Lære Avanceret Plotning med Matplotlib og Seaborn

Stryg for at vise menuen

Når du arbejder med geografiske data, er effektiv visualisering afgørende for at afdække mønstre og formidle indsigter. Pythons matplotlib- og seaborn-biblioteker tilbyder kraftfulde værktøjer til at forbedre dine geografiske plots, så du kan tilpasse farver, tilføje informative signaturforklaringer, angive beskrivende titler og overlejre flere datalag. Ved at mestre disse teknikker kan du skabe tydelige, overbevisende kort og visualiseringer, der fremhæver vigtige geografiske sammenhænge.

Tilpasning af geografiske plots begynder ofte med at kontrollere udseendet af dine data. Du kan angive farver for at repræsentere forskellige kategorier eller værdier, justere gennemsigtighed for at synliggøre overlappende elementer og bruge signaturforklaringer til at forklare dine visuelle kodninger. Tilføjelse af titler og akseetiketter hjælper beskueren med hurtigt at fortolke dine plots. Overlejring af flere lag—såsom veje oven på administrative grænser—kan give dybere kontekst til din geografiske analyse.


              12345678910111213141516171819202122232425262728293031323334
            
import geopandas as gpd
import matplotlib.pyplot as plt


url = "https://naciscdn.org/naturalearth/110m/cultural/ne_110m_admin_0_countries.zip"
world = gpd.read_file(url)

# Create a plot with customizations
fig, ax = plt.subplots(figsize=(12, 8))

# Plot countries, coloring by continent 
world.plot(column='CONTINENT', 
           cmap='Set2', 
           edgecolor='black', 
           linewidth=0.5, 
           legend=True, 
           ax=ax, 
           alpha=0.8)

# Overlay country boundaries with a thicker line for emphasis
world.boundary.plot(ax=ax, color='gray', linewidth=1.5)

# Add a title and axis labels
ax.set_title('World Countries by Continent', fontsize=18)
ax.set_xlabel('Longitude')
ax.set_ylabel('Latitude')

# Customize legend position so it doesn't overlap the map
leg = ax.get_legend()
if leg:
    leg.set_bbox_to_anchor((1.15, 0.5))

plt.tight_layout()
plt.show()

Bemærk

Kolonnenavnet i det officielle datasæt er CONTINENT

Ud over kortbaserede visualiseringer kan du også undersøge fordelingen af rumlige attributter — såsom areal, befolkning eller tæthed — ved hjælp af statistiske diagrammer. Seaborn er særligt nyttig til dette formål og giver mulighed for at oprette histogrammer, spredningsdiagrammer og mere, alt sammen med attraktive standardstile og nem tilpasning. Ved at kombinere seaborn med rumlige data kan du hurtigt identificere tendenser og afvigere i dine datasæt, hvilket understøtter dybere rumlig analyse.


              1234567891011121314151617181920212223242526272829303132
            
import geopandas as gpd
import seaborn as sns
import matplotlib.pyplot as plt

# Load sample data directly from the official URL
url = "https://naciscdn.org/naturalearth/110m/cultural/ne_110m_admin_0_countries.zip"
world = gpd.read_file(url)

# The official dataset doesn't have a pre-made 'area' column, so we calculate it.
# Note: This calculates area in decimal degrees based on the WGS84 projection.
world['area'] = world.geometry.area

# Plot a histogram of country areas
plt.figure(figsize=(10, 6))
# 'area' is our new custom column, kde=True adds the density curve
sns.histplot(world['area'], bins=30, color='skyblue', kde=True)
plt.title('Distribution of Country Areas')
plt.xlabel('Area (sq. degrees)')
plt.ylabel('Number of Countries')
plt.tight_layout()
plt.show()

# Plot a scatter plot of population vs. area
plt.figure(figsize=(10, 6))
# Adjusted column names to match the official dataset: 'POP_EST' and 'CONTINENT'
sns.scatterplot(x='area', y='POP_EST', data=world, hue='CONTINENT', palette='Set2')
plt.title('Country Population vs. Area by Continent')
plt.xlabel('Area (sq. degrees)')
plt.ylabel('Estimated Population')
plt.legend(title='Continent', bbox_to_anchor=(1.05, 1), loc='upper left')
plt.tight_layout()
plt.show()

Var alt klart?

Tak for dine kommentarer!

Sektion 2. Kapitel 4

Spørg AI

Spørg om hvad som helst eller prøv et af de foreslåede spørgsmål for at starte vores chat

Sektion 2. Kapitel 4