GIS基础理论 GeoPandas GIS

GeoPandas绘图太丑?Matplotlib咋调?

2025-12-19 GIS基础理论

wowwwai GIS研习社 · 工具流程与项目排障

GeoPandas绘图太丑?Matplotlib咋调? 这是很多 GIS 初学者第一次用 GeoPandas 出图时遇到的问题：数据能画出来，但颜色像默认测试图，图例挤在一起，坐标轴很碍眼，行政区边界不清楚，导出图片还发糊。其实 GeoPandas 的绘图底层主要依赖 Matplotlib，只要掌握几个关键参数，就能把“能看”的地图调成“能交作业、能放报告”的专题图。

GeoPandas绘图太丑 Matplotlib调整GeoPandas地图样式示例 — GeoPandas 默认绘图与使用 Matplotlib 调整后的专题地图效果对比。

引言：GeoPandas绘图为什么看起来“太丑”

GeoPandas 的 GeoDataFrame.plot() 非常适合快速查看空间数据，但它默认不是为正式制图设计的。默认样式通常只解决一个问题：把几何对象画出来。

如果你想做的是课程作业图、项目汇报图、数据分析图，通常还需要进一步处理：

调整地图配色，让不同等级更容易识别；
设置边界线，避免面要素糊成一片；
去掉不必要的坐标轴；
添加标题、图例和注记；
控制图片尺寸、分辨率和导出格式；
保证坐标系和比例不变形。

本文用一个典型的面数据专题图流程，讲清楚 GeoPandas 绘图太丑时，应该如何用 Matplotlib 调整。

背景：GeoPandas绘图与Matplotlib是什么关系

GeoPandas 是 Python GIS 中常用的矢量数据处理库，常用于读取 Shapefile、GeoJSON、GeoPackage 等空间数据。Matplotlib 是 Python 里最常用的绘图库。GeoPandas 的 plot() 方法本质上会把空间几何交给 Matplotlib 的坐标轴对象进行绘制。

也就是说，GeoPandas 负责“地图数据怎么画”，Matplotlib 负责“图面怎么排版”。

很多人只写下面这一句：

gdf.plot()

这样确实能看到地图，但通常会有几个问题：

默认颜色没有表达数据含义；
图例没有标题，或者位置不好；
坐标轴显示经纬度或投影坐标，看起来很乱；
图像比例不适合论文、PPT 或公众号配图；
导出图片分辨率过低；
中文标题或中文图例可能乱码。

所以，解决 GeoPandas 绘图太丑的核心思路不是换一个软件，而是把 GeoDataFrame.plot() 和 Matplotlib 的 fig、ax、legend、savefig 配合起来。

原理：先让GeoPandas画地图，再让Matplotlib管版式

在 Matplotlib 中，一张图通常由两个核心对象组成：

Figure：整张画布，可以理解为最终图片；
Axes：具体绘图区域，可以理解为地图所在的坐标框。

GeoPandas 的 plot() 可以接收一个 ax 参数，把地图画到指定的 Matplotlib 坐标轴上。这样我们就可以控制图像大小、标题、坐标轴、图例、边距和导出效果。

import geopandas as gpd
import matplotlib.pyplot as plt

gdf = gpd.read_file("data/city_districts.shp")

fig, ax = plt.subplots(figsize=(8, 6))
gdf.plot(ax=ax)
plt.show()

这段代码比直接 gdf.plot() 多了一个关键步骤：我们手动创建了 fig 和 ax。后面所有美化操作，基本都围绕这两个对象展开。

步骤：用Matplotlib调整GeoPandas地图样式

步骤1：读取数据并检查坐标系

正式绘图前，先检查数据是否能正常读取，以及坐标系是否正确。坐标系错误会导致地图变形、比例异常，甚至不同图层叠不到一起。

import geopandas as gpd
import matplotlib.pyplot as plt

gdf = gpd.read_file("data/city_districts.shp")

print(gdf.head())
print(gdf.crs)

如果是做面积、距离或城市范围专题图，建议使用合适的投影坐标系，而不是直接用经纬度坐标系。比如中国区域项目常见情况是先确认数据坐标，再根据项目范围选择合适投影。

# 示例：如果需要，可转换到已有项目指定的投影坐标系
# gdf = gdf.to_crs("EPSG:3857")

注意：不要盲目转换坐标系。真实项目中应以数据来源说明、项目规范或地方坐标标准为准。

步骤2：设置画布大小和地图比例

默认图像尺寸往往不适合展示。可以用 figsize 控制画布宽高，用 ax.set_aspect("equal") 尽量保持地图比例。

fig, ax = plt.subplots(figsize=(9, 7))

gdf.plot(
    ax=ax,
    color="#d9e8f5",
    edgecolor="#4a4a4a",
    linewidth=0.6
)

ax.set_aspect("equal")
plt.show()

