### 创建基于经纬度数据的可视化图表 对于利用Python中的`matplotlib`或其他绘图工具包来根据经纬度数据创建可视化图表的任务，可以采用多种方式实现。这里主要介绍两种常见的应用场景：一是使用柱状图对比不同地理位置的优势；二是通过热力图展示城市的适宜性分布。 #### 利用柱状图对比不同位置优势 当需要比较特定地点之间的差异时，可以通过收集各地区的相关指标（如人口密度、经济水平等），并将其映射到对应的经度和纬度上形成坐标系内的点位。之后，在此基础上构建柱状图以直观反映各个区域间的相对强弱关系[^1]。 ```python import matplotlib.pyplot as plt from mpl_toolkits.basemap import Basemap # 假设我们有三个城市的位置及其对应的一个评价指标值 cities = [ ('CityA', 39.9042, 116.4074, 8), # 经度, 纬度, 指标值 ('CityB', 31.2304, 121.4737, 5), ('CityC', 22.3964, 114.1095, 7) ] fig, ax = plt.subplots() m = Basemap(projection='cyl') m.drawcoastlines() for name, lat, lon, value in cities: xpt, ypt = m(lon, lat) bar_width = 0.1 * (value / max([city[-1] for city in cities])) # 调整柱子宽度表示强度 rect = plt.Rectangle((xpt-bar_width/2., ypt), bar_width, .1, facecolor="blue", edgecolor="black") ax.add_patch(rect) plt.title('Comparison of Different Locations Using Bar Chart on Map') plt.show() ``` 此代码片段展示了如何在一个地图背景之上叠加简单的矩形代表每个城市的评估得分情况。注意这里的柱状并不是传统意义上的垂直排列而是横向放置于地图上的相应位置附近。 #### 展示城市适宜性分布的热力图 为了更全面地理解某个区域内多个因素共同作用下的综合影响程度，可以选择制作热力图来进行表达。这种方法特别适用于描述像城市规划中提到的城市热岛效应这样的现象[^2]。下面是一个简单例子说明怎样依据给定的一组经纬度以及关联属性生成一张二维平面上的颜色渐变图像： ```python import numpy as np import pandas as pd import seaborn as sns import geopandas as gpd from shapely.geometry import Point import contextily as ctx # 构造一些模拟数据集 data = { 'latitude': [39.9042, 31.2304, 22.3964], 'longitude': [116.4074, 121.4737, 114.1095], 'suitability_score': [0.8, 0.6, 0.7] } df = pd.DataFrame(data) gdf = gpd.GeoDataFrame(df, geometry=gpd.points_from_xy(df.longitude, df.latitude)) ax = gdf.plot(column='suitability_score', cmap='coolwarm', markersize=50, legend=True, figsize=(10, 8)) ctx.add_basemap(ax=ax, crs=gdf.crs.to_string(), source=ctx.providers.OpenStreetMap.Mapnik) plt.title('Heatmap Showing City Suitability Distribution Based On Latitude and Longitude Data') plt.show() ``` 上述脚本首先定义了一个包含几个样本点的小型表格结构化对象，接着转换成GeoPandas GeoDataFrame以便后续操作更加便捷高效。最后借助Contextily加载底图服务，并调用Seaborn绘制出色彩丰富的热点区域效果。