### 使用 Python 实现经纬度映射至自制地图 在处理地理信息系统(GIS)中的数据时，将经纬度坐标映射到自定义创建的地图上是一项常见需求。此过程涉及几个关键步骤：选择合适的投影方式、准备基础地图背景、加载并转换目标地点的经纬度坐标。 对于此类操作，`geopandas` 和 `matplotlib` 是两个非常有用的库[^1]。前者提供了易于使用的接口来读取和写入多种格式的空间数据文件，并支持几何对象的操作；后者则擅长于图形化展示这些空间数据。为了更方便地进行地图绘制工作，还可以引入专门用于地图可视化的第三方扩展包——`cartopy`，它能简化地图投影设置流程并且提供丰富的内置地图样式选项[^2]。 下面给出一段简单的代码示例，演示如何利用上述提到的技术栈完成从经纬度到指定区域内的点位标记： ```python import cartopy.crs as ccrs import matplotlib.pyplot as plt from shapely.geometry import Point, mapping import geopandas as gpd # 定义地图范围及投影类型（这里采用墨卡托投影） ax = plt.axes(projection=ccrs.Mercator()) ax.set_extent([110, 125, 20, 40], crs=ccrs.PlateCarree()) # 添加自然地球矢量底图层 ax.add_feature(gpd.read_file(gpd.datasets.get_path('naturalearth_lowres')).plot(ax=ax)) # 假设有如下几组经纬度数据待标注 locations = [ {"name": "City A", "lon": 116.4074, "lat": 39.9042}, {"name": "City B", "lon": 121.4737, "lat": 31.2304} ] for loc in locations: point = Point(loc["lon"], loc["lat"]) # 将shapely geometry object 转换成 GeoJSON-like dict 并加入GeoDataFrame geo_df = gpd.GeoDataFrame({'geometry': [point]}, index=[loc['name']], crs="EPSG:4326") # 绘制散点图，注意要指定正确的坐标系以便正确显示位置关系 ax.scatter(geo_df.geometry.x, geo_df.geometry.y, transform=ccrs.Geodetic(), label=loc['name']) plt.legend() plt.show() ``` 这段脚本首先设置了绘图窗口及其对应的地理覆盖区间与投影模式，接着调用了预设的世界轮廓作为底层参照物，最后遍历给定的城市列表，在相应的位置添加了代表各城市的彩色圆圈符号。