(資料科學學習手札98)純Python繪製滿滿藝術感的山脊地圖

itread01 2020-11-16 00:31:44
Python itread01 手札 山脊


> 本文示例程式碼及附件已上傳至我的`Github`倉庫[https://github.com/CNFeffery/DataScienceStudyNotes](https://github.com/CNFeffery/DataScienceStudyNotes) # 1 簡介 下面的這幅圖可能很多讀者朋友們都看到過,這是英國搖滾樂隊**Joy Division**在1979年發行的其第一張錄音室專輯**Unknown Pleasures**的封面,由藝術家**Peter Saville**基於射電脈衝星訊號的資料圖創作而成,成為了一種流行文化的符號標誌。 類似圖1的風格,在地圖製作中也存在著一種**山脊地圖**,基於記錄地表海拔資訊的**高程資料**,我們可以利用水平方向上的基於實際位置海拔高度的曲線,來對某塊區域的地形進行更具藝術性的表達。 而今天的文章,我們就來一起基於`Python`,配合顏色與字型的選擇搭配,使用簡短的程式碼,就可以創作出藝術海報級別的**山脊地圖**。 # 2 基於ridge_map的山脊地圖繪製 我們主要使用`matplotlib`與`ridge_map`來完成一幅山脊圖的創作,使用`pip install ridge_map `完成對`ridge_map`的安裝之後,我們先一個非常簡單的例子開始: ```Python from ridge_map import RidgeMap import matplotlib.font_manager as fm import matplotlib.pyplot as plt # 從本地的字型檔案中註冊字型 font_prop = fm.FontProperties(fname="fonts/UncialAntiqua-Regular.ttf") # 基於傳入的區域左下角、右上角經緯度 # 來獲取原始高程資料並繪製成山脊地圖 # 如果你有“特殊的上網技巧”,這一步等待時間會很短 ( RidgeMap(bbox=(-156.250305,18.890695,-154.714966,20.275080), font=font_prop) .plot_map(label="Hawai'i") ) plt.savefig('圖3.png') ``` 這就是`ridge_map`繪製山脊地圖的基本模式,利用`matplotlib.font_manager`註冊要使用的字型,再將繪圖區域bbox資訊與字型屬性傳入`RidgeMap()`之後呼叫`plot_map()`方法即可進行繪製。 但如果你想要製作出像下面這種更多定製內容的山脊地圖,就需要了解多一些知識: 下面我們分部分來展開介紹: ## 2.1 資料準備 我們統一使用`RidgeMap`接受`bbox`引數確定區域範圍,格式為`(左下角經度, 左下角緯度, 右上角經度, 右上角緯度)`,其基於的高程資料來自**NASA**的[SRTM](https://www2.jpl.nasa.gov/srtm/)資料集,解析度為1弧秒(約30米),適用於北緯60°到南緯60°之間的區域。 `ridge_map`中資料準備的完整過程如下,其中`get_elevation_data`方法的`num_lines`引數用於控制返回資料對應的水平線數量,越大約細密,預設為80;`viewpoint`引數用於確定指南針所指的方向,預設為`south`: ```Python # 初始化 rm = RidgeMap(bbox=(-156.250305,18.890695,-154.714966,20.275080), font=font_prop) # 線上獲取高程資料 values = rm.get_elevation_data(num_lines=200, viewpoint='north') ``` 而獲取到的`values`實際上是範圍內各條水平線海拔變化情況的二維`numpy`陣列: ## 2.2 資料加工 在第一步獲取到的資料的基礎上,我們可以利用`RidgeMap`的`preprocess`方法來進行加工,從而實現一些諸如改變高度對映比例、低窪地區篩選的功能,其主要引數如下: > **values**:傳入上一步獲取到的二維陣列資料 > > **water_ntile**:浮點數,範圍應在0到100之間,作為資料刪除的閾值,即高度低於總體**water_ntile%**分位數的資料會被視作水體,從而在影象中不顯示 > > **vertical_ratio**:用於設定原始高度值在繪圖中被擴大的倍數,越大越誇張 ```Python values = rm.preprocess(values=values, water_ntile=10, vertical_ratio=240) rm.plot_map(values, label="Hawai'i") plt.savefig('圖6.png') ``` ## 2.3 繪製圖像 做完上述資料加工之後,我們就可以呼叫`plot_map()`方法來進行山脊圖的繪製,其主要引數如下: > **values**:傳入之前處理好的values > > **label**:用於設定影象上疊加的文字標籤內容 > > **label_x**:0-1之間的浮點數,用於確立文字標籤左下角相對於繪圖區域的比例x座標 > > **label_y**:類似**label_x**,調整y座標 > > **label_verticalalignment**:調整文字標籤在豎直方向上的對齊方式,預設為`'bottom'` > > **label_size**:控制文字標籤字型大小,預設為40 > > **line_color**:設定線條的色彩,預設為`'black'`,當傳入`matplotlib`中的`colormap`物件時即開啟了色彩對映模式 > > **kind**:設定色彩對映策略,`'gradient'`表示與高度無關,在畫幅豎直方向上進行色彩漸變,`'elevation'`則將色彩對映與高度相繫結 > > **linewidth**:設定線條粗細,預設為2 > > **background_color**:設定影象背景色 其他引數都非常簡單易懂,這裡來重點展示不同`kind`引數下結果的不同: - **kind='gradient'** ```Python rm.plot_map(values, label="Hawai'i", kind='gradient', line_color=plt.get_cmap('Reds')) ``` 可以看到在`gradient`模式下,整幅影象上的線條色彩從上向下按照`colormap`進行漸變。 - **kind='elevation'** ```Python rm.plot_map(values, label="Hawai'i", kind='elevation', line_color=plt.get_cmap('Reds')) plt.savefig('圖8.png') ``` 可以看到這時我們的線條色彩基於的是高度資訊。 ## 2.4 結合matplotlib 因為`ridge_map`基於的是`matplotlib`,所以我們可以類似`geopandas`繪圖那樣,在呼叫`plot_map`時向`ax`引數傳入已經存在的`Axes`物件,從而結合不同型別的影象,就像下面這個簡單的例子一樣: 在get到`ridge_map`的有趣用法之後,我們就可以對合法範圍內任意一個地方進行繪製,譬如下面我們繪製的重慶市中心城區的部分範圍: ```Python font_prop = fm.FontProperties(fname="fonts/LongCang-Regular.ttf") rm = RidgeMap(bbox=(106.360758,29.385385,106.74734,29.676339), font=font_prop) values = rm.get_elevation_data(num_lines=250, viewpoint='south') values = rm.preprocess(values=values, water_ntile=5, vertical_ratio=90) rm.plot_map(values, label="", kind='elevation', line_color=plt.get_cmap('plasma'), label_size=100) plt.savefig('圖10.png') ``` --- 以上就是本文的全部內容,你可以盡情發揮創作出具有創意的山脊地圖。歡迎在評論區與我進
版权声明
本文为[itread01]所创,转载请带上原文链接,感谢
https://www.itread01.com/content/1605456912.html

