本文示例代碼及附件已上傳至我的Github倉庫https://github.com/CNFeffery/DataScienceStudyNotes

1 簡介

下面的這幅圖可能很多讀者朋友們都看到過，這是英國搖滾樂隊「Joy Division」在1979年發行的其第一張錄音室專輯「Unknown Pleasures」的封面，由藝術家「Peter Saville」基于射電脈沖星信號的數據圖創作而成，成為了一種流行文化的符號標志。

圖1

類似圖1的風格，在地圖制作中也存在著一種「山脊地圖」，基于記錄地表海拔信息的「高程數據」，我們可以利用水平方向上的基于實際位置海拔高度的曲線，來對某塊區域的地形進行更具藝術性的表達。

圖2

而今天的文章，我們就來一起基于Python，配合顏色與字體的選擇搭配，使用簡短的代碼，就可以創作出藝術海報級別的「山脊地圖」。

2 基于ridge_map的山脊地圖繪制

我們主要使用matplotlib與ridge_map來完成一幅山脊圖的創作，使用pip install ridge_map完成對ridge_map的安裝之后，我們先一個非常簡單的例子開始：

from?ridge_map?import?RidgeMap import?matplotlib.font_manager?as?fm import?matplotlib.pyplot?as?plt#?從本地的字體文件中注冊字體 font_prop?=?fm.FontProperties(fname="fonts/UncialAntiqua-Regular.ttf")#?基于傳入的區域左下角、右上角經緯度 #?來獲取原始高程數據并繪制成山脊地圖 #?如果你有“特殊的上網技巧”，這一步等待時間會很短 (RidgeMap(bbox=(-156.250305,18.890695,-154.714966,20.275080),font=font_prop).plot_map(label="Hawai'i") )plt.savefig('圖3.png') 圖3

這就是ridge_map繪制山脊地圖的基本模式，利用matplotlib.font_manager注冊要使用的字體，再將繪圖區域bbox信息與字體屬性傳入RidgeMap()之后調用plot_map()方法即可進行繪制。

但如果你想要制作出像下面這種更多定制內容的山脊地圖，就需要了解多一些知識：

圖4

下面我們分部分來展開介紹：

2.1 數據準備

我們統一使用RidgeMap接受bbox參數確定區域范圍，格式為(左下角經度, 左下角緯度, 右上角經度, 右上角緯度)，其基于的高程數據來自「NASA」的SRTM數據集，分辨率為1弧秒（約30米），適用于北緯60°到南緯60°之間的區域。

ridge_map中數據準備的完整過程如下，其中get_elevation_data方法的num_lines參數用于控制返回數據對應的水平線數量，越大約細密，默認為80；viewpoint參數用于確定指南針所指的方向，默認為south：

#?初始化 rm?=?RidgeMap(bbox=(-156.250305,18.890695,-154.714966,20.275080),font=font_prop)#?在線獲取高程數據 values?=?rm.get_elevation_data(num_lines=200,?viewpoint='north')

而獲取到的values實際上是范圍內各條水平線海拔變化情況的二維numpy數組：

圖5

2.2 數據加工

在第一步獲取到的數據的基礎上，我們可以利用RidgeMap的preprocess方法來進行加工，從而實現一些諸如改變高度映射比例、低洼地區篩選的功能，其主要參數如下：

?

「values」：傳入上一步獲取到的二維數組數據

「water_ntile」：浮點數，范圍應在0到100之間，作為數據刪除的閾值，即高度低于總體**water_ntile%**分位數的數據會被視作水體，從而在圖像中不顯示

「vertical_ratio」：用于設置原始高度值在繪圖中被擴大的倍數，越大越夸張

?values?=?rm.preprocess(values=values,water_ntile=10,vertical_ratio=240)rm.plot_map(values,?label="Hawai'i")plt.savefig('圖6.png') 圖6

2.3 繪制圖像

做完上述數據加工之后，我們就可以調用plot_map()方法來進行山脊圖的繪制，其主要參數如下：

?

「values」：傳入之前處理好的values

「label」：用于設置圖像上疊加的文字標簽內容

「label_x」：0-1之間的浮點數，用于確立文字標簽左下角相對于繪圖區域的比例x坐標

「label_y」：類似「label_x」，調整y坐標

「label_verticalalignment」：調整文字標簽在豎直方向上的對齊方式，默認為'bottom'

「label_size」：控制文字標簽字體大小，默認為40

「line_color」：設置線條的色彩，默認為'black'，當傳入matplotlib中的colormap對象時即開啟了色彩映射模式

「kind」：設置色彩映射策略，'gradient'表示與高度無關，在畫幅豎直方向上進行色彩漸變，'elevation'則將色彩映射與高度相綁定

「linewidth」：設置線條粗細，默認為2

「background_color」：設置圖像背景色

?

其他參數都非常簡單易懂，這里來重點展示不同kind參數下結果的不同：

• 「kind='gradient'」

rm.plot_map(values,?label="Hawai'i",?kind='gradient',?line_color=plt.get_cmap('Reds')) 圖7

可以看到在gradient模式下，整幅圖像上的線條色彩從上向下按照colormap進行漸變。

• 「kind='elevation'」

rm.plot_map(values,?label="Hawai'i",?kind='elevation',?line_color=plt.get_cmap('Reds'))plt.savefig('圖8.png') 圖8

可以看到這時我們的線條色彩基于的是高度信息。

2.4 結合matplotlib

因為ridge_map基于的是matplotlib，所以我們可以類似geopandas繪圖那樣，在調用plot_map時向ax參數傳入已經存在的Axes對象，從而結合不同類型的圖像，就像下面這個簡單的例子一樣：

圖9

在get到ridge_map的有趣用法之后，我們就可以對合法范圍內任意一個地方進行繪制，譬如下面我們繪制的重慶市中心城區的部分范圍：

font_prop?=?fm.FontProperties(fname="fonts/LongCang-Regular.ttf")rm?=?RidgeMap(bbox=(106.360758,29.385385,106.74734,29.676339),font=font_prop)values?=?rm.get_elevation_data(num_lines=250,?viewpoint='south') values?=?rm.preprocess(values=values,water_ntile=5,vertical_ratio=90)rm.plot_map(values,?label="",?kind='elevation',?line_color=plt.get_cmap('plasma'),label_size=100)plt.savefig('圖10.png') 圖10

---

以上就是本文的全部內容，你可以盡情發揮創作出具有創意的山脊地圖。歡迎在評論區與我進行討論~

往期精彩回顧適合初學者入門人工智能的路線及資料下載機器學習及深度學習筆記等資料打印機器學習在線手冊深度學習筆記專輯《統計學習方法》的代碼復現專輯 AI基礎下載機器學習的數學基礎專輯 獲取本站知識星球優惠券，復制鏈接直接打開： https://t.zsxq.com/y7uvZF6 本站qq群704220115。加入微信群請掃碼：

總結

以上是生活随笔為你收集整理的【Python基础】纯Python绘制满满艺术感的山脊地图的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。