_list)])
projected_world_exports['Bin_Lbl'] = projected_world_exports['Value'].apply(bin_mapping)
projected_world_exports.plot(column='Bin_Lbl', cmap=cmap, alpha=1, vmin=0, vmax=1)

Answer 3

这可以使用 UserDefined scheme 轻松完成。在定义此类方案时，将在幕后使用 mapclassify.MapClassifier 对象。事实上，所有支持的方案都是由 mapclassify.

提供的

要传递您的垃圾箱，您需要在 classification_kwds 个参数中传递它们。

因此，您的代码将是：

projected_world_exports.plot(
    column='Value', 
    cmap='Greens', 
    scheme='UserDefined', 
    classification_kwds={'bins': bins}
)

使用 user_defined 分类方案绘制等值线图（使用 geopandas）

Plotting a choropleth map (with geopandas) using a user_defined classification scheme

python

user-defined

choropleth

geopandas

bins