Earthpy | 这样超赞的艺术地图也能轻松绘制...

DataCharm

发布于 2024-05-11 18:15:19

1080

发布于 2024-05-11 18:15:19

文章被收录于专栏：数据学术商业新闻数据学术商业新闻

前言

一、「earthpy」-Python处理栅格、矢量数据利器
二、可视化学习圈子是干什么的？
三、系统学习可视化
四、猜你喜欢

前言

我们的数据可视化课程已经上线啦！！目前课程的主要方向是科研、统计、地理相关的学术性图形绘制方法，后续也会增加商务插图、机器学等、数据分析等方面的课程。课程免费新增，这点绝对良心！
我们第一个数据可视化交流圈子也已经上线了，主要以我的第一本书籍《科研论文配图绘制指南-基于Python》为基础进行拓展，提供「课堂式」教学视频，还有更多拓展内容，可视化技巧远超书籍本身，书籍修正和新增都会分享到圈子里面~~
参与课程或者圈子的你将获取到：学员答疑、可视化资源分享、可视化技巧补充、可视化业务代做(学员和甲方对接)、副业交流、提升认知等等。

「earthpy」-Python处理栅格、矢量数据利器

最近在整理Python数据可视化课程的拓展内容时，发现了一个处理空间数据的超赞工具-「earthpy」，也解决了一个绘制艺术地图的问题，下面就给大家详细介绍一下这个工具~~

earthpy简介及安装

EarthPy是一个 python 软件包，它使使用开源工具绘制和处理空间栅格和矢量数据变得更加容易。Earthpy 依赖于侧重于矢量数据的 geopandas 和便于输入和输出光栅数据文件的rasterio，你还可以使用 matplotlib 进行绘图操作。

可以使用pip进行安装，但之前需要安装rasterio, geopandas, numpy等包：

pip install earthpy

earthpy包可视化功能

我们重点还是放在EarthPy工具的可视化展示上面，如下：

使用 EarthPy 绘制栅格数据图层

from glob import glob
import matplotlib.pyplot as plt
import earthpy as et
import earthpy.spatial as es
import earthpy.plot as ep

# Get data for example
data = et.data.get_data("vignette-landsat")

# Set working directory
os.chdir(os.path.join(et.io.HOME, "earth-analytics"))

# Stack the Landsat 8 bands
# This creates a numpy array with each "layer" representing a single band
# You can use the nodata= parameter to mask nodata values
landsat_path = glob(
    os.path.join(
        "data",
        "vignette-landsat",
        "LC08_L1TP_034032_20160621_20170221_01_T1_sr_band*_crop.tif",
    )
)
landsat_path.sort()
array_stack, meta_data = es.stack(landsat_path, nodata=-9999)

titles = ["Ultra Blue", "Blue", "Green", "Red", "NIR", "SWIR 1", "SWIR 2"]
# sphinx_gallery_thumbnail_number = 1
ep.plot_bands(array_stack, title=titles)
plt.show()

Plot All Bands in a Stack

使用 EarthPy 创建阴影层

这个功能就能帮助我们绘制出根据艺术感的地图作品。

绘制普通的DEM数据结果如下：

创建阴影图层：

# Create and plot the hillshade with earthpy
hillshade = es.hillshade(elevation)

ep.plot_bands(
    hillshade,
    cbar=False,
    title="Hillshade made from DTM",
    figsize=(10, 6),
)
plt.show()

将dem图层放在阴影图层之上：

# Plot the DEM and hillshade at the same time
# sphinx_gallery_thumbnail_number = 5
fig, ax = plt.subplots(figsize=(10, 6))
ep.plot_bands(
    elevation,
    ax=ax,
    cmap="terrain",
    title="Lidar Digital Elevation Model (DEM)\n overlayed on top of a hillshade",
)
ax.imshow(hillshade, cmap="Greys", alpha=0.5)
plt.show()

通过修改映射色系和图片后处理，我们可以绘制出下面的艺术地图效果：

更多关于EarthPy的使用语法和可视化案例，读者可参考：EarthPy官网[1]

可视化学习圈子是干什么的？

可视化学习圈子是书籍「科研论文配图绘制指南-基于Python」一书的学下圈子：主要通过以下几个方面，给大家带来比纸质书籍更丰富的学习内容：

视频教学，和读者零距离互动交流
及时修正勘误和定期新增绘制知识点
拓展衍生，绘图知识点远超书籍本身
直播视频+拓展资料+答疑，学习更高效

「PS」：我们直播教学内容为课堂式教学，原作者带着大家对书籍一章、一节、一页的进行教学。而且直播的视频都会通过剪辑后整理成课程，圈子中的同学可以免费、反复观看。当然，新增内容和定期答疑，直播也是如此。

为何会有这个书籍学习社群？无门槛的微信群难免会鱼龙混杂，问题和质量都无法得到保证，而且一些关键问题经常被淹没，且没有沉淀价值。
随着添加我微信的人日益增多，向我提问的人也越来越多，随便回答一下就太不负责任了；不回答也不是很好；如果都仔细回答，我也有自己的工作并且确实很忙，真的有点心有余而力不足！所以我才会建立这么一个渠道来沉淀我的可视化技巧和分享经验，以及给大家提供一个坚持学习的平台。

微信扫码下方二维码即可参与我们的书籍学习圈子啦：

微信扫码即可加入学习圈子

系统学习可视化

当然，在学习数据可视化的道路上，你也有很多问题得不到解答，也可以加入我们的可视化课程(可视化系列课程推文)后，在学员群里和大家一起谈论，一起进步，或者直接向我提问。如果我觉得你的问题很具有普适性，我会把它写成文章发布在公众号上，让更多人看到，有关我们数据可视化系列课程的服务内容，可以参考下面的阅读原文。