Python绘制中国大陆人口热力图：修正版教程
本文介绍如何使用Python的Basemap库绘制中国大陆人口密度热力图。针对原教程运行问题，提供了从环境配置、省界数据下载、人口数据处理到地图渲染的完整修正代码。重点解决了地名匹配、颜色映射及省份名称标准化等细节，确保图表准确显示各省人口分布情况。
此前有教程介绍了如何绘制中国人口密度图，但在实际运行中可能存在若干问题。本文对这些步骤进行了必要的修改和完善，以确保代码能够顺利执行并生成正确的结果。
本教程基于Anaconda集成开发环境，建议在Anaconda Prompt命令行工具中预先安装Basemap相关依赖包，以确保后续绘图功能正常运行。
conda install Basemap
创建新的Python脚本文件，并在代码开头导入绘图及数据处理所需的各类库，包括Matplotlib、Basemap、Numpy和Pandas等。
import matplotlib.pyplot as plt from mpl_toolkits.basemap import Basemap from matplotlib.patches import Polygon from matplotlib.colors import rgb2hex import numpy as np import pandas as pd
Basemap库默认不包含中国详细的省界数据，因此需要前往指定网站下载中国省界的Shapefile格式数据，并选择Shapefile进行下载保存。
利用下载好的省界数据生成中国大陆的行政边界图像，为后续叠加人口数据做准备。
plt.figure(figsize=(16,8))
m = Basemap(
llcrnrlon=77,
llcrnrlat=14,
urcrnrlon=140,
urcrnrlat=51,
projection='lcc',
lat_1=33,
lat_2=45,
lon_0=100
)
m.drawcountries(linewidth=1.5)
m.drawcoastlines()
m.readshapefile('gadm36_CHN_shp/gadm36_CHN_1', 'states', drawbounds=True)
访问国家统计局官方网站，下载最新的人口统计数据，筛选出“地区”和“总人口”两列信息，将文件保存为CSV格式，并命名为pop.csv以便程序读取。
使用Pandas读取pop.csv文件，将数据转换为DataFrame格式。处理过程中需去除地区名称中的空格，并将处理后的地区名称设置为DataFrame的索引，以便后续匹配。
df = pd.read_csv('pop.csv')
new_index_list = []
for i in df["地区"]:
i = i.replace(" ","")
new_index_list.append(i)
new_index = {"region": new_index_list}
new_index = pd.DataFrame(new_index)
df = pd.concat([df,new_index], axis=1)
df = df.drop(["地区"], axis=1)
df.set_index("region", inplace=True)
建立Basemap中的地理区域标识与CSV文件中人口数据之间的对应关系字典。由于Basemap输出的地名格式与CSV文件中的名称存在差异，需要进行相应的清洗和转换处理以实现准确匹配。
provinces = m.states_info
statenames=[]
colors = {}
cmap = plt.cm.YlOrRd
vmax = 100000000
vmin = 3000000
for each_province in provinces:
province_name = each_province['NL_NAME_1']
p = province_name.split('|')
if len(p) > 1:
s = p[1]
else:
s = p[0]
s = s[:2]
if s == '黑龍':
s = '黑龙江'
if s == '内蒙':
s = '内蒙古'
statenames.append(s)
pop = df['人口数'][s]
colors[s] = cmap(np.sqrt((pop - vmin) / (vmax - vmin)))[:3]
完成数据映射和颜色配置后，调用绘图函数生成最终的人口热力图，并显示结果。
ax = plt.gca() for nshape, seg in enumerate(m.states): color = rgb2hex(colors[statenames[nshape]]) poly = Polygon(seg, facecolor=color, edgecolor=color) ax.add_patch(poly) plt.show()
以下是经过修正后的完整Python代码，整合了上述所有步骤。
# -*- coding: utf-8 -*-
import matplotlib.pyplot as plt
from mpl_toolkits.basemap import Basemap
from matplotlib.patches import Polygon
from matplotlib.colors import rgb2hex
import numpy as np
import pandas as pd
plt.figure(figsize=(16,8))
m = Basemap(
llcrnrlon=77,
llcrnrlat=14,
urcrnrlon=140,
urcrnrlat=51,
projection='lcc',
lat_1=33,
lat_2=45,
lon_0=100
)
m.drawcountries(linewidth=1.5)
m.drawcoastlines()
m.readshapefile('gadm36_CHN_shp/gadm36_CHN_1', 'states', drawbounds=True)
df = pd.read_csv('pop.csv')
new_index_list = []
for i in df["地区"]:
i = i.replace(" ","")
new_index_list.append(i)
new_index = {"region": new_index_list}
new_index = pd.DataFrame(new_index)
df = pd.concat([df,new_index], axis=1)
df = df.drop(["地区"], axis=1)
df.set_index("region", inplace=True)
provinces = m.states_info
statenames=[]
colors = {}
cmap = plt.cm.YlOrRd
vmax = 100000000
vmin = 3000000
for each_province in provinces:
province_name = each_province['NL_NAME_1']
p = province_name.split('|')
if len(p) > 1:
s = p[1]
else:
s = p[0]
s = s[:2]
if s == '黑龍':
s = '黑龙江'
if s == '内蒙':
s = '内蒙古'
statenames.append(s)
pop = df['人口数'][s]
colors[s] = cmap(np.sqrt((pop - vmin) / (vmax - vmin)))[:3]
ax = plt.gca()
for nshape, seg in enumerate(m.states):
color = rgb2hex(colors[statenames[nshape]])
poly = Polygon(seg, facecolor=color, edgecolor=color)
ax.add_patch(poly)
plt.show()
以上就是本文的全部内容，希望对读者在Python数据可视化方面的学习有所帮助，欢迎继续支持本站获取更多技术资源。
免责声明：本文内容仅供参考，不代表本站观点。转载或引用请注明出处。
