Geopandas — это мощная библиотека Python, расширяющая возможности Pandas по обработке геопространственных данных. Он обеспечивает удобный способ работы с наборами геопространственных данных, выполнения пространственных операций и создания визуально привлекательных карт. Одним из важных аспектов создания информативных и визуально привлекательных карт является возможность настройки цветовой карты (cmap), используемой для визуализации данных. В этой статье блога мы рассмотрим различные методы изменения параметров цветовой карты в Geopandas, сопровождаемые примерами кода.

Метод 1: использование цветовых карт Matplotlib
Пример кода:

import geopandas as gpd
import matplotlib.pyplot as plt
# Load the geospatial data
data = gpd.read_file('path/to/shapefile.shp')
# Specify the column to visualize
column_to_visualize = 'population'
# Create a plot with a custom colormap
fig, ax = plt.subplots(figsize=(10, 6))
data.plot(column=column_to_visualize, cmap='YlOrRd', ax=ax, linewidth=0.8, edgecolor='0.8')
ax.set_axis_off()
plt.show()

Метод 2: использование последовательных карт цветов из палитры colorbrewer
Пример кода:

import geopandas as gpd
import matplotlib.pyplot as plt
from matplotlib.colors import LinearSegmentedColormap
# Load the geospatial data
data = gpd.read_file('path/to/shapefile.shp')
# Specify the column to visualize
column_to_visualize = 'temperature'
# Create a custom colormap from the colorbrewer palette
cmap = LinearSegmentedColormap.from_list('custom_cmap', ['#f7f7f7', '#7bccc4', '#084081'])
# Create a plot with the custom colormap
fig, ax = plt.subplots(figsize=(10, 6))
data.plot(column=column_to_visualize, cmap=cmap, ax=ax, linewidth=0.8, edgecolor='0.8')
ax.set_axis_off()
plt.show()

Метод 3: использование расходящихся цветовых карт
Пример кода:

import geopandas as gpd
import matplotlib.pyplot as plt
# Load the geospatial data
data = gpd.read_file('path/to/shapefile.shp')
# Specify the column to visualize
column_to_visualize = 'elevation'
# Create a plot with a diverging colormap
fig, ax = plt.subplots(figsize=(10, 6))
data.plot(column=column_to_visualize, cmap='RdBu', ax=ax, linewidth=0.8, edgecolor='0.8')
ax.set_axis_off()
plt.show()

Метод 4: использование категориальных карт цветов
Пример кода:

import geopandas as gpd
import matplotlib.pyplot as plt
# Load the geospatial data
data = gpd.read_file('path/to/shapefile.shp')
# Specify the column to visualize
column_to_visualize = 'category'
# Create a plot with a categorical colormap
fig, ax = plt.subplots(figsize=(10, 6))
data.plot(column=column_to_visualize, cmap='Set3', ax=ax, linewidth=0.8, edgecolor='0.8')
ax.set_axis_off()
plt.show()

В этой статье блога мы рассмотрели несколько способов изменения параметров цветовой карты в Geopandas для визуализации данных. Мы обсудили использование цветовых карт Matplotlib, последовательных цветовых карт из палитры colorbrewer, расходящихся цветовых карт и категориальных цветовых карт. Используя эти методы, вы можете создавать визуально привлекательные карты, которые эффективно передают ваши геопространственные данные. Поэкспериментируйте с различными цветовыми картами, чтобы найти ту, которая лучше всего соответствует вашим данным и целям визуализации.