歡迎大家來到“Python從零到壹”，在這里我將分享約200篇Python系列文章，帶大家一起去學習和玩耍，看看Python這個有趣的世界，所有文章都將結合案例、代碼和作者的經驗講解，真心想把自己近十年的編程經驗分享給大家，希望對您有所幫助，文章中不足之處也請海涵，Python系列整體框架包括基礎語法10篇、網路爬蟲30篇、可視化分析10篇、機器學習20篇、大資料分析20篇、影像識別30篇、人工智能40篇、Python安全20篇、其他技巧10篇，您的關注、點贊和轉發就是對秀璋最大的支持，知識無價人有情，希望我們都能在人生路上開心快樂、共同成長，

前一篇文章主要介紹Matplotlib和Pandas擴展包繪圖的基礎用法，同時引入Echarts技術，這篇文章將詳細講解Matplotlib子包，負責地圖繪制，即Basemap擴展包，在做資料挖掘或可視化分析時，常常需要將資料顯示到地圖上，比如城市人口、空氣環境、GDP分布、資源銷售、全球熱圖等，基礎文章，希望對您有所幫助，

文章目錄

一.Basemap安裝
二.地圖繪制官方案例
- 1.Basemap簡介
- 2.案例分析
三.Basemap繪制地圖
- 1.地圖投影
- 2.繪制全球主要城市地球儀
四.總結

下載地址：

https://github.com/eastmountyxz/Python-zero2one

前文賞析：

第一部分基礎語法

[Python從零到壹] 一.為什么我們要學Python及基礎語法詳解
[Python從零到壹] 二.語法基礎之條件陳述句、回圈陳述句和函式
[Python從零到壹] 三.語法基礎之檔案操作、CSV檔案讀寫及面向物件

第二部分網路爬蟲

[Python從零到壹] 四.網路爬蟲之入門基礎及正則運算式抓取博客案例
[Python從零到壹] 五.網路爬蟲之BeautifulSoup基礎語法萬字詳解
[Python從零到壹] 六.網路爬蟲之BeautifulSoup爬取豆瓣TOP250電影詳解
[Python從零到壹] 七.網路爬蟲之Requests爬取豆瓣電影TOP250及CSV存盤
[Python從零到壹] 八.資料庫之MySQL基礎知識及操作萬字詳解
[Python從零到壹] 九.網路爬蟲之Selenium基礎技術萬字詳解（定位元素、常用方法、鍵盤滑鼠操作）
[Python從零到壹] 十.網路爬蟲之Selenium爬取在線百科知識萬字詳解（NLP語料構造必備技能）

第三部分資料分析和機器學習

[Python從零到壹] 十一.資料分析之Numpy、Pandas、Matplotlib和Sklearn入門知識萬字詳解(1)
[Python從零到壹] 十二.機器學習之回歸分析萬字總結全網首發（線性回歸、多項式回歸、邏輯回歸）
[Python從零到壹] 十三.機器學習之聚類分析萬字總結全網首發（K-Means、BIRCH、層次聚類、樹狀聚類）
[Python從零到壹] 十四.機器學習之分類演算法三萬字總結全網首發（決策樹、KNN、SVM、分類演算法對比）
[Python從零到壹] 十五.文本挖掘之資料預處理、Jieba工具和文本聚類萬字詳解
[Python從零到壹] 十六.文本挖掘之詞云熱點與LDA主題分布分析萬字詳解
[Python從零到壹] 十七.可視化分析之Matplotlib、Pandas、Echarts入門萬字詳解
[Python從零到壹] 十八.可視化分析之Basemap地圖包入門詳解

第四部分 Python影像處理

第五部分 NLP與文本挖掘

第六部分人工智能入門知識

第七部分影像識別與目標檢測

第八部分網路攻防與AI安全

第九部分知識圖譜構建實戰

第十部分人工智能高級案例

作者新開的“娜璋AI安全之家”將專注于Python和安全技術，主要分享Web滲透、系統安全、人工智能、大資料分析、影像識別、惡意代碼檢測、CVE復現、威脅情報分析等文章，雖然作者是一名技術小白，但會保證每一篇文章都會很用心地撰寫，希望這些基礎性文章對你有所幫助，在Python和安全路上與大家一起進步，

