PYTHON画地图

该代码示例使用Python的matplotlib库读取地图、重定位和ODO数据,然后在图表上绘制数据点并添加标注。每个数据点的位置、角度信息通过`OutputCoordinate`函数处理,并在鼠标移动时动态显示相关信息。最后,程序展示带有图例和网格的图表。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

import matplotlib.pyplot as plt
import matplotlib.ticker as ticker

xx = []
yy = []
th = []

def OutputCoordinate(x,y,th):
    strlist="x=%.2f,y=%.2f,th=%.2f"%(x,y,th)
    # PointTipText=plt.text(x,y*1.02,strlist, ha='center', va='bottom', fontsize=10)
    # plt.text(x,y*1.02,str('/'), ha='center', va='bottom', fontsize=10.5)
    # plt.text(x+0.07,y*1.02,"y=%.2f"%y, ha='center', va='bottom', fontsize=10)
    # print(x,y)
    # print(PointTipText)
    return strlist

def mapdataDispose():
    Path = "D:\RTK_DATA_DISPOSE\RTKtest\\mapdata.txt"

    infile = open(Path, 'rb')

    numCount=0
    line=infile.readline()
    while line:
        a=line.split()
        x=float(a[0])
        y=float(a[1])
        angle=float(a[2])
    # if numCount%2==0:
        xx.append(x)
        yy.append(y)
        th.append(angle)
        OutputCoordinate(x,y,angle)
        numCount=numCount+1
        line=infile.readline()

    # point,=plt.plot(xx,yy,marker = "+",markersize=7)#marker设置标记形状 markersize设置标记大小
    # plt.xlim(1,100)#限制取值范围
    # plt.ylim(1,100)
    # plt.xticks(np.arange(-10,10,1))#设置取值范围和间隔
    # plt.yticks(np.arange(-10,10,1))
    # plt.legend()  # 显示图例
    # plt.grid()  # 生成网格
    # plt.show()
    infile.close()

def RelocationdataDispose():
    Path = "D:\RTK_DATA_DISPOSE\RTKtest\\relocation.txt"

    infile = open(Path, 'rb')

    numCount=0
    line=infile.readline()
    while line:
        a=line.split()
        # plt.plot(gpsData[numCount,1],gpsData[numCount,2],'ro')
        x=float(a[1])
        y=float(a[2])
        angle=float(a[0])
        # if numCount%2==0:
        xx.append(x)
        yy.append(y)
        th.append(angle)
        OutputCoordinate(x,y,angle)
        numCount=numCount+1
        line=infile.readline()

    # point,=plt.plot(xx,yy,marker = "+",markersize=7)#marker设置标记形状 markersize设置标记大小
    # plt.xlim(1,100)#限制取值范围
    # plt.ylim(1,100)
    # plt.xticks(np.arange(-10,10,1))#设置取值范围和间隔
    # plt.yticks(np.arange(-10,10,1))
    # plt.legend()  # 显示图例
    # plt.grid()  # 生成网格
    # plt.show()
    infile.close()

def ODOdataDispose():
    Path = "D:\RTK_DATA_DISPOSE\RTKtest\\mapdata.txt"

    infile = open(Path, 'rb')

    numCount=0
    line=infile.readline()
    while line:
        a=line.split()
        # plt.plot(gpsData[numCount,1],gpsData[numCount,2],'ro')
        x=float(a[2])
        y=float(a[3])
        angle=float(a[5])
        # if numCount%2==0:
        xx.append(x)
        yy.append(y)
        th.append(angle)
        OutputCoordinate(x,y,angle)
        numCount=numCount+1
        line=infile.readline()

    # point,=plt.plot(xx,yy,marker = "+",markersize=7)#marker设置标记形状 markersize设置标记大小
    # plt.xlim(1,100)#限制取值范围
    # plt.ylim(1,100)
    # plt.xticks(np.arange(-10,10,1))#设置取值范围和间隔
    # plt.yticks(np.arange(-10,10,1))
    # plt.legend()  # 显示图例
    # plt.grid()  # 生成网格
    # plt.show()
    infile.close()

# 定义鼠标响应函数
def on_move(event):
    visibility_changed = False
    for point, annotation in po_annotation1:
        should_be_visible = (point.contains(event)[0] == True)

        if should_be_visible != annotation.get_visible():
            visibility_changed = True
            annotation.set_visible(should_be_visible)

    if visibility_changed:
        # fig.canvas.draw_idle()#重新绘制整个图表 
        plt.plot(xx,yy,'b',marker = "+",markersize=7)#marker设置标记形状 markersize设置标记大小
        plt.draw()


mapdataDispose();
#RelocationdataDispose();

