### 使用 Python 绘制基于经纬度和时间的航迹图 在处理 GPS 轨迹数据时，通常需要将经纬度信息与时间序列结合，以可视化运动轨迹。Python 提供了多种库来实现这一功能，例如 `matplotlib`、`folium`、`plotly` 和 `pyecharts` 等。以下是一个完整的流程，涵盖数据读取、时间排序、轨迹绘制等关键步骤。 #### 1. 数据准备 假设数据包含字段：`latitude`（纬度）、`longitude`（经度）、`timestamp`（时间戳），可以使用 `pandas` 读取并按时间排序： ```python import pandas as pd # 读取数据文件（假设为 CSV 格式） data = pd.read_csv("trajectory_data.csv") # 将时间戳转换为 datetime 类型 data['timestamp'] = pd.to_datetime(data['timestamp']) # 按时间排序 data = data.sort_values(by='timestamp') ``` #### 2. 使用 `matplotlib` 绘制二维轨迹图 `matplotlib` 是基础的可视化工具，适合绘制静态二维轨迹图： ```python import matplotlib.pyplot as plt plt.figure(figsize=(10, 6)) plt.plot(data['longitude'], data['latitude'], marker='o', linestyle='-', color='b') plt.title('GPS 轨迹图') plt.xlabel('经度') plt.ylabel('纬度') plt.grid(True) plt.show() ``` #### 3. 使用 `folium` 绘制交互式地图轨迹图 `folium` 可以在 OpenStreetMap 上绘制轨迹，适合交互式展示： ```python import folium # 初始化地图，以第一个点为中心 m = folium.Map(location=[data.iloc[0]['latitude'], data.iloc[0]['longitude']], zoom_start=13) # 添加轨迹线 folium.PolyLine( locations=data[['latitude', 'longitude']].values.tolist(), color='blue', weight=2.5, opacity=1 ).add_to(m) # 显示地图 m.save("trajectory_map.html") ``` #### 4. 使用 `plotly` 绘制动态轨迹图 `plotly` 支持动态轨迹展示，适用于时间序列可视化： ```python import plotly.express as px fig = px.line_mapbox(data, lat="latitude", lon="longitude", hover_name="timestamp", zoom=10, height=600) fig.update_layout(mapbox_style="open-street-map") fig.show() ``` #### 5. 使用 `pyecharts` 绘制 3D 动态轨迹图 `pyecharts` 支持 3D 地图绘制，适用于复杂轨迹展示： ```python from pyecharts import options as opts from pyecharts.charts import Map3D from pyecharts.commons.utils import JsCode # 假设 city_data 是轨迹点的列表，格式为 [(经度, 纬度)] city_data = list(zip(data['longitude'], data['latitude'])) c = ( Map3D("3D 轨迹图") .add_schema( map3d_label=opts.Map3DLabelOpts(is_show=True, textstyle_opts=opts.TextStyleOpts(color="#DC143C", font_size=9)), light_opts=opts.Map3DLightOpts(main_color="#fff", main_intensity=1.2, ambient_intensity=0.3), ) .add( series_name="轨迹", data_pair=city_data, type_=ChartType.LINES3D, effect=opts.Lines3DEffectOpts( is_show=True, period=8, trail_width=8, trail_length=1, trail_color="#DC143C", trail_opacity=1, constant_speed=8 ), linestyle_opts=opts.LineStyleOpts(is_show=True, color="#3CB371", opacity=0.5) ) .set_global_opts(title_opts=opts.TitleOpts(title="3D 动态轨迹图")) ) c.render_notebook() ``` #### 6. 时间序列轨迹可视化 为了展示时间变化，可以将轨迹颜色与时间关联。例如在 `matplotlib` 中使用颜色渐变表示时间： ```python import matplotlib.dates as mdates plt.figure(figsize=(10, 6)) plt.scatter(data['longitude'], data['latitude'], c=mdates.date2num(data['timestamp']), cmap='viridis', s=10) plt.colorbar(label='时间') plt.title('GPS 轨迹图（颜色表示时间）') plt.xlabel('经度') plt.ylabel('纬度') plt.grid(True) plt.show() ``` #### 7. 使用 `geopandas` 进行地理空间分析 如果需要结合地理边界信息（如城市、道路），可以使用 `geopandas` 进行空间数据叠加： ```python import geopandas as gpd from shapely.geometry import Point # 创建地理数据框 geometry = [Point(xy) for xy in zip(data['longitude'], data['latitude'])] gdf = gpd.GeoDataFrame(data, geometry=geometry) # 读取地理边界数据 world = gpd.read_file(gpd.datasets.get_path('naturalearth_lowres')) ax = world.plot(figsize=(15, 10)) gdf.plot(ax=ax, color='red') plt.show() ```