Как построить карту «различий» с помощью геопанд и карты классификации? - PullRequest
Новая
       15

Как построить карту «различий» с помощью геопанд и карты классификации?

0 голосов
/ 14 апреля 2019

У меня есть GeoDataFrame со столбцом «различия», в котором хранится дельта между двумя числами. Иногда эти числа являются положительными, отрицательными или нулевыми, если нет разницы. Мне нужно сделать карту хороплета, которая имеет некоторую расходящуюся карту цветов с 0 (или средним буфером) в качестве средней точки и несимметричной цветовой шкалой, например [-0.02, -0.01, 0., 0.01, 0.02, 0.03]. Я экспериментировал с 

class MidPointNormalize(mp.colors.Normalize):
    def __init__(self, vmin=None, vmax=None, midpoint=None, clip=False):
        self.midpoint = midpoint
        mp.colors.Normalize.__init__(self, vmin, vmax, clip)

    def __call__(self, value, clip=None):
        x, y = [self.vmin, self.midpoint, self.vmax], [0, 0.5, 1]
        return np.ma.masked_array(np.interp(value, x, y), np.isnan(value))

norm = MidPointNormalize(midpoint=0,vmin=diff_merge_co["diff"].min(),
                         vmax=diff_merge_co["diff"].max())
diff_merge_co.plot(ax=ax, column="diff", cmap="coolwarm", norm=norm,
                   legend=True)

, а также установка norm для некоторых выбранных значений: 

bounds = np.array([-0.02, -0.01, 0., 0.01, 0.02, 0.03])
norm = colors.BoundaryNorm(boundaries=bounds, ncolors=256)

но есть много технических проблем с этим (включая то, что цветовая полоса не сохраняется вверх и очевидное уродство ручного выбора ваших значений).

Итак, мой вопрос: как бы вы нарисовали карту с расходящимся масштабом, используя geopandas.GeoDataFrame.plot() и какой метод mapclassify вы бы использовали?

1 Ответ

1 голос
/ 15 апреля 2019

Я не могу понять проблему, но обе идеи должны работать нормально.Например: 

import geopandas as gpd
print(gpd.__version__)   ## 0.4.1
import numpy as np; np.random.seed(42)
import matplotlib.pyplot as plt 
import matplotlib.colors as mcolors

class MidPointNormalize(mcolors.Normalize):
    def __init__(self, vmin=None, vmax=None, midpoint=None, clip=False):
        self.midpoint = midpoint
        mcolors.Normalize.__init__(self, vmin, vmax, clip)

    def __call__(self, value, clip=None):
        x, y = [self.vmin, self.midpoint, self.vmax], [0, 0.5, 1]
        return np.ma.masked_array(np.interp(value, x, y), np.isnan(value))

## Some data file from ## http://biogeo.ucdavis.edu/data/diva/adm/USA_adm.zip    
gdf = gpd.read_file(gpd.datasets.get_path('naturalearth_lowres')) 
quant = np.random.rand(len(gdf))*0.05-0.02
gdf['quant']=quant
print(gdf.head())


fig, (ax, ax2) = plt.subplots(2, figsize=(7,6))

norm=MidPointNormalize(-0.02, 0.03, 0)
gdf.plot(column='quant', cmap='RdBu', norm=norm, ax=ax)
fig.colorbar(ax.collections[0], ax=ax)


bounds = np.array([-0.02, -0.01, 0., 0.01, 0.02, 0.03])
norm2 = mcolors.BoundaryNorm(boundaries=bounds, ncolors=256) 
gdf.plot(column='quant', cmap='RdBu', norm=norm2, ax=ax2)
fig.colorbar(ax2.collections[0], ax=ax2)


plt.show()

enter image description here

...