鐵人賽2019 Day09 使用GeoPlot

Oct 24, 2018

data analysis

1. 點資料
2. 面量圖
3. 熱區圖
4. 參考資料

另外一個GIS資料畫圖的利器是Geoplot，它擴充了cartopy與matplotlib，讓GIS資料的視覺化更方便，當然，他也設計給Geopandas作為其資料的端口。

有關geoplot的安裝，使用annaconda：
conda install geoplot -c conda-forge

點資料

首先是geoplot的pointplot模組，先來簡單plot點資料，並以顏色來區分行政區

一樣使用路燈資料，轉到epsg4326

import geopandas as gpd
light=gpd.read_file('output/light.shp',encoding='utf-8')
light=light[light.is_valid]
light=light[light['district']=='永和區']
light.crs = {'init' :'epsg:3826'} # 避免資料沒設，這邊再重新給一次
light=light.to_crs(epsg=4326)

geoplot對GeoDataframe有支援，所以可以直接餵進去

1 2	import geoplot as gplt gplt.pointplot(light, figsize=(16, 8))

在geolot中，可以設定投影(import geoplot.crs)
另外，geoplot.點資料pointplot，可以設定視覺變數，
包含scale、hue都以作為視覺變數

為了測試，我們先用numpy隨機產生一個值year(假設是路燈的使用年數)

1 2	import numpy as np light['year']=np.random.randint(low=0,high=20,size=light.shape[0])

以hue(顏色)繪圖

1	gplt.pointplot(light, hue='year', figsize=(16, 8))

geoplot中也可以改變schema與投影，也可以放上圖例，跟昨天的mapplotib類似

1 2	import geoplot.crs as gcrs gplt.pointplot(light, projection=gcrs.AlbersEqualArea(), hue='year', legend=True, scheme='fisher_jenks', figsize=(16, 8))

試著以scale作為視覺變數

1	gplt.pointplot(light, projection=gcrs.AlbersEqualArea(), scale='year', legend=True ,limits=(0, 8), figsize=(16, 8))

如果想要混和兩種視覺變數也可以，
我們多產生一個size，跟year一起呈現
例如我們以顏色及scale來呈現資料

1 2	light['size']=np.random.randint(low=0,high=5,size=light.shape[0]) gplt.pointplot(light, projection=gcrs.AlbersEqualArea(),hue='size', scale='year', legend=True ,limits=(0, 8), figsize=(40, 32))

面量圖

geolpot拿來畫面量圖也是頗方便
我們拿村里圖來測試一下(用x上色= =’’)

village=gpd.read_file('data/village/village.shp',encoding='utf-8')
village=village[village.is_valid]
village=village[village['ADMIT']=='永和區']
village.crs = {'init' :'epsg:3826'} # 避免資料沒設，這邊再重新給一次
village=village.to_crs(epsg=4326)
gplt.choropleth(village, hue='X', projection=gcrs.AlbersEqualArea(),
        legend=True, edgecolor='white',   scheme='equal_interval',figsize=(16, 8))

也可以畫累積圖(重現前幾天的圖~)

result=gpd.tools.sjoin(light[['geometry','year','size']], village[['ADMIV','ADMIT','geometry']], op='within',how="right")
result['count']=1
result=result.dissolve(by='ADMIV', aggfunc='sum')
result['year']=result['year']/result['count']
result['size']=result['size']/result['count']
gplt.choropleth(result, hue='count', projection=gcrs.AlbersEqualArea(),
        legend=True, edgecolor='white', linewidth=0.5,  scheme='equal_interval',figsize=(16, 8))

或者是另外一種方式呈現資訊

1 2	ax =gplt.polyplot(village,projection=gcrs.AlbersEqualArea(), figsize=(16, 8)) gplt.pointplot(light,ax=ax,projection=gcrs.AlbersEqualArea(), hue='year', legend=True)

熱區圖

geoplot有heatmap的功能kdeplot
熱區圖計算的是Kernel density，計算核密度

1 2	ax =gplt.polyplot(result,projection=gcrs.AlbersEqualArea(), figsize=(16, 8)) ax=gplt.kdeplot(light,ax=ax,shade=True,projection=gcrs.AlbersEqualArea(),shade_lowest=False)