Lära Avancerad Visualisering med Matplotlib och Seaborn

Svep för att visa menyn

Vid arbete med geografiska data är effektiv visualisering avgörande för att upptäcka mönster och förmedla insikter. Pythons bibliotek matplotlib och seaborn erbjuder kraftfulla verktyg för att förbättra dina geografiska diagram, vilket gör det möjligt att anpassa färger, lägga till informativa förklaringar, ange beskrivande titlar och överlagra flera datalager. Genom att behärska dessa tekniker kan du skapa tydliga och övertygande kartor och visualiseringar som framhäver viktiga rumsliga samband.

Anpassning av geografiska diagram börjar ofta med att kontrollera utseendet på dina data. Du kan ange färger för att representera olika kategorier eller värden, justera transparens för att visa överlappande objekt och använda förklaringar för att förklara dina visuella kodningar. Att lägga till titlar och axelrubriker hjälper betraktaren att snabbt tolka dina diagram. Att överlagra flera lager—till exempel vägar ovanpå administrativa gränser—kan ge djupare kontext till din geografiska analys.


              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()

Observera

Kolumnnamnet i den officiella datamängden är CONTINENT

Utöver kartbaserade visualiseringar kan du även vilja undersöka fördelningen av rumsliga attribut — såsom yta, befolkning eller densitet — med hjälp av statistiska diagram. Seaborn är särskilt användbart för detta ändamål och låter dig skapa histogram, spridningsdiagram och mer, allt med attraktiva standardstilar och enkel anpassning. Genom att kombinera seaborn med rumsliga data kan du snabbt identifiera trender och avvikare i dina dataset, vilket stödjer djupare rumslig analys.


              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 allt tydligt?

Tack för dina kommentarer!

Avsnitt 2. Kapitel 4

Fråga AI

Fråga vad du vill eller prova någon av de föreslagna frågorna för att starta vårt samtal

Avsnitt 2. Kapitel 4