如何在 matplotlib 底图的 TOP 上绘制不同密度的散点图

Question

我正在尝试绘制印度不同年份和不同地点的污染水平。我能够独立获得散点图和底图。但是，我在地图上的指定地理位置绘制这个散点图时遇到了困难。结果是地图被放置在散点图的顶部，这不是我想要的。这是我正在使用的代码：import matplotlib.pyplot as pltfrom mpl_toolkits.basemap import Basemapimport pandas as pdm = Basemap(projection='mill',            llcrnrlat = -80,#llcrncrlat=lower left corner latitude            llcrnrlon = -180,            urcrnrlat = 80,            urcrnrlon = 180,            resolution = 'l')df = pd.read_csv('dust.csv')x = df[['y']]y = df[['x']]colors = df[['y1']]#m.drawcoastlines()#m.drawcountries(linewidth=2)#m.scatter(df['x'],df['y'],s=colors, alpha=0.5, cmap='viridis')plt.scatter(x,y,s=colors, alpha=0.5, cmap='viridis')plt.colorbar()plt.show()

Answer 1

问题：如何在底图的顶部绘制不同密度的散点图？

数据：我有印度各个城市的经纬度以及各个年份的污染水平。

方法：最初，我已将分配的数据结构分配给变量“df”。将纬度分配给“y”，将经度分配给“x”。由于纬度和经度也有一个变量'y'和'x'，在其中，我使用'df['x'].values'来单独获取数值。考虑到印度的几何位置，我绘制了地图。下一组是将这些纬度和经度纳入与地图相同的变量中。这是至关重要的，没有它，我无法观察散点图。以颜色作为第三个变量，我绘制了散点图，污染水平具有不同的密度。

代码：

import pandas as pd

import matplotlib.pyplot as plt

from mpl_toolkits.basemap import Basemap

# make up some data for scatter plot

df = pd.read_csv('dust.csv')

x = df[['y']].values

y = df[['x']].values

fig = plt.gcf()

fig.set_size_inches(8, 6.5)

m = Basemap(projection='mill',

            llcrnrlat = 6.5,#llcrncrlat=lower left corner latitude

            llcrnrlon = 66,

            urcrnrlat = 36,

            urcrnrlon = 98,

            resolution = 'l')

#m.bluemarble(scale=0.2)   # full scale will be overkill

m.drawcoastlines(linewidth=1)# add coastlines

m.drawcountries(linewidth=1)

# transform coordinates

#plt.subplot(221)

x,y=m(x,y)

plt.scatter(x, y,s=df.iloc[1:,2], alpha = 0.5, cmap='viridis')

plt.colorbar()

plt.show()

Answer 2

import pandas as pd

import matplotlib.pyplot as plt

from mpl_toolkits.basemap import Basemap

# make up some data for scatter plot

df = pd.read_csv('dust.csv')

x = df[['y']].values

y = df[['x']].values

fig = plt.gcf()

fig.set_size_inches(8, 6.5)

m = Basemap(projection='mill',

            llcrnrlat = 6.5,#llcrncrlat=lower left corner latitude

            llcrnrlon = 66,

            urcrnrlat = 36,

            urcrnrlon = 98,

            resolution = 'l')

#m.bluemarble(scale=0.2)   # full scale will be overkill

m.drawcoastlines(linewidth=1)# add coastlines

m.drawcountries(linewidth=1)

# transform coordinates

#plt.subplot(221)

x,y=m(x,y)

plt.scatter(x, y,s=df.iloc[1:,2], alpha = 0.5, cmap='viridis')

plt.colorbar()

plt.show()