# Map of China
#### 一、介绍
**中国地图可视化**
* 本程序不直接提供任何地图数据,所有数据均来自于[民政部](http://xzqh.mca.gov.cn/map)官网。
* 本程序只希望提供便捷的中国地图可视化API。
* 希望就**技术**本身进行友好的交流。
#### 二、优点
* 地图数据来自于[民政部](http://xzqh.mca.gov.cn/map)官网,具有权威性;
* 可精确到县级行政区划的数据;
* 可自主配置地图中的构成要素,如颜色、线宽、注释文字等;
* 提供较为简单便捷的绘图API
#### 三、模块
程序主要包含两个模块:
① 地图数据获取。Get_Map,基于Python爬虫,主要用到Selenium+RegExp
② 地图数据呈现:Draw_Map,基于Matplotlib
* 绘制省/地级/县级行政区划的轮廓;
* 将不同区域按值的大小填充不同颜色;
* 气泡图
#### 四、应用举例
(1)导入模块
```Python
import Map_of_China as Map
M=Map.Get_Map() #创建获取地图数据对象
D=Map.Draw_Map() #创建绘制地图对象
```
(2)获取地图数据(需安装Selenium模块)
```Python
M=Map.Get_Map()
M.Get_country() #获取首页全国各省的地图数据
M.Get_provinces([32,43]) #获取一组省份内各地级行政区划的数据
M.Get_provinces_auto() #自动获取全国尚未获取的省份数据
M.Get_cities([3201,3203]) #获取一组地级市内各县级行政区划的数据
M.Get_cities_auto(32) #自动获取某个省尚未获取的县级行政区划数据
M.Get_country_county() #获取全国所有县级行政区划的数据(合并在一张地图中)
```
(3)呈现数据
1. 绘制单个行政区划的轮廓(可填充颜色)
```Python
D=Draw_Map()
D.Draw_single_shape('Data/Country/320000.txt',LC=None) #江苏地图
D.Draw_single_shape('Data/Province/32-江苏/320100.txt',LC='k',FC=None,title='南京轮廓')
```
![江苏地图](Example/1-Jiangsu.png)
![南京地图轮廓](Example/2-Nanjing.png)
2. 全国地图
```Python
D=Draw_Map()
D.Draw_country(FC=True,arg={'provName':True}) #默认绘制缩略的南海地图
D.Draw_country(FC=True,arg={'provName':False,'city_name':True,'city_pos':True,'sea':True}) #绘制展开的南海地图
```
![全国地图](Example/14-China.png)
![全国地图](Example/3-China.png)
3. 省份地图
```Python
D=Draw_Map()
D.Draw_province('广东',FC=True,LC='w',arg={'other':True,'city_pos':True,'city_name':True})
D.Draw_province('44',LC='w',FC=True,arg={'other':False})
```
![广东地图](Example/4-Guangdong.png)
![广东地图](Example/5-Guangdong.png)
4. 地级行政单位地图
```Python
D=Draw_Map()
D.Draw_city('3201') #南京地图(默认样式)
D.Draw_city('深圳',FC=True,LC='w',arg={'other':True,'city_pos':True,'city_name':True})
```
![南京地图](Example/6-Nanjing.png)
![深圳地图](Example/7-Shenzhen.png)
5. 地图数据可视化:将区域颜色与数值大小对应
```Python
D=Draw_Map()
src='Example/GDP-2018.csv'
D.Show_data(src,FC='OrRd',title='2018年各省GDP',arg={'sea':True}) #按数据的绝对大小显示
D.Show_data(src,by_val=False,arg={'default_color':[0.6,0.6,0.6]}) #按数据的相对大小(排名)显示
```
![2018年各省GDP](Example/8-GDP_by-value.png)
![2018年各省GDP](Example/9-GDP_by-rank.png)
```Python
D.Show_data('Example/江苏人口2018.txt','32',by_val=True,title='江苏人口2018') #省级数据
D.Show_data('Example/江苏人口2018.txt','32',by_val=True,LC='w',\
title='江苏人口2018',arg={'city_name':True,'city_pos':True,'other':True}) #可配置地图中的样式
```
![江苏人口2018](Example/10-Jiangsu_population.png)
![江苏人口2018](Example/11-Jiangsu_population.png)
```Python
D.Show_data('Example/Suzhou_population.txt','3205',by_val=False,\
title='苏州人口2018',arg={'city_name':True,'city_pos':True,'other':True}) #地级数据
```
![苏州人口2018](Example/12-Suzhou_population.png)
6. 气泡图:将数值大小与圆的半径或颜色对应
```Python
D=Draw_Map()
D.Bubble(src='Example/GDP-2018.csv',img_path='Example/GDP_bubble.png') #更多选项查看:help(D.Bubble)
```
![2018年各省GDP](Example/13-GDP_bubble.png)
7. 其他
* 查询所有含有某名称的区域编码
```Python
search_region_code('朝阳')
```
输出:
```
辽宁省朝阳市: 211300
北京市朝阳区: 110105
辽宁省朝阳市朝阳县: 211321
吉林省长春市朝阳区: 220104
```
* 查询某个或一组经纬度对应的点在本地图中的坐标
```Python
D=Draw_Map()
val=D.trans_coord([114.313876,30.599835])
print(val)
```
输出
```
[583.6755468727599, 393.2750787295468]
```
#### 五、尚未完成的部分
1. 颜色的图例(color map)未完成
2. 部分地图文字注释的位置太近,无法正常显示(如上海的几个市区)
3. 在全国范围内绘制县级行政区划地图耗时太长(主要是县级行政区划数量很多)
4. 无法获取全国范围内地级行政区划的地图数据
5. 尚未获取省级范围内的县级行政区划地图数据
6. 目前只能绘制静态地图,希望加入时间维度,绘制动态可视化地图
没有合适的资源?快使用搜索试试~ 我知道了~
使用GCN和GRU组合模型,多站点气温预测.zip
共235个文件
0:51个
py:26个
log:26个
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
5星 · 超过95%的资源 1 下载量 166 浏览量
2023-10-19
21:11:20
上传
评论 1
收藏 161.46MB ZIP 举报
温馨提示
使用GCN和GRU组合模型,多站点气温预测.zip
