（在模仿中精進數據可視化04）舊金山街道樹木分布可視化

本文完整代碼及數據已上傳至我的Github倉庫https://github.com/CNFeffery/FefferyViz

1 簡介

　　開門見山，今天我們要模仿的數據可視化作品來自#TidyTuesday活動於2020年1月28日發布的舊金山街道樹木數據集下的眾多參賽作品中，由Philippe Massicotte創作的（如圖1所示）非常受歡迎的Street trees of San Francisco：

圖1

　　原作者使用的工具是R語言，而今天的文章內容，我就將帶大家學習如何在Python中模仿圖1的風格進行類似數據信息的可視化展示（其實原作品有一些令人困惑的瑕疵，因此我在下文中在一些地方采用了與原作者不同的分析方式，因此最終的成品與原作品有一些不同之處）。

2 模仿過程

　　今天我們要模仿的這張圖，咋一看上去似乎略復雜，但如果你曾經閱讀過我的基於geopandas的空間數據分析系列文章，就一下子可以在腦中將此圖構成進行分解：

2.1 過程分解

　　我們仔細觀察原作品，可以get到其主要視覺元素是將統計出的數值映射到每個社區面色彩之上，且外圍的輪廓描邊，很明顯是整個地區對應整體的向外緩沖區，再輔以道路網，使得整張圖看起來顯得很“精密”。

　　結合我們手頭的數據：舊金山社區面數據、有登記的街道樹木點數據，至於道路網線數據我們則可以利用第三方庫osmnx進行獲取（建議利用conda install -c conda-forge osmnx進行安裝）。

　　將過程拆分為下列步驟：

• 數據准備

　　首先我們需要讀入已有的數據並進行相應的矢量化：

圖2

　　而路網數據我們則可以利用osmnx進行在線獲取，只需傳入我們的舊金山面數據bbox范圍，配合

osmnx進行獲取即可：

圖3

　　接着我們在上述數據基礎上對每個社區面內部的街道樹木數量進行統計並對數據進行分箱，配上預設區間的色彩值：

# 統計每個社區內部的樹木數量
sf_trees = \
(
    gpd
    # 空間連接
    .sjoin(left_df=sf,
           right_df=trees,
           op='contains',
           how='left')
    # 按照name分組計數（這里未連接到任何數的社區被
    # 記為1本質上是錯誤的，但我們繪圖分段后這一點不影響）
    .groupby('name')
    .agg({
        'name': 'count',
        'geometry': 'first'
    })
    .rename(columns={'name': '數量'})
    .reset_index(drop=False)
    # 直接轉為GeoDataFrame
    .pipe(gpd.GeoDataFrame, crs='EPSG:4326')
)

sf_trees['顏色'] = (
    pd
    .cut(sf_trees['數量'], 
         bins=[0, 2500, 5000, 7500, 10000, max(sf_trees['數量'])], 
         labels=['#e4f1e1', '#c0dfd1', '#67a9a2', '#3b8383', '#145e64'])
)

　　最后別忘記了我們作為輪廓的緩沖區生成：

# 生成輪廓緩沖區
sf_bounds = gpd.GeoSeries([sf.buffer(0.001).unary_union], crs='EPSG:4326')

• 主要視覺元素繪制　　

　　做好這些准備后我們直接就可以先將圖像的主體元素繪制出來：

import matplotlib.pyplot as plt
from matplotlib import font_manager as fm

# 設置全局默認字體
plt.rcParams['font.sans-serif'] = ['Times New Roman']

fig, ax = plt.subplots(figsize=(6, 6))

# 設置背景色
ax.set_facecolor('#333333')
fig.set_facecolor('#333333')

# 圖層1：緩沖區輪廓
ax = (
    sf_bounds
    .plot(ax=ax, facecolor='none', edgecolor='#cccccc', linewidth=1)
)

# 圖層2：帶有樹木統計信息的社區面
ax = (
    sf_trees
    .plot(color=sf_trees['顏色'], edgecolor='#333333',
          linewidth=0.5, ax=ax)
)

# 圖層3：osm路網
ax = (
    roads
    .plot(linewidth=0.05, edgecolor='#3c3d3d',
          ax=ax)
)

# 設置x軸
ax.set_xticks([-122.5, -122.45, -122.4, -122.35])
ax.set_xticklabels(['122.5°W', '122.45°W', '122.4°W', '122.35°W'])

