在数据可视化领域，将统计数据与地理信息相结合是一种直观且富有表现力的方式，能够使复杂的分析结果一目了然。Python的Matplotlib库，虽然以其强大的二维绘图能力而闻名，但单独使用时对于地理地图的绘制并不直接支持。然而，借助于Basemap库（一个Matplotlib的扩展），我们可以轻松地在地图上展示数据点、绘制轮廓线、填充颜色等，实现地理空间数据的可视化。本文将深入探讨如何利用Matplotlib与Basemap，结合实际代码示例，绘制出富含信息量的地理地图与数据标记，让数据故事跃然纸上。 准备工作首先，确保你的Python环境中已安装了Matplotlib和Basemap。由于Basemap目前不支持Python 3.8及以上版本，推荐在Python 3.7环境下进行安装。安装命令如下： pip install matplotlib basemap注意：Basemap库依赖于几个GIS数据包，首次运行可能会自动下载这些数据，过程可能较慢，请耐心等待。 基础地图绘制让我们从最简单的开始，绘制一张世界地图。 from mpl_toolkits.basemap import Basemapimport matplotlib.pyplot as plt# 创建一个新的图形fig = plt.figure(figsize=(15, 10))# 初始化Basemap实例，绘制全球地图m = Basemap(projection='robin', lon_0=0, resolution='c')# 绘制海岸线m.drawcoastlines(linewidth=0.25)# 绘制国家边界m.drawcountries(linewidth=0.25)# 绘制经纬网格线m.drawmeridians(np.arange(0, 360, 30), labels=[False, False, True, False])m.drawparallels(np.arange(-90, 90, 30), labels=[True, False, False, False])# 显示地图plt.title('Global Map with Basemap')plt.show()添加数据标记接下来，我们将在地图上添加一些数据点，以示例说明如何标记特定地点的统计信息。假设我们要标记几个大城市的经纬度位置及其人口数量。 # 假设数据：城市名、经纬度、人口数量cities = { 'New York': {'lat': 40.7128, 'lon': -74.0060, 'population': 8398748}, 'London': {'lat': 51.5074, 'lon': -0.1278, 'population': 8908081}, 'Tokyo': {'lat': 35.6895, 'lon': 139.6917, 'population': 13927264}}# 在地图上标记城市并注释人口数量for city, data in cities.items(): x, y = m(data['lon'], data['lat']) m.plot(x, y, 'ro', markersize=12, alpha=0.7) # 红色圆点标记城市位置 plt.text(x, y, city + '\n' + str(data['population']), fontsize=8, horizontalalignment='center', verticalalignment='bottom', bbox=dict(facecolor='white', alpha=0.5))plt.title('World Map with City Population Markers')plt.show()自定义地图样式与颜色填充Basemap还允许我们自定义地图样式，比如填充海洋和陆地的颜色，以及根据数据值对区域进行着色。 # 假设我们有一组国家的人口密度数据（此处使用随机数据作为示例）country_pop_density = { 'China': 146, # 人/平方公里，实际数据请替换 'India': 464, 'USA': 36 # ... 其他国家数据}# 使用更详细的投影和更高的分辨率m = Basemap(projection='merc', llcrnrlat=-80, urcrnrlat=80, llcrnrlon=-180, urcrnrlon=180, lat_ts=20, resolution='f')m.fillcontinents(color='coral', lake_color='aqua') # 陆地填充珊瑚色，水域填充水色m.drawmapboundary(fill_color='aqua') # 边界水域填充# 假设我们有国家的多边形信息和人口密度数据，这里简化处理，仅示意for country, density in country_pop_density.items(): # 实际应用中，你需要根据国家边界坐标来着色，此处省略复杂逻辑 if country == 'China': m.drawpoly(...) # 绘制中国边界并着色，具体函数调用根据真实数据调整 elif country == 'India': m.drawpoly(...) # 同上 # ... 对其他国家进行类似操作plt.title('Customized Map with Data-Driven Color Filling')plt.show()结语通过上述示例，我们不仅学会了如何使用Matplotlib和Basemap绘制基础的世界地图，还掌握了如何在地图上添加数据标记、自定义地图样式以及根据数据进行颜色填充的技巧。地理空间数据可视化是连接抽象数据与现实世界的桥梁，它使我们能够从地理角度洞察数据分布、趋势和模式。掌握这些技能，无疑能为你的数据分析和报告增添一抹亮色，让数据讲述更加生动、有力的故事。继续深入探索，你可以尝试结合Pandas进行数据预处理，使用GeoPandas处理地理数据，或是利用Cartopy等现代库以替代Basemap（因Basemap的维护已逐渐减少）。