原来炫酷的可视化地图，用Python就能搞定！
共 6393字，需浏览 13分钟
·
2021-04-29 14:14
对于可视化地图，Pyecharts是小F以前用的最多的。
还有应该就是一些网站了，现成的工具，不需要敲代码。
在5G手机可视化那一篇文章，也是用Pyecharts做的地图～
而对于Matplotlib，目前小F还没有使用它绘制过地图。
所以在查阅相关资料的时候，又发现了大佬造的轮子。
Python+Selenium+Matplotlib，实现中国地图可视化。
地图数据来源于民政部，真实可靠。
项目地址：https://gitee.com/jixuanfan/Map-of-China
由于小F之前一直用「GitHub」保存代码，压根就没有注册「Gitee」。
而作者的代码以及相关数据是上传到「Gitee」上，需要注册下载。
不想注册那么多账号，所以查了一下在不登录情况下，能否下载项目代码。
CURL，是一个利用URL语法在命令行下工作的文件传输工具。
# 在仓库地址(https://gitee.com/jixuanfan/Map-of-China)
# 后面拼接/repository/archive/master.zip
# 下载本例项目代码
curl -o data.zip https://gitee.com/jixuanfan/Map-of-China/repository/archive/master.zip
Windows或许需要安装，那还是老老实实注册账号，然后下载项目代码。
Mac和Linux应该都是内置CURL，直接使用命令就行，无需安装。
/ 01 / 地图数据获取
Get_Map，基于Python爬虫，主要用到Selenium+正则。
Selenium是一个用于测试网站的自动化测试工具，这里我们主要是用它来模拟浏览器操作，进而获取地图数据。
安装教程网上都有，推荐使用谷歌浏览器，驱动文件和浏览器版本需一致。
获取地图数据的两个接口地址。
# 首页URL，获取当前所有行政区划的代码
http://xzqh.mca.gov.cn/map
# 查询URL，获取国家或省市的具体地图数据
http://xzqh.mca.gov.cn/defaultQuery?
首先是获取行政区划的代码，最小应该是到县一级。
绘制不同类型的地图，所需要的数据获取函数如下。
行政代码不清楚，网上查询一下就好咯～
import Map_of_China as Map
# 创建获取地图数据对象
M=Map.Get_Map()
# 获取首页全国各省的地图数据
M.Get_country()
# 获取一组省份内各地级行政区划的数据
M.Get_provinces([32,43])
# 自动获取全国尚未获取的省份数据
M.Get_provinces_auto()
# 获取一组地级市内各县级行政区划的数据
M.Get_cities([3201,3203])
# 自动获取某个省尚未获取的县级行政区划数据
M.Get_cities_auto(32)
# 获取全国所有县级行政区划的数据（合并在一张地图中）
M.Get_country_county()
数据主要包括形状、形状颜色、形状轮廓、文字、文字位置、标注点形状、标注点位置等。
具体爬取代码、数据解析及函数的相关参数，查看Map_of_China.py文件可知。
/ 02 / 地图数据呈现
Draw_Map，基于Matplotlib绘制地图。
01. 绘制省/地级/县级行政区划的轮廓
import Map_of_China as Map
# 创建获取地图数据对象
M = Map.Get_Map()
# 创建绘制地图对象
D = Map.Draw_Map()
# #获取首页全国各省的地图数据
M.Get_country()
# 江苏地图
D.Draw_single_shape('Data/Country/320000.txt', LC=[116, 169, 221],
FC=[96, 139, 219], BC='w', lw=2, title='江苏轮廓',
img_path='jiansu.jpg')
# 获取各省份内各地级行政区划的数据
M.Get_provinces([32])
# 南京地图
D.Draw_single_shape('Data/Province/32-江苏/320100.txt', LC='k', FC=None,
title='南京轮廓', img_path='nanjing.jpg')
得到结果如下。
函数可设置的参数，有线条、填充、背景颜色，以及线宽、标题、图片保存路径等。
02. 绘制全国地图
import Map_of_China as Map
# 创建获取地图数据对象
M = Map.Get_Map()
# 创建绘制地图对象
D = Map.Draw_Map()
# 绘制全国地图
D.Draw_country(FC=True, img_path='china.jpg', arg={'provName': False,