一.Basemap安裝

這里作者只做簡單介紹，我們從非官網網站下載下面兩個擴展包，cp36表示Python3.6版本，Windows下64位環境加amd64，你需要找到適合自己環境的檔案，

basemap-1.2.2-cp36-cp36m-win_amd64.whl
pyproj-3.0.1-cp36-cp36m-win_amd64.whl

下載地址為：

https://www.lfd.uci.edu/~gohlke/pythonlibs/

在這里插入圖片描述

接下來使用PIP命令去到whl檔案所在目錄，然后分別進行安裝，先安裝Pyproj，再安裝Basemap擴展包，命令如下：

pip install basemap-1.2.2-cp36-cp36m-win_amd64.whl

安裝程序如下圖所示：

在這里插入圖片描述

Successfully installed basemap-1.2.2 cycler-0.11.0 kiwisolver-1.3.1 matplotlib-3.3.4 numpy-1.19.5 pillow-8.4.0 pyparsing-3.0.5 pyproj-3.0.1 pyshp-2.1.3 python-dateutil-2.8.2 six-1.16.0

接下來呼叫該擴展包，不再報錯即表示安裝成功，

在這里插入圖片描述

二.地圖繪制官方案例

?
首先作者給出官方檔案的介紹以及簡單案例，讓讀者體會下Basemap的魅力，官方網址：

https://matplotlib.org/basemap

1.Basemap簡介

Basemap工具包是Matplotlib包的子包，一個用于在Python繪制2D資料至地圖的庫，它提供了將坐標轉化為25中不同地圖投影的功能，然后呼叫Matplotlib擴展包繪制輪廓、影像和坐標點等，

該擴展包提供了海岸線、河流、政治邊界資料集以及繪制方法，其中GEOS庫在內部用于將海岸線和邊界特征剪切到所需的地圖投影區域，下面給出官網的翻譯示例，源地址：

https://matplotlib.org/basemap/users/geography.html

Basemap包括GSSH（現在是GSHHG）海岸線資料集以及GMT格式的河流、州和國家邊界的資料集，這些資料集可以用來以不同的解析度繪制海岸線、河流和政治邊界地圖，相關方法如下：

drawcoastlines(): 繪制海岸線，
fillcontinents(): 通過填充海岸線多邊形為地圖著色，
drawcountries(): 繪制國家邊界，
drawstates(): 在北美繪制狀態邊界，
drawrivers(): 繪制河流，

此外，可以將影像用作地圖背景，而不是繪制海岸線和政治邊界，Basemap提供了以下幾個選項：

drawlsmask(): 繪制高解析度的海陸影像，指定陸地和海洋的顏色，資料源于GSHHS海岸線，
bluemarble(): 繪制NASA藍色大理石影像作為地圖背景，
shadedrelief(): 繪制陰影浮雕影像作為地圖背景，
etopo(): 繪制一張etopo浮雕影像作為地圖背景，
warpimage(): 使用abitrary影像作為地圖背景，必須是全球新的，從國際日東線向東和南極以北覆寫世界，

2.案例分析

(1) 繪制海岸線、填充海洋和陸地區域

# -*- coding: utf-8 -*-
# By:Eastmount CSDN
from mpl_toolkits.basemap import Basemap
import matplotlib.pyplot as plt
 
# 設定basemap-Lambert Conformal 
m = Basemap(width=12000000,height=9000000,projection='lcc',
            resolution='c',lat_1=45.,lat_2=55,lat_0=50,lon_0=-107.)
 
# 繪制海岸線
m.drawcoastlines()
# 在地圖周圍繪制邊界并填充背景aqua（這個背景最終成為海洋的顏色）
# 將大洲繪制在最上面
m.drawmapboundary(fill_color='aqua')
 
# 填充大陸coral顏色,并設定湖泊顏色為blue
m.fillcontinents(color='coral',lake_color='blue')
plt.show()

繪制圖形如下所示：

請添加圖片描述

(2) 繪制一幅海陸罩（land-sea mask）影像

# -*- coding: utf-8 -*-
# By:Eastmount CSDN
from mpl_toolkits.basemap import Basemap
import matplotlib.pyplot as plt
 
# 設定basemap Lambert-Conformal 
# 設定解析度引數resolution=None 跳過處理邊界資料集
m = Basemap(width=12000000,height=9000000,projection='lcc',
            resolution=None,lat_1=45.,lat_2=55,lat_0=50,lon_0=-107.)
 
