Impara Grafici Avanzati con Matplotlib e Seaborn

Scorri per mostrare il menu

Quando si lavora con dati spaziali, una visualizzazione efficace è fondamentale per individuare pattern e comunicare informazioni. Le librerie matplotlib e seaborn di Python offrono strumenti potenti per migliorare i grafici spaziali, consentendo di personalizzare i colori, aggiungere legende informative, impostare titoli descrittivi e sovrapporre più livelli di dati. Padroneggiando queste tecniche, è possibile creare mappe e visualizzazioni chiare ed efficaci che evidenziano importanti relazioni spaziali.

La personalizzazione dei grafici spaziali inizia spesso dal controllo dell'aspetto dei dati. È possibile specificare colori per rappresentare diverse categorie o valori, regolare la trasparenza per mostrare elementi sovrapposti e utilizzare le legende per spiegare le codifiche visive. L'aggiunta di titoli e etichette agli assi aiuta gli utenti a interpretare rapidamente i grafici. La sovrapposizione di più livelli—come strade sopra i confini amministrativi—può fornire un contesto più approfondito per l'analisi spaziale.


              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()

Nota

Il nome della colonna nel dataset ufficiale è CONTINENT

Oltre alle visualizzazioni basate su mappe, è possibile esplorare la distribuzione degli attributi spaziali — come area, popolazione o densità — utilizzando grafici statistici. Seaborn è particolarmente utile a questo scopo, poiché consente di creare istogrammi, grafici a dispersione e altro ancora, con stili predefiniti accattivanti e facile personalizzazione. Combinando seaborn con dati spaziali, è possibile identificare rapidamente tendenze e valori anomali nei dataset, supportando un'analisi spaziale più approfondita.


              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()

Tutto è chiaro?

Grazie per i tuoi commenti!

Sezione 2. Capitolo 4

Chieda ad AI

Chieda pure quello che desidera o provi una delle domande suggerite per iniziare la nostra conversazione

Sezione 2. Capitolo 4