要在地图上可视化中国各城市的降水量空间分布，并结合温度数据填充颜色，可以按照以下步骤进行操作： ### 1. **准备工具和库** 首先需要安装一些Python相关的绘图和地理信息处理库： ```bash pip install geopandas matplotlib shapely descartes pandas seaborn ``` ### 2. **加载Shp文件和气象数据** - 使用`geopandas`读取shp文件，它包含了每个城市的位置等地理信息。 - 将降水量、温度等属性数据整理成CSV或其他表格形式的数据集。 ```python import geopandas as gpd import pandas as pd # 加载shapefile (假设为china_cities.shp) gdf = gpd.read_file('path_to_your_shapefiles/china_cities.shp') # 加载降水量和温度数据（例如从csv） weather_data = pd.read_csv('path_to_weather_data.csv') ``` ### 3. **合并数据源** 将气象数据与地理位置数据通过共同的关键字段（比如城市名称）关联起来： ```python merged_df = gdf.merge(weather_data, on='city_name') # 'city_name' 是匹配键值对 ``` ### 4. **绘制基础的地图底图** 创建一个包含所有省份或直辖市的基础地图背景： ```python base_map = merged_df.plot(figsize=(10,8), color="white", edgecolor='black', alpha=0.5) ``` ### 5. **添加圆点并设置大小及色彩映射规则** 基于每座城市的经纬度坐标，在对应位置绘制代表该地降水情况的圆形标记；利用Seaborn的颜色调板给定颜色范围用于反映气温差异： ```python from matplotlib.colors import Normalize import numpy as np import seaborn as sns norm_precipitation = Normalize(vmin=min(merged_df['precipitation']), vmax=max(merged_df['precipitation'])) cmap_temperature = sns.color_palette("coolwarm_r", as_cmap=True) for idx, row in merged_df.iterrows(): base_map.scatter(x=row.geometry.x, y=row.geometry.y, s=np.sqrt(row.precipitation)*7, # 圆圈半径随降水量变化调整大小 c=[row.temperature], # 根据温度着色 cmap=cmap_temperature, norm=Normalize(vmin=min(merged_df['temperature']), vmax=max(merged_df['temperature'])), zorder=9 # 确保覆盖在其他元素之上 ) plt.colorbar(label='Temperature °C') # 添加温度条形图说明 plt.title("Precipitation and Temperature Distribution") plt.show() ``` 此段代码会生成一幅以不同大小圆圈显示各地年均降雨量多少、同时又以内嵌渐变色调体现出相应地区平均温差特征的地图图像。 --- **注意事项：** - 如果你的降水量数值差距过大，建议使用log转换或其他归一化手段缩小极值影响； - 调整`s=`后面的系数可以让最终图形中各个城市对应的圆圈更美观合适； - `vmin`, `vmax`参数可根据实际情况修改以便获得更好的视觉效果。