# 為地圖背景繪制海陸罩
# lakes=True 意味著內陸湖和海洋顏色一致
m.drawlsmask(land_color='coral',ocean_color='aqua',lakes=True)
plt.show()

繪制如下圖所示：

在這里插入圖片描述

(3) 繪制美國宇航局藍色大理石影像（the NASA Blue Marble）

# -*- coding: utf-8 -*-
# By:Eastmount CSDN
from mpl_toolkits.basemap import Basemap
import matplotlib.pyplot as plt
 
m = Basemap(width=12000000,height=9000000,projection='lcc',
            resolution=None,lat_1=45.,lat_2=55,lat_0=50,lon_0=-107.)
m.bluemarble()
plt.show()

繪制如下圖所示：

在這里插入圖片描述

(4) 繪制帶陰影的浮雕影像

# -*- coding: utf-8 -*-
# By:Eastmount CSDN
from mpl_toolkits.basemap import Basemap
import matplotlib.pyplot as plt
 
m = Basemap(width=12000000,height=9000000,projection='lcc',
            resolution=None,lat_1=45.,lat_2=55,lat_0=50,lon_0=-107.)
m.shadedrelief()
plt.show()

繪制如下圖所示：

在這里插入圖片描述

(5) 繪制etopo浮雕影像

# -*- coding: utf-8 -*-
# By:Eastmount CSDN
from mpl_toolkits.basemap import Basemap
import matplotlib.pyplot as plt
 
m = Basemap(width=12000000,height=9000000,projection='lcc',
            resolution=None,lat_1=45.,lat_2=55,lat_0=50,lon_0=-107.)
m.etopo()
plt.show()

繪制如下圖所示：

? 請添加圖片描述

三.Basemap繪制地圖

1.地圖投影

可能讀者已經發現了，Basemap擴展包是繪制地圖最重要的庫之一，所以作者先講解該庫函式，同時，由于作者沒有找到系統的引數介紹，只能摸著石頭過河學習，也希望對您有點幫助，

為方便呈現，需要將三維球坐標系轉換為二維笛卡爾坐標系，利用地圖投影（Map Projection）實作，官網給出的25種映射方式如下：

https://matplotlib.org/basemap/users/mapsetup.html

在這里插入圖片描述

lcc型別的核心代碼如下：

m = Basemap(width=12000000,
		height=9000000,
		projection='lcc',
		resolution=None,
		lat_1=45.,
		lat_2=55,
		lat_0=50,
		lon_0=-107.)

引數介紹如下：

width：寬度
height：高度
projection=‘lcc’：表示規定的投影方法，改變投影方法繪制的結果也將不同，25種方式
resolution=None：表示跳過處理邊界資料集
lat_0=50：維度設定為50（Latitude，值為-90到90）
lon_0=-107：經度設定為-107（ Longitude，值為-180到180）

示例代碼如下：

https://matplotlib.org/basemap/users/aeqd.html

# -*- coding: utf-8 -*-
# By:Eastmount CSDN
from mpl_toolkits.basemap import Basemap
import numpy as np
import matplotlib.pyplot as plt
 
width = 28000000; lon_0 = -105; lat_0 = 40
m = Basemap(width=width,height=width,projection='aeqd',
            lat_0=lat_0,lon_0=lon_0)
 
# 填充背景
m.drawmapboundary(fill_color='aqua')

# 繪制海岸線并填充大陸
m.drawcoastlines(linewidth=0.5)
m.fillcontinents(color='coral',lake_color='aqua')

# 20度經緯度，范圍-80到81 -180到180
m.drawparallels(np.arange(-80,81,20))
m.drawmeridians(np.arange(-180,180,20))

# 在中心繪制一個黑點
xpt, ypt = m(lon_0, lat_0)
m.plot([xpt],[ypt],'ko')

# 繪制標題
plt.title('Azimuthal Equidistant Projection')
plt.show()

運行結果如下圖所示：

請添加圖片描述

merc型別的核心代碼如下：

m = Basemap(projection='merc',
		llcrnrlat=-80,
		urcrnrlat=80,
		llcrnrlon=-180,
		urcrnrlon=180)