资源推荐
资源详情
资源评论
收起资源包目录
使用GCN和GRU组合模型,多站点气温预测.zip (235个子文件)
events.out.tfevents.1626576281.MSZ.14284.0 10KB
events.out.tfevents.1626494375.MSZ.11384.0 10KB
events.out.tfevents.1626577233.MSZ.16984.0 10KB
events.out.tfevents.1626578099.MSZ.2936.0 10KB
events.out.tfevents.1626084634.MSZ.17536.0 10KB
events.out.tfevents.1625385054.MSZ.22948.0 8KB
events.out.tfevents.1626591960.MSZ.15088.0 7KB
events.out.tfevents.1626249134.MSZ.25556.0 7KB
events.out.tfevents.1626591607.MSZ.9668.0 7KB
events.out.tfevents.1626592328.MSZ.13284.0 6KB
events.out.tfevents.1625383056.MSZ.22740.0 6KB
events.out.tfevents.1626576242.MSZ.13940.0 137B
events.out.tfevents.1626576785.MSZ.16480.0 85B
events.out.tfevents.1626499472.MSZ.14816.0 85B
events.out.tfevents.1626592236.MSZ.11704.0 85B
events.out.tfevents.1626591865.MSZ.16444.0 85B
events.out.tfevents.1626592730.MSZ.15680.0 85B
events.out.tfevents.1626517540.MSZ.2316.0 85B
events.out.tfevents.1626578666.MSZ.964.0 85B
events.out.tfevents.1626515721.MSZ.12432.0 85B
events.out.tfevents.1626577666.MSZ.15472.0 85B
events.out.tfevents.1626519695.MSZ.12716.0 40B
events.out.tfevents.1626577201.MSZ.15480.0 40B
events.out.tfevents.1626520232.MSZ.11488.0 40B
events.out.tfevents.1626576037.MSZ.17064.0 40B
events.out.tfevents.1626084605.MSZ.9004.0 40B
events.out.tfevents.1626084094.MSZ.3984.0 40B
events.out.tfevents.1626519632.MSZ.1164.0 40B
events.out.tfevents.1626083788.MSZ.15692.0 40B
events.out.tfevents.1626575626.MSZ.15396.0 40B
events.out.tfevents.1626249588.MSZ.19928.0 40B
events.out.tfevents.1625381641.MSZ.21416.0 40B
events.out.tfevents.1625381490.MSZ.5804.0 40B
events.out.tfevents.1626086265.MSZ.444.0 40B
events.out.tfevents.1626499449.MSZ.6616.0 40B
events.out.tfevents.1626086247.MSZ.11624.0 40B
events.out.tfevents.1625381364.MSZ.18772.0 40B
events.out.tfevents.1626248634.MSZ.12820.0 40B
events.out.tfevents.1626138289.MSZ.20896.0 40B
events.out.tfevents.1626163097.MSZ.19852.0 40B
events.out.tfevents.1626138228.MSZ.22496.0 40B
events.out.tfevents.1626138266.MSZ.20332.0 40B
events.out.tfevents.1626104379.MSZ.18104.0 40B
events.out.tfevents.1626250467.MSZ.15272.0 40B
events.out.tfevents.1626520113.MSZ.4284.0 40B
events.out.tfevents.1626084174.MSZ.13580.0 40B
events.out.tfevents.1626576004.MSZ.8712.0 40B
events.out.tfevents.1626083742.MSZ.17532.0 40B
events.out.tfevents.1626575832.MSZ.2668.0 40B
events.out.tfevents.1626084156.MSZ.18396.0 40B
events.out.tfevents.1625803109.MSZ.7188.0 40B
Guangdong_temperature.csv 15.18MB
Heilongjiang_temperature.csv 14.6MB
Gansu_temperature.csv 11.39MB
all_codes.csv 147KB
distances_guangdong.csv 109KB
distances_heilongjiang.csv 98KB
distances_gansu.csv 80KB
code_pos.csv 17KB
province_code.csv 1KB
latitude_and_longitude.csv 1KB
latitude_and_longitude.csv 1KB
latitude_and_longitude.csv 966B
GDP-2018.csv 640B
gansu_graph_station_ids 444B
guangdong_graph_station_ids 516B
heilongjiang_graph_station_ids 492B
GCRNN_PyTorch.iml 325B
LICENSE 1KB
info.log 33KB
info.log 32KB
info.log 31KB
info.log 31KB
info.log 31KB
info.log 31KB
info.log 21KB
info.log 21KB
info.log 20KB
info.log 18KB
info.log 17KB
info.log 11KB
info.log 2KB
info.log 2KB
info.log 2KB
info.log 1KB
info.log 922B
info.log 446B
info.log 446B
info.log 446B
info.log 446B
info.log 354B
info.log 354B
info.log 354B
info.log 354B
info.log 205B
README.md 5KB
README.md 1KB
ss.md 0B
Guangdong_temperature.npy 9.35MB
Heilongjiang_temperature.npy 8.92MB
共 235 条
- 1
- 2
- 3
资源评论
- messi5200013142024-04-30资源内容详细全面,与描述一致,对我很有用,有一定的使用价值。
天天501
- 粉丝: 596
- 资源: 4666
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功