  1. 利用Python爬虫获取招聘网站职位信息
  2. Using Python crawler to obtain job information of recruitment website
  3. Several highly rated Python libraries arrow, jsonpath, psutil and tenacity are recommended
  4. Python装饰器
  5. Python实现LDAP认证
  6. Python decorator
  7. Implementing LDAP authentication with Python
  8. Vscode configures Python development environment!
  9. In Python, how dare you say you can't log module? ️
  10. 我收藏的有关Python的电子书和资料
  11. python 中 lambda的一些tips
  12. python中字典的一些tips
  13. python 用生成器生成斐波那契数列
  14. python脚本转pyc踩了个坑。。。
  15. My collection of e-books and materials about Python
  16. Some tips of lambda in Python
  17. Some tips of dictionary in Python
  18. Using Python generator to generate Fibonacci sequence
  19. The conversion of Python script to PyC stepped on a pit...
  20. Python游戏开发,pygame模块,Python实现扫雷小游戏
  21. Python game development, pyGame module, python implementation of minesweeping games
  22. Python实用工具,email模块,Python实现邮件远程控制自己电脑
  23. Python utility, email module, python realizes mail remote control of its own computer
  24. 毫无头绪的自学Python,你可能连门槛都摸不到!【最佳学习路线】
  25. Python读取二进制文件代码方法解析
  26. Python字典的实现原理
  27. Without a clue, you may not even touch the threshold【 Best learning route]
  28. Parsing method of Python reading binary file code
  29. Implementation principle of Python dictionary
  30. You must know the function of pandas to parse JSON data - JSON_ normalize()
  31. Python实用案例,私人定制,Python自动化生成爱豆专属2021日历
  32. Python practical case, private customization, python automatic generation of Adu exclusive 2021 calendar
  33. 《Python实例》震惊了,用Python这么简单实现了聊天系统的脏话,广告检测
  34. "Python instance" was shocked and realized the dirty words and advertisement detection of the chat system in Python
  35. Convolutional neural network processing sequence for Python deep learning
  36. Python data structure and algorithm (1) -- enum type enum
  37. 超全大厂算法岗百问百答(推荐系统/机器学习/深度学习/C++/Spark/python)
  38. 【Python进阶】你真的明白NumPy中的ndarray吗?
  39. All questions and answers for algorithm posts of super large factories (recommended system / machine learning / deep learning / C + + / spark / Python)
  40. [advanced Python] do you really understand ndarray in numpy?
  41. 【Python进阶】Python进阶专栏栏主自述:不忘初心,砥砺前行
  42. [advanced Python] Python advanced column main readme: never forget the original intention and forge ahead
  43. python垃圾回收和缓存管理
  44. java调用Python程序
  45. java调用Python程序
  46. Python常用函数有哪些?Python基础入门课程
  47. Python garbage collection and cache management
  48. Java calling Python program
  49. Java calling Python program
  50. What functions are commonly used in Python? Introduction to Python Basics
  51. Python basic knowledge
  52. Anaconda5.2 安装 Python 库(MySQLdb)的方法
  53. Python实现对脑电数据情绪分析
  54. Anaconda 5.2 method of installing Python Library (mysqldb)
  55. Python implements emotion analysis of EEG data
  56. Master some advanced usage of Python in 30 seconds, which makes others envy it
  57. python爬取百度图片并对图片做一系列处理
  58. Python crawls Baidu pictures and does a series of processing on them
  59. python链接mysql数据库
  60. Python link MySQL database