当前位置：首页 > article >正文

Python绘制数据地图-MovingPandas

article 2025/1/21 20:33:42

MovingPandas 是一个用于时空数据分析的 Python 库，它扩展了 Pandas 和 GeoPandas，使得处理和分析带有时间戳的地理数据变得更加方便。虽然 MovingPandas 本身不直接提供数据可视化功能，但你可以结合其他库如 matplotlib、folium 或 plotly 来绘制数据地图。

以下是一个简单的示例，展示如何使用 MovingPandas 和 matplotlib 来绘制带有时间戳的地理数据地图：

安装必要的库：

pip install movingpandas geopandas matplotlib pandas

导入库并准备数据：

import pandas as pd
import geopandas as gpd
from movingpandas import TrajectoryCollection, Trajectory
import matplotlib.pyplot as plt

# 示例数据：创建一些带有时间戳的地理数据点
data = {
    'timestamp': ['2023-10-01 00:00:00', '2023-10-01 01:00:00', '2023-10-01 02:00:00',
                  '2023-10-01 00:00:00', '2023-10-01 01:00:00', '2023-10-01 02:00:00'],
    'geometry': [
        'POINT (1 1)', 'POINT (2 2)', 'POINT (3 3)',
        'POINT (4 4)', 'POINT (5 5)', 'POINT (6 6)'
    ]
}
df = pd.DataFrame(data)
df['timestamp'] = pd.to_datetime(df['timestamp'])
gdf = gpd.GeoDataFrame(df, geometry=gpd.points_from_xy(df.geometry.apply(lambda x: float(x.split()[1])),
                                                      df.geometry.apply(lambda x: float(x.split()[0]))))

# 创建轨迹对象
trajectories = [Trajectory(gdf[gdf['geometry'] == f'POINT ({x} {y})'].copy().reset_index(drop=True))
                for x, y in zip([1, 4], [1, 4])]
tc = TrajectoryCollection(trajectories)

绘制地图：
由于 MovingPandas 本身不提供绘图功能，我们可以使用 GeoPandas 的绘图功能来可视化地理数据。这里我们绘制每个时间点的位置。

# 绘制所有轨迹点
fig, ax = plt.subplots(1, 1, figsize=(10, 6))

for trajectory in tc.trajectories:
    for point in trajectory.df.itertuples(index=False, name=None):
        plt.plot(point.geometry.x, point.geometry.y, 'bo')  # 'bo' 表示蓝色圆点

# 设置坐标轴范围和标签
plt.xlim(0, 7)
plt.ylim(0, 7)
plt.xlabel('Longitude')
plt.ylabel('Latitude')
plt.title('Trajectory Points')
plt.grid(True)
plt.show()

请注意，这个示例非常基础，只是简单地绘制了每个时间点的位置。如果你需要更复杂的时空数据可视化，比如动态地图或轨迹动画，可以考虑使用 folium 或 plotly。

例如，使用 plotly 绘制动态轨迹：

import plotly.express as px

# 将轨迹数据转换为适合 plotly 的格式
plotly_data = []
for trajectory in tc.trajectories:
    plotly_data.append(trajectory.df[['geometry', 'timestamp']].rename(columns={'geometry': 'geometry (lat, lon)'}))

# 由于 plotly 不直接支持 GeoPandas 的 geometry 列，我们需要将其转换为经纬度列
for df in plotly_data:
    df['lat'] = df['geometry (lat, lon)'].apply(lambda x: float(x.y))
    df['lon'] = df['geometry (lat, lon)'].apply(lambda x: float(x.x))
    df.drop(columns=['geometry (lat, lon)'], inplace=True)

# 合并轨迹数据
plotly_data = pd.concat(plotly_data).reset_index(drop=True)

# 使用 plotly 绘制
fig = px.scatter_geo(plotly_data, lat='lat', lon='lon', color='index', hover_name='timestamp',
                     animation_frame='timestamp', title='Trajectory Animation')
fig.show()