'city_name': True, 'city_pos': True, 'sea': False}, title='中国地图')
因为前面已经把全国的地图数据爬取下来，所以这里就省去了下载数据的代码。
得到结果如下。
配色方案，默认设置为民政部官网上的配色。
有一些参数和轮廓图相同，不过也添加了一些新的参数。
比如南海地图位置，显示省份名称，省份名称颜色等。
03. 绘制省份地图
import Map_of_China as Map
# 创建获取地图数据对象
M = Map.Get_Map()
# 获取广东省份内各地级行政区划的数据
M.Get_provinces([44])
# 创建绘制地图对象
D = Map.Draw_Map()
# 绘制广东省地图
D.Draw_province('广东', FC=True, LC='w', arg={'other': True, 'city_pos': True, 'city_name': True},
img_path='guangdong.jpg')
对于省份数据，前面小F只爬取了江苏省，所以这里需要爬取广东省的地图数据才行。
得到结果如下。
绘制省份地图函数对应的参数有。
code可为省份的2位编码或者名称，此处设置为「广东」。
函数还包含绘制热力图的参数，data和by_val。
arg中的other设置为False时，表现不显示周围省份或城市的地图，默认参数为True，即显示。
04. 地级行政单位地图
import Map_of_China as Map
# 创建获取地图数据对象
M = Map.Get_Map()
# 获取南京、深圳行政区划的数据
M.Get_cities([3201, 4403])
# 创建绘制地图对象
D = Map.Draw_Map()
# 南京地图(默认样式)
D.Draw_city('3201', img_path='nanjing_city.jpg')
# 深圳地图(自定义样式)
D.Draw_city('深圳', FC=True, LC='w', arg={'other': True, 'city_pos': True, 'city_name': True},
img_path='shenzhen.jpg')
得到结果如下。
此处code为地级市的四位编码。
import Map_of_China as Map
# 创建获取地图数据对象
M = Map.Get_Map()
# 创建绘制地图对象
D = Map.Draw_Map()
# 文件路径
src = 'Example/GDP-2018.csv'
# 按数据的相对大小(排名)显示
D.Show_data(src, by_val=False, arg={'default_color': [0.6, 0.6, 0.6], 'sea': False},
img_path='gdp.jpg', title='2018年各省市GDP')
得到结果如下。
CSV文件具体内容格式如下。
第一列为区域名称或者编码，第二列为数值。
数据处理模块在Map_of_China.py文件中。
参数by_val，绝对大小和相对大小，通常应该都会选择绝对大小这种方式展示的。
就是作者的这个热力图，是没有图例的，等待更新～
# 省级数据
D.Show_data('Example/江苏人口2018.txt', '32', by_val=True, title='江苏人口2018',
img_path='jiangsu_2018_1.jpg')
# 配置地图中的样式
D.Show_data('Example/江苏人口2018.txt', '32', by_val=True, LC='w', title='江苏人口2018',
arg={'city_name': True, 'city_pos': True, 'other': True},
img_path='jiangsu_2018_2.jpg')
TXT格式的数据也能使用。
06. 绘制气泡图
# 气泡图
D.Bubble(src='Example/GDP-2018.csv', title='2018年各省市GDP', img_path='GDP_bubble.png')
得到结果如下。
气泡颜色默认为黄色，可自定义参数。
发现和Pyecharts好像，相信在修改地图配色、文本字体及位置后，地图会变得更好看！
不过限于时间，下期小F再来说一说～
还有几个功能，坐等大佬更新～
相关代码及文件我已上传公众号，回复「地图」即可获取。
如此就不需要你自己注册账号，直接就能使用。
万水千山总是情，点个 👍 行不行。
··· END ···
推荐阅读：
Python中的高效迭代库itertools，排列组合随便求
万字长文详解|Python库collections，让你击败99%的Pythoner
↓扫描关注本号↓