# ODOdataDispose()

fig,ax = plt.subplots()
# fig.set_size_inches(24, 12)
# po_annotation1 为 ‘买’ 时需要显示的标注信息
# 该 list 内部存放多个子 list,每个子 list 为 [标注点的坐标, 标注]
po_annotation1 = []
for i in range(len(xx)):
    # 标注点的坐标
    point_x = xx[i]
    point_y = yy[i]
    point_th = th[i]
    point, = plt.plot(point_x, point_y,'b.:',markersize=7,linewidth=1)
    # print(point)
    # 标注框偏移量
    offset1 = 20
    offset2 = 20
    # 标注框
    bbox1 = dict(boxstyle="round", fc='lightgreen', alpha=0.6)
    # 标注箭头
    arrowprops1 = dict(arrowstyle="->", connectionstyle="arc3,rad=0.")
    # 标注
    annotation = plt.annotate((i,OutputCoordinate(point_x,point_y,point_th)), xy=(point_x,point_y), xytext=(-offset1, offset2), textcoords='offset points',
                              bbox=bbox1, arrowprops=arrowprops1, size=15)
    # 默认鼠标未指向时不显示标注信息
    annotation.set_visible(False)
    po_annotation1.append([point, annotation])

# 鼠标移动事件
on_move_id = fig.canvas.mpl_connect('motion_notify_event', on_move)
plt.legend()  # 显示图例
plt.grid()  # 生成网格
plt.show()

用python画地图数据,并输出图形

### 如何使用Python绘制地理地图 #### 安装必要的库 为了能够顺利地绘制地理地图,需要确保已安装`matplotlib`、`geopandas`以及`descartes`这些库[^1]。如果尚未安装上述库,则可以利用pip来完成安装。 ```bash pip install matplotlib geopandas descartes cartopy ``` #### 绘制基础的地图 一旦完成了所需库的安装,就可以开始着手于简单的地图绘制工作了。这里给出一段基于`geopandas`加载中国江苏省边界并显示其轮廓的例子: ```python import geopandas as gpd import matplotlib.pyplot as plt # 加载江苏全省边界数据 data = gpd.read_file("https://geo.datav.aliyun.com/areas_v3/bound/320000_full.json") # 创建绘图对象ax,并设置背景颜色为白色 fig, ax = plt.subplots(figsize=(8, 6)) ax.set_facecolor('white') # 将边界数据显示出来 data.boundary.plot(ax=ax) plt.title('Jiangsu Province Boundary') plt.show() ``` 这段代码会下载指定URL中的JSON文件作为输入源,解析其中包含的空间信息,并通过调用`.boundary.plot()`方法只展示边界的线条而非填充整个多边形内部区域[^3]。 #### 添加自定义几何形状至地图上 除了单纯地呈现行政区划外,还可以向地图添加额外的信息层,比如特定兴趣区(POI)、路径轨迹或是其他类型的矢量要素。下面是一个例子,它展示了如何在一个矩形范围内出一条红色折线表示某个虚拟的兴趣范围: ```python from shapely.geometry import Polygon # 设定一个矩形框的位置坐标 rect_coords = [(119, 32), (120, 33), (121, 33)] # 构建Polygon实例 polygon_of_interest = Polygon(rect_coords) # 在同一张图表中叠加新的几何图形 gpd.GeoSeries([polygon_of_interest.exterior]).plot(ax=ax, color='red', linewidth=2) plt.show() ``` 此部分代码先构建了一个名为`polygon_of_interest`的新多边形对象,接着将其外部边缘以红线的形式渲染到了之前创建好的地图之上。 #### 利用Cartopy增强地图功能 对于更复杂的需求而言,可能还需要借助像`cartopy`这样的专门处理地球科学数据可视化的扩展包。它可以提供更加丰富的投影方式和支持更多的底图样式选项。以下是结合`cartopy`的一个简单案例: ```python import cartopy.crs as ccrs import cartopy.feature as cf # 初始化带有经纬度网格和自然地球风格陆地板块特征的地图 projection = ccrs.PlateCarree() fig = plt.figure(figsize=(10, 7)) ax = fig.add_subplot(1, 1, 1, projection=projection) ax.coastlines(resolution='50m') # 显示海岸线 ax.add_feature(cf.LAND) # 填充大陆地区 ax.gridlines(draw_labels=True) # 开启网格标注 # 调整视窗大小适应目标地理位置 ax.set_extent([119, 122, 31, 34], crs=ccrs.PlateCarree()) plt.title('Map with Cartopy and Natural Earth Features') plt.show() ``` 该片段不仅设置了不同的投影模式还加入了基本的地貌元素如海洋、湖泊等,使得最终产出的地图具有更高的可读性和美观程度[^2]。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值