### 使用 Python 和 GeoJSON 绘制地图 在 Python 中，可以借助 `geopandas`、`matplotlib` 或者 `folium` 等工具来实现基于 GeoJSON 的地图绘制功能。以下是具体方法以及示例代码。 #### 方法一：使用 Geopandas 和 Matplotlib Geopandas 是一个用于处理地理空间数据的强大库，它能够轻松加载和操作 GeoJSON 文件，并支持与 Matplotlib 集成以生成静态地图可视化效果[^1]。 ```python import geopandas as gpd import matplotlib.pyplot as plt # 加载 GeoJSON 数据 data = gpd.read_file("path_to_your_geojson.geojson") # 设置图形大小 plt.figure(figsize=(10, 8)) # 绘制地图 data.plot(color='blue', edgecolor='black') # 显示地图 plt.title('Map using GeoPandas and Matplotlib') plt.show() ``` 上述代码展示了如何通过 Geopandas 载入 GeoJSON 文件并调用其内置绘图函数完成基本的地图渲染工作。 #### 方法二：使用 Folium 创建交互式地图 Folium 提供了一种简单的方式来构建 Leaflet.js 支持下的 HTML 可视化页面，允许用户创建高度可定制化的动态地图界面[^2]。 ```python import folium import json # 打开 JSON 文件 with open("path_to_your_geojson.geojson") as f: geojson_data = json.load(f) # 定义初始中心位置 (纬度,经度) m = folium.Map(location=[latitude, longitude], zoom_start=10) # 添加 GeoJson 图层至地图对象 folium.GeoJson(geojson_data).add_to(m) # 导出为 html 文件或者直接显示 m.save("map.html") m ``` 此段脚本说明了怎样利用 Folium 库导入本地存储的 GeoJSON 文档作为矢量覆盖物呈现在最终输出的地图之上。 #### 方法三：Basemap 结合 Matplotlib 进行高级自定义 对于更加复杂的投影需求或特定区域聚焦展示场景下，则可能需要用到 Basemap 工具包来进行深入调整[^3]。 ```python from mpl_toolkits.basemap import Basemap import matplotlib.pyplot as plt import geopandas as gpd # 初始化 basemap 对象 fig, ax = plt.subplots(figsize=(12, 9)) m = Basemap(projection='merc', llcrnrlat=-80, urcrnrlat=80, llcrnrlon=-180, urcrnrlon=180, resolution='c', ax=ax) # 将坐标转换为地图上的像素点 lon, lat = m(-74.0060, 40.7128) x, y = m(lon, lat) # 在指定地点放置标记 m.scatter(x, y, marker='o', color='red', zorder=5) # 绘制海岸线和其他特征 m.drawcoastlines() m.fillcontinents(color='lightgreen', lake_color='aqua') m.drawparallels(range(-90, 91, 30), labels=[True]*4) m.drawmeridians(range(-180, 181, 60), labels=[True]*4) # 展现结果图像 plt.title('Customized Map with Basemap') plt.show() ``` 这段程序片段解释了当需要精确控制地理位置表示形式时，采用 Basemap 来增强标准二维图表表现力的方式。