### 芝加哥各区地理分布图的绘制 要完成这一任务，可以利用 `pandas` 和 `geopandas` 库来处理 CSV 文件中的数据，并使用 `matplotlib` 或者更高级的地图库如 `folium` 来进行可视化。 以下是具体方法： #### 数据加载与预处理 首先需要安装必要的 Python 库。如果尚未安装这些库，则可以通过以下命令安装它们： ```bash pip install pandas geopandas matplotlib folium shapely ``` 接着，使用 `pandas` 加载 CSV 文件并提取所需的列（即 `the_geom` 和 `DISTRICT` 字段）。假设该文件名为 `chicago_districts.csv`。 ```python import pandas as pd # 将CSV文件读入DataFrame对象中 data = pd.read_csv('chicago_districts.csv', usecols=['the_geom', 'DISTRICT'])[^1] print(data.head()) # 查看前几行以确认数据结构是否正确 ``` #### 地理空间数据分析准备 由于 `the_geom` 列通常存储的是几何形状信息 (WKT格式)，因此需将其转换成 GeoPandas 可识别的空间数据类型。 ```python from shapely import wkt import geopandas as gpd # 使用apply函数将字符串形式的geometry转为shapely.geometry对象 data['geometry'] = data['the_geom'].apply(wkt.loads) # 创建GeoDataFrame以便后续绘图操作更加方便直观 gdf = gpd.GeoDataFrame(data, geometry='geometry')[^2] del gdf['the_geom'] # 删除原始the_geom列以防混淆 print(gdf.head()) ``` #### 绘制地图 现在有了一个包含适当几何图形和区域名称的 GeoDataFrame ，可以用它轻松创建一幅简单的地图。 ```python %matplotlib inline import matplotlib.pyplot as plt fig, ax = plt.subplots(figsize=(10,8)) gdf.plot(ax=ax, column='DISTRICT', legend=True, cmap='tab20') ax.set_title("Chicago Districts Distribution", fontsize=16) plt.show() ``` 对于交互式地图的需求，可考虑采用 Folium 实现更为动态的效果展示。 ```python import folium m = folium.Map(location=[41.8781,-87.6298], zoom_start=11) for idx, row in gdf.iterrows(): sim_geo = gpd.GeoSeries(row['geometry']).simplify(tolerance=0.001) geo_j = sim_geo.to_json() geo_j = folium.GeoJson(data=geo_j, style_function=lambda x: {'fillColor': 'orange'}) folium.Popup(row['DISTRICT']).add_to(geo_j) geo_j.add_to(m) m.save("index.html") # 导出HTML页面查看效果 ``` 以上就是整个流程概述以及相应代码片段说明。希望这能帮助到您！