引數介紹如下：

projection=merc’：表示規定的投影方法，墨卡托投影（Mercator Projection），廣泛應用谷歌地圖
llcrnrlat=-80：所需地圖域左下角的緯度（度）Latitude
urcrnrlat=80：所需地圖域的右上角的緯度（度）Latitude
llcrnrlon=-180：所需地圖域左下角的經度（度）Longitude
urcrnrlon=180：所需地圖域（度）的右上角的經度Longitude

示例：

# -*- coding: utf-8 -*-
# By:Eastmount CSDN
from mpl_toolkits.basemap import Basemap
import matplotlib.pyplot as plt
 
m = Basemap(projection='merc', llcrnrlat=-80, urcrnrlat=80,
            llcrnrlon=-180, urcrnrlon=180)
m.drawcoastlines()
plt.show()

繪制圖形如下所示：

在這里插入圖片描述

同時，繪制一個城市點代碼的常見兩種方式如下：

# 上海經緯度 (31.23N,121.47E)
x = 31.23
y = 121.47
xpt, ypt = m(x,y)
m.scatter(xpt,ypt,s=2)
 
x = 31.23
y = 121.47
xpt, ypt = m(x,y)
m.plot([xpt],[ypt],'ko')

2.繪制全球主要城市地球儀

接下來我們學習vamei老師繪制全球主要城市的地球儀，其資料保存于major_city.txt檔案中，內容如下：

城市名
人口名
維度
經度
國家

Shanghai 23019148  31.23N  121.47E  China
Mumbai   12478447  18.96N  72.82E   India
Karachi  13050000  24.86N  67.01E   Pakistan
Delhi    16314838  28.67N  77.21E   India
Manila   11855975  14.62N  120.97E  Philippines
Seoul    23616000  37.56N  126.99E  Korea(South)
Jakarta  28019545   6.18S  106.83E  Indonesia
Tokyo    35682460  35.67N  139.77E  Japan
Peking   19612368  39.91N  116.39E  China

接著呼叫Basemap繪制圖形，代碼如下：

http://www.cnblogs.com/vamei

# -*- coding: utf-8 -*-
# Written by Vamei, http://www.cnblogs.com/vamei/
# Feel free to use or modify this script.
from mpl_toolkits.basemap import Basemap
import matplotlib.pyplot as plt
import numpy as np
 
#============================================
# read data
names = []
pops  = []
lats  = []
lons  = []
countries = []
for line in open("major_city.txt","r"):
    info = line.split()
    names.append(info[0])
    pops.append(float(info[1]))
    lat  = float(info[2][:-1])
    if info[2][-1] == 'S': lat = -lat
    lats.append(lat)
    lon  = float(info[3][:-1])
    if info[3][-1] == 'W': lon = -lon + 360.0
    lons.append(lon)
    country = info[4]
    countries.append(country)
 
#============================================
# set up map projection with
# use low resolution coastlines.
map = Basemap(projection='ortho',lat_0=35,lon_0=120,resolution='l')
# draw coastlines, country boundaries, fill continents.
map.drawcoastlines(linewidth=0.25)
map.drawcountries(linewidth=0.25)
# draw the edge of the map projection region (the projection limb)
map.drawmapboundary(fill_color='#689CD2')
# draw lat/lon grid lines every 30 degrees.
map.drawmeridians(np.arange(0,360,30))
map.drawparallels(np.arange(-90,90,30))
# Fill continent wit a different color
map.fillcontinents(color='#BF9E30',lake_color='#689CD2',zorder=0)
# compute native map projection coordinates of lat/lon grid.
x, y = map(lons, lats)
max_pop = max(pops)
# Plot each city in a loop.
# Set some parameters
size_factor = 80.0
y_offset    = 15.0
rotation    = 30
for i,j,k,name in zip(x,y,pops,names):
    size = size_factor*k/max_pop
    cs = map.scatter(i,j,s=size,marker='o',color='#FF5600')
    plt.text(i,j+y_offset,name,rotation=rotation,fontsize=10)
 
plt.title('Major Cities in Asia & Population')
plt.show()