• geojson數據結構
• geojson作圖方法
• geojson與pandas

https://blog.exploratory.io/visualizing-geospatial-data-with-your-own-geojson-f96dde0f6296?blog.exploratory.io

數據結構

GeoJSON是用于表示地理對象的格式。 它與常規JSON不同，因為它支持幾何類型，例如：Point，LineString，Polygon，MultiPoint，MultiLineString，MultiPolygon和GeometryCollection。

使用GeoJSON，使可視化瞬間變得更加容易，您將在后面的部分中看到。 這主要是因為GeoJSON允許我們將集合的幾何數據類型存儲在一個中央結構中。

GeoPandas是一個Python模塊，用于通過擴展Python模塊Pandas使用的數據類型來簡化在python中的地理空間數據，以允許對幾何類型進行空間操作。 如果你不熟悉Pandas，請查看其教程。

GeoJSON 是用于描述地理空間信息的數據格式。GeoJSON 不是一種新的格式，其語法規范是符合 JSON 格式的，只不過對其名稱進行了規范，專門用于表示地理信息。

GeoJSON 的最外層是一個單獨的對象（object）。這個對象可表示：

幾何體（Geometry）。
特征（Feature）。
特征集合（FeatureCollection）。
最外層的 GeoJSON 里可能包含有很多子對象，每一個 GeoJSON 對象都有一個 type 屬性，表示對象的類型，type 的值必須是下面之一。

Point：點。
MultiPoint：多點。
LineString：線。
MultiLineString：多線。
Polygon：面。
MultiPolygon：多面。
GeometryCollection：幾何體集合。
Feature：特征。
FeatureCollection：特征集合。

通常，GeoPandas縮寫為gpd，用于將GeoJSON數據讀入DataFrame。 下面你可以看到我們打印出了五行GeoJSON DataFrame：

{"type": "FeatureCollection","features": [/*表示地圖上一個點*/{"type": "Feature","properties": {},"geometry": {"type": "Point","coordinates": [117.24609374999999,36.65079252503471]}},/*表示地圖上一條線段*/{"type": "Feature","properties": {},"geometry": {"type": "LineString","coordinates": [[117.24599450826645,36.65120999361623],[117.24690914154054,36.65124657580678],[117.24694132804869,36.65100341150826],[117.24670529365538,36.650695689215624],[117.24620908498764,36.65059024562966]]}},/*表示地圖上一個多邊形(三角形,正方形,長方形....等等)*/{"type": "Feature","properties": {},"geometry": {"type": "Polygon","coordinates": [[[117.15253829956055,36.67089730689858],[117.14584350585938,36.658917692387114],[117.16318130493163,36.64721167063527],[117.17554092407227,36.65313376288551],[117.18034744262694,36.66773046368491],[117.17348098754883,36.677643625245274],[117.15322494506836,36.692786266889456],[117.13193893432617,36.68397636535661],[117.15047836303711,36.68012171607383],[117.15253829956055,36.67089730689858]]]}}]}

由以上格式可以發現，每一個對象都有一個成員變量 coordinates。如果 type 的值為 Point、MultiPoint、LineString、MultiLineString、Polygon、MultiPolygon 之一，則該對象必須有變量 coordinates。

如果 type 的值為 Feature（特征），那么此特征對象必須包含有變量 geometry，表示幾何體，geometry 的值必須是幾何體對象。此特征對象還包含有一個 properties，表示特性，properties 的值可以是任意 JSON 對象或 null。例如：

{ "type": "Feature", "properties": { "name": "北京" }, "geometry": { "type": "Point", "coordinates": [ 116.3671875, 39.977120098439634] }

如果 type 的值為 GeometryCollection（幾何體集合），那么該對象必須有變量 geometries，其值是一個數組，數組的每一項都是一個 GeoJSON 的幾何對象。如果 type 的值為 FeatureCollection（特征集合），則該對象必須有一個名稱為 features 的成員。features 的值是一個數組，數組的每一項都是一個特征對象。

Geopandas操作Geojson

!pip3 install geopandas

!pip3 install geojsonio

# 定位到.geojson文件 import os print(os.getcwd()) os.chdir("/content/drive/My Drive/Colab Notebooks") os.chdir("/content/drive/My Drive/Colab Notebooks/EBOV/Data") print(os.getcwd())

import geopandas as gpd states = gpd.read_file('location_data_v3.geojson') print(states.head()) print(states[0:]) print(states.shape)

繪制geojson地圖

方法一： 軟件

方法二：geopandas

關于我們將要使用的庫，GeoPandas允許讀取和處理地理空間數據，而Matplotlib可以繪制數據。GeoPandas依賴于與python-gdal包裝器相同的基本原理，但是它不是讀取地理空間圖像并返回NumPy數組，而是返回Pandas Series和DataFrames，這通過提供對Pandas API函數的訪問使處理這種類型的數據更加容易。

我們首先需要導入geopandas和matplotlib：

pip install pysal==1.13.0

import geopandas as gpd import matplotlib.pyplot as plt %matplotlib inline plt.rcParams['figure.figsize'] = (20, 10)# load our two GeoJSON files df_places = gpd.read_file('places.geojson') df_admin = gpd.read_file('admin.geojson')# 對于城市的邊界多邊形，無需任何處理即可直接繪制出來ax = df_admin.plot(color='green')# 請注意，我們保留了由圖返回的變量的副本，因為我們打算在接下來的步驟中用城鎮名稱注釋生成的多邊形。 # 我們將遍歷DataFrame位置中的所有條目，并繪制（ax.annotate（…））“ geometry”列設置的地理位 # 置處的城鎮名稱。為簡單起見，我們將自己限制在人口超過10,000的城鎮標簽上： for idx, row in df_places.iterrows():if row['population'] > 10000:coordinates = row['geometry'].coords.xyx, y = coordinates[0][0], coordinates[1][0]ax.annotate(row['name'], xy=(x, y), xytext=(x, y))# 我們通過在多邊形上繪制城鎮位置（下面用紅色/白色小圓圈表示）。提供給plot（）方法的參數值'OrRd' # 是matplotlib 顏色圖的名稱，它基本上是從白色（較低值）到紅色（較高值）的漸變。決定我們繪制點的 # 紅色飽和度的列是填充列。給出最滿意結果的choropleth分類方案是分位數方案。請注意，使用此方案需要 # PySAL（pip install pysal）df_places.plot(ax=ax, column='population', cmap='OrRd')

參考：

https://medium.com/@h4k1m0u/plot-a-geojson-map-using-geopandas-be89e7a0b93b?medium.comhttps://medium.com/@maptastik/remote-geojson-to-geodataframe-19c3c1282a64?medium.comGEOJSON標準格式學習?www.jianshu.com

總結

以上是生活随笔為你收集整理的geojson地图_Geojson地图pandas数据帧的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。