# 設置y軸
ax.set_yticks([37.72, 37.74, 37.76, 37.78, 37.8, 37.82])
ax.set_yticklabels(['37.72°N', '37.74°N', '37.76°N', '37.78°N', '37.8°N', '37.82°N'])

# 設置坐標軸樣式
ax.tick_params(axis='both', labelcolor='#737373', color='none', labelsize=8)

# 隱藏周圍的spines線條
ax.spines['left'].set_color('none')
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
ax.spines['bottom'].set_color('none')

# 導出圖像
fig.savefig('圖4.png', dpi=600, bbox_inches='tight')

圖4

• 輔助視覺元素的添加

　　接下來我們只需要補充上各種點睛之筆的小元素即可，其中值得一提的是下方的圖例我們用inset_axes()插入子圖的方式靈活實現。

　　並且外部字體文件的使用也是很添彩的，我們這里就分別在標題和刻度標簽處使用到了兩種特殊的字體（你可以在開頭的Github倉庫找到我用到的所有字體文件）：

fig, ax = plt.subplots(figsize=(6, 6))

# 設置背景色
ax.set_facecolor('#333333')
fig.set_facecolor('#333333')

# 圖層1：緩沖區輪廓
ax = (
    sf_bounds
    .plot(ax=ax, facecolor='none', edgecolor='#cccccc', linewidth=1)
)

# 圖層2：帶有樹木統計信息的社區面
ax = (
    sf_trees
    .plot(color=sf_trees['顏色'], edgecolor='#333333',
          linewidth=0.5, ax=ax)
)

# 圖層3：osm路網
ax = (
    roads
    .plot(linewidth=0.05, edgecolor='#3c3d3d',
          ax=ax)
)

# 設置x軸
ax.set_xticks([-122.5, -122.45, -122.4, -122.35])
ax.set_xticklabels(['122.5°W', '122.45°W', '122.4°W', '122.35°W'])

# 設置y軸
ax.set_yticks([37.72, 37.74, 37.76, 37.78, 37.8, 37.82])
ax.set_yticklabels(['37.72°N', '37.74°N', '37.76°N', '37.78°N', '37.8°N', '37.82°N'])

# 設置坐標軸樣式
ax.tick_params(axis='both', labelcolor='#737373', color='none', labelsize=8)

# 隱藏周圍的spines線條
ax.spines['left'].set_color('none')
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
ax.spines['bottom'].set_color('none')

# 以插入子圖的方式添加下方圖例
ax_bar = ax.inset_axes((0.25, -0.12, 0.5, 0.015))
ax_bar.set_facecolor('#333333')
ax_bar.spines['left'].set_color('none')
ax_bar.spines['right'].set_color('none')
ax_bar.spines['top'].set_color('none')
ax_bar.spines['bottom'].set_color('none')

ax_bar.bar(range(5), [1]*5, width=0.975, color=['#e4f1e1', '#c0dfd1', '#67a9a2', '#3b8383', '#145e64'])
ax_bar.set_yticks([])
ax_bar.set_xticks([i+0.5 for i in range(4)])
ax_bar.set_xticklabels(['2500', '5000', '7500', '10000'], 
                       fontdict={'fontproperties': fm.FontProperties(fname="RobotoCondensed-Regular.ttf")})
ax_bar.tick_params(color='none', labelcolor='#ffffff', labelsize=8, pad=0)

ax.set_title('Street trees of San Francisco', 
             fontsize=24,
             color='#ffffff',
             pad=40,
             fontproperties=fm.FontProperties(fname="Amaranth-Bold.ttf"))

ax.text(0.5, 1.08, '''There are a total of 192987 trees in San Francisco regrouped into 571 species.
The district with the most number of trees is Mission whereas the one with
the least number of trees is LincoLn Park / Ft. Miley.''', transform=ax.transAxes, ma='center',
        ha='center', va='top', color='#ffffff')

ax.text(0.5, -0.22, 'Visualization by CNFeffery', fontsize=8,
        color='#737373', ha='center', transform=ax.transAxes)

# 導出圖像
fig.savefig('圖5.png', dpi=600, bbox_inches='tight')

圖5

---

　　以上就是本文的全部內容，歡迎在評論區與我進行討論~