地理特征类可视化图表总结

1. 蜂窝热力地图
   • 特点：将地理区域划分为六边形网格，通过颜色深浅展示数据密度或数值分布，避免点重叠问题，适合高密度数据场景。

• 应用场景：人流密度分析（如景区、地铁站）、环境监测（如空气质量分布）、经济指标区域对比等。

• Python实现：

import numpy as np
import matplotlib.pyplot as plt
from matplotlib import font_manager

plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

np.random.seed(42)
temperature = np.random.normal(25, 5, 2000)
temperature = np.clip(temperature, 15, 35)
humidity = np.random.normal(60, 15, 2000)
humidity = np.clip(humidity, 30, 90)

plt.figure(figsize=(10, 8))
plt.hexbin(temperature, humidity, gridsize=25, cmap='YlOrRd')
plt.colorbar(label=u'数据点数量')

plt.xlabel(u'温度 (°C)')
plt.ylabel(u'相对湿度 (%)')
plt.title(u'城市一天内温度-湿度分布图')

plt.tight_layout()
plt.show()

---

2. 变形地图
   • 特点：通过调整地理区域面积或形状，使其与数据值成比例，突出高值区域。

• 应用场景：人口密度对比、GDP分布、选举结果可视化等。

• Python实现：

import geopandas as gpd
import folium
import numpy as np
from branca.colormap import LinearColormap
import requests
import os
from pathlib import Path
import time

def download_geojson():
    """下载并缓存自然地球数据"""
    cache_dir = Path("data")
    cache_file = cache_dir / "ne_110m_admin_0_countries.geojson"
    
    if not cache_dir.exists():
        cache_dir.mkdir()
    
    if not cache_file.exists():
        # 备用下载地址列表
        urls = [
            "https://raw.githubusercontent.com/nvkelso/natural-earth-vector/master/geojson/ne_110m_admin_0_countries.geojson",
            "https://cdn.jsdelivr.net/gh/nvkelso/natural-earth-vector@master/geojson/ne_110m_admin_0_countries.geojson"
        ]
        
        for url in urls:
            try:
                print(f"尝试从 {url} 下载数据...")
                response = requests.get(url, timeout=10)
                if response.status_code == 200:
                    with open(cache_file, 'wb') as f:
                        f.write(response.content)
                    print("下载成功！")
                    break
            except Exception as e:
                print(f"从 {url} 下载失败: {str(e)}")
                time.sleep(1)  # 在尝试下一个地址前等待
        else:
            raise Exception("所有下载地址均失败，请检查网络连接或手动下载文件")
    
    return cache_file

try:
    # 读取或下载地图数据
    geojson_path = download_geojson()
    china = gpd.read_file(geojson_path)
    china = china[china['CONTINENT'] == 'Asia']

    # 生成示例数据
    china['value'] = np.random.randint(100, 1000, size=len(china))

    # 创建地图中心点
    center = [35, 105]
    m = folium.Map(location=center, zoom_start=4)

    # 创建颜色映射
    colormap = LinearColormap(
        colors=['#FFEDA0', '#FEB24C', '#F03B20'],
        vmin=china['value'].min(),
        vmax=china['value'].max()
    )

    # 添加GeoJson图层
    folium.GeoJson(
        china,
        name='geojson',
        style_function=lambda x: {
            'fillColor': colormap(x['properties']['value']),
            'color': 'black',
            'weight': 1,
            'fillOpacity': 0.7
        },
        tooltip=folium.GeoJsonTooltip(
            fields=['NAME', 'value'],  # 更新字段名
            aliases=['国家名称:', '数值:'],
            localize=True
        )
    ).add_to(m)

    # 添加图例
    colormap.add_to(m)

    # 保存地图
    m.save('china_map.html')

except Exception as e:
    print(f"发生错误: {str(e)}")

---

3. 关联地图
   • 特点：用线条连接地理节点，展示空间关联关系（如交通路线、贸易流向）。

• 应用场景：物流路径分析、人口迁移追踪、经济合作网络。

• Python实现：

import matplotlib.pyplot as plt
from shapely.geometry import LineString

plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']
plt.rcParams['axes.unicode_minus'] = False

city_coords = [(2, 2), (5, 4), (3, 5), (4, 1)]
city_names = ['上海', '北京', '哈尔滨', '广州']

relations = [
    {'from': (2, 2), 'to': (5, 4), 'value': 280},  # 上海-北京
    {'from': (2, 2), 'to': (4, 1), 'value': 210},  # 上海-广州
    {'from': (5, 4), 'to': (3, 5), 'value': 160},  # 北京-哈尔滨
    {'from': (4, 1), 'to': (5, 4), 'value': 230}   # 广州-北京
]

plt.figure(figsize=(8, 8))
for (x, y), name in zip(city_coords, city_names):
    plt.scatter(x, y, s=100, color='orange', zorder=3)
    plt.text(x, y+0.2, name, ha='center', va='bottom', fontsize=12, color='black', family='Microsoft YaHei')  # 指定字体
for rel in relations:
    line = LineString([rel['from'], rel['to']])
    x, y = line.xy
    mid_x = (rel['from'][0] + rel['to'][0]) / 2
    mid_y = (rel['from'][1] + rel['to'][1]) / 2
    plt.plot(x, y, linewidth=rel['value']/30, color='green', alpha=0.7, zorder=2)
    plt.text(mid_x, mid_y, str(rel['value']), color='blue', fontsize=10, ha='center', va='center', family='Microsoft YaHei')
plt.title('中国主要城市经济联系强度图', family='Microsoft YaHei')
plt.xlabel('经度', family='Microsoft YaHei')
plt.ylabel('纬度', family='Microsoft YaHei')
plt.grid(True, linestyle='--', alpha=0.5)
plt.show()

---

4. 气泡地图
   • 特点：以气泡大小表示数据值，支持多维数据（大小+颜色）展示。

• 应用场景：区域经济指标对比（如GDP）、资源分布（如石油储量）、人口规模。

实现工具：tableau。

在软件自带的数据源“世界发展指标”下，以“国家/地区”、“总计(新生儿死亡率)”为指标，得到如下气泡图

---

图表类型	核心优势	适用数据维度
蜂窝热力地图	避免数据重叠，适合高密度	密度/数值
变形地图	直观反映数据权重	比例数据
关联地图	展示空间关联关系	连接关系
气泡地图	多维数据同时展示	数值+类别