注意
向图表添加背景地图#
本示例演示了如何为使用 geopandas .plot() 方法创建的图形添加背景底图。这利用了 contextily 包从多个来源（OpenStreetMap, CartoDB）获取网页地图图块。还可以查看 contextily 的 入门指南 以了解此处未涵盖的可能新功能。
[1]:
import geopandas
import geodatasets
import contextily as cx
让我们使用在geopandas数据集中可获得的纽约市区边界数据。绘制这个会得到以下结果：
[2]:
df = geopandas.read_file(geodatasets.get_path("nybb"))
ax = df.plot(figsize=(10, 10), alpha=0.5, edgecolor="k")
匹配坐标系统#
在将网络地图瓦片添加到该图之前，我们首先需要确保瓦片和数据的坐标参考系统 (CRS) 匹配。网络地图瓦片通常是以 Web Mercator (EPSG 3857) 提供的，因此我们先来检查一下我们的纽约市区使用的是什么 CRS：
[3]:
df.crs
[3]:
<Projected CRS: EPSG:2263>
Name: NAD83 / New York Long Island (ftUS)
Axis Info [cartesian]:
- X[east]: Easting (US survey foot)
- Y[north]: Northing (US survey foot)
Area of Use:
- name: United States (USA) - New York - counties of Bronx; Kings; Nassau; New York; Queens; Richmond; Suffolk.
- bounds: (-74.26, 40.47, -71.8, 41.3)
Coordinate Operation:
- name: SPCS83 New York Long Island zone (US survey foot)
- method: Lambert Conic Conformal (2SP)
Datum: North American Datum 1983
- Ellipsoid: GRS 1980
- Prime Meridian: Greenwich
现在我们知道坐标参考系统（CRS）不匹配，所以我们需要选择一个我们希望可视化数据的坐标参考系统：要么是瓦片的坐标参考系统，要么是数据的坐标参考系统，甚至可以是另一个不同的坐标参考系统。
匹配 CRS 的第一个选项是利用 to_crs GeoDataFrames 方法将我们的数据的 CRS 转换为 Web Mercator：
[4]:
df_wm = df.to_crs(epsg=3857)
我们可以使用 add_basemap 函数来轻松地为我们的绘图添加背景地图：
[5]:
ax = df_wm.plot(figsize=(10, 10), alpha=0.5, edgecolor="k")
cx.add_basemap(ax)
如果我们想要转换瓦片的坐标参考系统，这对于大型数据集可能是明智的，我们可以使用 crs 关键字参数的 add_basemap，如下所示：
[6]:
ax = df.plot(figsize=(10, 10), alpha=0.5, edgecolor="k")
cx.add_basemap(ax, crs=df.crs)
这个函数将地图切片重新投影到目标坐标参考系统，这在某些情况下可能会导致清晰度损失。有关该主题的更多信息，请参阅 contextily’s guide on warping tiles。
控制细节层级#
我们可以使用可选的 zoom 关键字来控制地图瓷砖的细节（注意不要指定过高的 zoom 级别，因为这可能会导致下载量大）。:
[7]:
ax = df_wm.plot(figsize=(10, 10), alpha=0.5, edgecolor="k")
cx.add_basemap(ax, zoom=12)
选择不同的样式#
默认情况下，contextily 使用 OpenStreetMap HOT 风格。我们可以使用 cx.providers 指定不同的风格：
[8]:
ax = df_wm.plot(figsize=(10, 10), alpha=0.5, edgecolor="k")
cx.add_basemap(ax, source=cx.providers.CartoDB.Positron)
ax.set_axis_off()
作为覆盖添加标签#
有时候，当你在底图上绘制数据时，这些数据会遮挡一些重要的地图元素，比如标签，这些元素你希望可以清晰可见。一些地图瓷砖提供者提供多个部分透明的瓷砖集来解决这个问题，而 contextily 会尽力自动检测这些透明层并将它们放在顶部。
[9]:
ax = df_wm.plot(figsize=(10, 10), alpha=0.5, edgecolor="k")
cx.add_basemap(ax, source=cx.providers.CartoDB.PositronNoLabels)
cx.add_basemap(ax, source=cx.providers.CartoDB.PositronOnlyLabels)
通过像这样划分图层，您还可以独立地操作每个图层的缩放级别，例如，可以在仍显示大量细节的同时使标签更大。
[10]:
ax = df_wm.plot(figsize=(10, 10), alpha=0.5, edgecolor="k")
cx.add_basemap(ax, source=cx.providers.CartoDB.PositronNoLabels, zoom=12)
cx.add_basemap(ax, source=cx.providers.CartoDB.PositronOnlyLabels, zoom=10)
