分级着色图：空间数据制图

在 Python 中处理地理空间数据

Dani Arribas-Bel

Geographic Data Science Lab (University of Liverpool)

分级着色图

countries.plot(column='gdp_per_cap', legend=True)

在 Python 中处理地理空间数据

分级着色图

指定列：

locations.plot(column='variable')

带分类方案的分级图：

locations.plot(column='variable', scheme='quantiles', k=7, cmap='viridis')

关键选择：

  • 类数（k）
  • 分类算法（scheme）
  • 颜色映射（cmap）
在 Python 中处理地理空间数据

类别数（"k"）

locations.plot(column='variable', scheme='Quantiles', k=7, cmap='viridis')

分级着色图必然会有信息损失（可以接受）

权衡：

  • 保留原始数值的细节与粒度（更高的k）
  • 抽象信息以便更易处理与解读（更低的k）

经验法则：3 到 12 个类别（bins）

在 Python 中处理地理空间数据

分类算法（"scheme"）

locations.plot(column='variable', scheme='quantiles', k=7, cmap='viridis')

如何把variable中的每个值分到 k 个组之一？

用于连续型变量的两种（常见）方法：

  • 等距分级（'equal_interval'）
  • 分位数（'quantiles'）
在 Python 中处理地理空间数据

等距分级

locations.plot(column='variable', scheme='equal_interval', k=7, cmap='Purples')

l04_equal_interval.png

在 Python 中处理地理空间数据

分位数

locations.plot(column='variable', scheme='quantiles', k=7, cmap='Purples')

l04_quantiles.png

在 Python 中处理地理空间数据

颜色

类别型，无顺序

locations.plot(column='variable', 
               categorical=True, cmap='Purples')

分级，顺序型

locations.plot(column='variable', 
               k=5, cmap='RdPu')

分级，发散型

locations.plot(column='variable', 
               k=5, cmap='RdYlGn')

pastel5.png

l04_pal_seq.png

l04_pal_div.png

重要：与您的目的保持一致

在 Python 中处理地理空间数据

Passons à la pratique !

在 Python 中处理地理空间数据

Preparing Video For Download...