Питон: как создать картограмму из шейп-файла из Канады?

моя цель здесь-создать картограмма Канады в Python. Предположим, у меня есть словарь со значениями, относящимися к каждой канадской провинции / территории:

myvalues={'Alberta': 1.0,
 'British Columbia': 2.0,
 'Manitoba': 3.0,
 'New Brunswick': 4.0,
 'Newfoundland and Labrador': 5.0,
 'Northwest Territories': 6.0,
 'Nova Scotia': 7.0,
 'Nunavut': 8.0,
 'Ontario': 9.0,
 'Prince Edward Island': 10.0,
 'Quebec': 11.0,
 'Saskatchewan': 12.0,
 'Yukon': 13.0}

теперь я хочу покрасить каждую провинцию на основе соответствующего значения в myvalues, используя непрерывную цветовую карту (например, оттенки красного). как это сделать?

до сих пор мне удалось построить только канадские провинции / территории в пределах matplotlib, но их формы появляются в уникальном цвете, и я не знаю, как изменить это в соответствии с числами в myvalues (возможно, мне нужно поиграть с patches но я не знаю как).

здесь вы можете найти шейп-файл:http://www.filedropper.com/canadm1_1

и это мой код на сегодняшний день:

import shapefile
import matplotlib.pyplot as plt
import matplotlib.patches as patches
from matplotlib.patches import Polygon
from matplotlib.collections import PatchCollection
#   -- input --
sf = shapefile.Reader("myfolderCAN_adm1.shp")
recs    = sf.records()
shapes  = sf.shapes()
Nshp    = len(shapes)
cns     = []
for nshp in xrange(Nshp):
    cns.append(recs[nshp][1])
cns = array(cns)
cm    = get_cmap('Dark2')
cccol = cm(1.*arange(Nshp)/Nshp)
#   -- plot --
fig     = plt.figure()
ax      = fig.add_subplot(111)
for nshp in xrange(Nshp):
    ptchs   = []
    pts     = array(shapes[nshp].points)
    prt     = shapes[nshp].parts
    par     = list(prt) + [pts.shape[0]]
    for pij in xrange(len(prt)):
     ptchs.append(Polygon(pts[par[pij]:par[pij+1]]))
    ax.add_collection(PatchCollection(ptchs,facecolor=None,edgecolor='k', linewidths=.5))
ax.set_xlim(-160,-40)
ax.set_ylim(40,90)

это изображение, которое я получаю так далеко:

enter image description here

редактировать

я понимаю, решение должно быть в следующих строках:

cm    = get_cmap('OrRd')
cccol = cm(1.*arange(Nshp)/Nshp)

приведенный выше скрипт создает cccol массив, который на самом деле имеет такую форму:

array([[ 1.        ,  0.96862745,  0.9254902 ,  1.        ],
       [ 0.99766244,  0.93356402,  0.84133796,  1.        ],
       [ 0.99520185,  0.89227221,  0.74749713,  1.        ],
       [ 0.99274125,  0.84306037,  0.64415227,  1.        ],
       [ 0.99215686,  0.78754327,  0.5740254 ,  1.        ],
       [ 0.99186467,  0.71989237,  0.50508269,  1.        ],
       [ 0.98940408,  0.60670514,  0.39927722,  1.        ],
       [ 0.97304114,  0.50618995,  0.32915034,  1.        ],
       [ 0.94105344,  0.40776625,  0.28732027,  1.        ],
       [ 0.88521339,  0.28115341,  0.19344868,  1.        ],
       [ 0.8220992 ,  0.16018455,  0.10345252,  1.        ],
       [ 0.73351789,  0.04207613,  0.02717416,  1.        ],
       [ 0.61959248,  0.        ,  0.        ,  1.        ]])

я не знаю, почему он имеет 4 столбца, но я полагаю, что если я могу каким-то образом связать значения этого массива с указанными в values дикт, я могу решить проблему. Любой идеи?

Изменить 2

я понял, что "трюк" находится в cccol = cm(). Для того, чтобы связать это с провинциями, я попытался назначить cccol = cm(myvalues.values(i) for i in myvalues.keys())

так что (на мой взгляд, по крайней мере) каждый цвет назначается на основе соответствующего ключа, и нет никаких ошибок. Проблема в том, что я получаю ошибку:

TypeError: Cannot cast array data from dtype('O') to dtype('int32') according to the rule 'safe'.

как обойти это?

3 ответов


Это непосредственно не отвечает на ваш вопрос, но, надеюсь, решает вашу проблему так же. Вы смотрели на GeoPandas? Он предоставляет простой API для работы с шейп-файлами и построения графиков. Вы можете повторить ваш код, в том числе подготовке хороплет, всего несколько строк:

import geopandas as gpd
canada = gpd.read_file('CAN_adm1.shp')
canada.plot('myvalues', cmap='OrRd')

в этом примере предполагается, что шейп-файл имеет атрибут для каждой области, содержащий значения, которые вы хотите построить, и атрибут называется "myvalues". Если значения не хранится в шейп-файле, вы можете использовать canada.merge объединения values карта на GeoDataframe.

одно предостережение: в это время у GeoPandas нет простого способа построить легенду для цветов choropleth. (обнаруженная здесь)


запрос: пожалуйста, переименуйте ваш values словарь к чему-то еще. Это имя сделало написание этого ответа намного более трудным. :)

не проверяли это, но попробуйте:

color_numbers = values.values()
    # assumes the provinces are listed in the same order in values as 
    # they are in the shape file
for nshp in xrange(Nshp):
    ptchs   = []
    # ... code omitted ...
    the_facecolor = [(color_numbers[nshp]-1)/(Nshp-1), 0, 0];   #1..13 -> 0..1, then add G=B=0.
        # change the computation if the values in the values dictionary are no longer 1..13
    ax.add_collection(PatchCollection(ptchs, facecolor=the_facecolor, edgecolor='k', linewidths=.5))

выход, который вы получаете, имеет все синие пятна или [0,0,1]. Так как эта строка не в cccol, Я не думаю, что cccol - это проблема. Кроме того, код, который вы добавили, никогда не ссылается cccol после его создания! (Пожалуйста, добавьте ссылку на образец кода, с которого вы начали! :) )

в любом случае, задание facecolor должно помочь, насколько я знаю. Преобразование values вход в диапазон 0..1, затем делая [R,G,B] цветные записи, должны дать вам оттенки красного.


вы упомянули путаницу о cccol быть списком списков. Это список кортежей RGBA (красный, зеленый, синий, Альфа-прозрачность). Они представляют собой 13 "равномерно расположенных" цветов от оранжевого до красного.

в вашем случае вы не хотите одинаково расположенных цветов, но цвета, соответствующие myvalues. Этого:

cmap = matplotlib.cm.get_cmap('OrRd')
norm = matplotlib.colors.Normalize(min(myvalues.values()), max(myvalues.values()))
color_producer = matplotlib.cm.ScalarMappable(norm=norm, cmap=cmap)

теперь color_producer метод to_rgba, который принимает значения из myvalues и преобразует их в правильные цвета. The Normalize установка min и Max диапазона из myvalues к крайним цветам красно-оранжевой цветовой карты.

теперь, когда вы создаете каждой провинции PatchCollection, вы можете установить его facecolor в кортеж RGBA, возвращенный color_producer:

# Change the province name passed as you iterate through provinces.
rgba = color_producer.to_rgba(myvalues['Manitoba'])
PatchCollection(ptchs, facecolor=rgba, edgecolor='k', linewidths=.5)