这里的几个参数很常用：

color：面填充颜色；
edgecolor：边界线颜色；
linewidth：边界线宽度；
figsize：整张图的大小。

对行政区、地块、网格等面数据来说，边界线非常重要。没有边界线时，多个面要素容易看成一整块。

步骤3：按字段做专题图配色

如果地图需要表达某个指标，比如人口、GDP、POI 数量、风险等级，就不要只用单一颜色。GeoPandas 可以通过 column 参数按字段渲染。

fig, ax = plt.subplots(figsize=(9, 7))

gdf.plot(
    column="population",
    ax=ax,
    cmap="YlOrRd",
    legend=True,
    edgecolor="#ffffff",
    linewidth=0.5
)

ax.set_title("各区人口分布图", fontsize=16, pad=12)
ax.set_axis_off()

plt.show()

常见配色建议：

连续数值：YlOrRd、Blues、Greens；
正负差异：RdBu、coolwarm；
分类数据：Set2、tab20；
避免过度使用彩虹色：很多时候不利于阅读。

如果你的字段是中文或分类字段，也可以直接用于分类制图，但要注意图例可能较长，需要调整位置。

步骤4：调整图例，让专题图更像正式成果

GeoPandas 的 legend=True 很方便，但默认图例不一定美观。可以通过 legend_kwds 设置图例标题、方向和缩放。

fig, ax = plt.subplots(figsize=(9, 7))

gdf.plot(
    column="population",
    ax=ax,
    cmap="YlOrRd",
    legend=True,
    edgecolor="#ffffff",
    linewidth=0.5,
    legend_kwds={
        "label": "人口数量",
        "orientation": "vertical",
        "shrink": 0.65
    }
)

ax.set_title("各区人口分布图", fontsize=16, pad=12)
ax.set_axis_off()

plt.show()

如果图例太占地方，可以尝试：

增大 figsize；
减少分类数量；
使用横向图例；
导出后在版式软件中再做精细排版；
对分类字段先合并过细的类别。

步骤5：去掉坐标轴、设置标题和边距

很多 GIS 专题图并不需要直接显示坐标轴。尤其是行政区分布图、统计专题图、空间分析结果图，坐标轴经常会干扰阅读。

fig, ax = plt.subplots(figsize=(9, 7))

gdf.plot(
    column="population",
    ax=ax,
    cmap="YlOrRd",
    legend=True,
    edgecolor="#ffffff",
    linewidth=0.5
)

ax.set_title("各区人口分布图", fontsize=16, pad=14)
ax.set_axis_off()

plt.tight_layout()
plt.show()

plt.tight_layout() 可以自动调整边距，减少标题、图例和图像之间的挤压。但在复杂地图中，它不是万能的。如果图例仍然被裁切，需要手动调整画布大小或使用 bbox_inches="tight" 导出。

步骤6：处理中文字体乱码

如果 Matplotlib 中的中文标题显示为方框，说明当前环境没有正确设置中文字体。可以在脚本开头指定字体。

import matplotlib.pyplot as plt

plt.rcParams["font.sans-serif"] = ["SimHei"]
plt.rcParams["axes.unicode_minus"] = False

如果你使用的是 macOS 或 Linux，SimHei 不一定存在。可以改成系统中已有的中文字体。例如：

# macOS 常见可尝试字体
plt.rcParams["font.sans-serif"] = ["Arial Unicode MS"]

# Linux 服务器常见做法是先安装中文字体，再指定字体名称

在 Jupyter Notebook 中，如果改了字体仍不生效，可以重启 Kernel 后再运行。

步骤7：叠加边界、点位和标注

实际 GIS 出图常常不是单图层。比如底图是区县面，叠加采样点、站点或道路。可以多次调用 plot()，画到同一个 ax 上。

districts = gpd.read_file("data/city_districts.shp")
stations = gpd.read_file("data/stations.geojson")

stations = stations.to_crs(districts.crs)

fig, ax = plt.subplots(figsize=(9, 7))

districts.plot(
    ax=ax,
    color="#f2f2f2",
    edgecolor="#666666",
    linewidth=0.6
)

stations.plot(
    ax=ax,
    color="#d7191c",
    markersize=28,
    alpha=0.85
)

ax.set_title("监测站点空间分布图", fontsize=16, pad=12)
ax.set_axis_off()

plt.tight_layout()
plt.show()

多图层叠加时，最常见的问题是坐标系不一致。因此每次叠加前都建议检查：

print(districts.crs)
print(stations.crs)

如果坐标系不同，应使用 to_crs() 转成同一个坐标系。

步骤8：导出高清图片

很多人觉得 GeoPandas 绘图太丑，其实还有一个原因是导出图片分辨率太低。正式使用时，不建议直接截图，而应该用 savefig() 导出。

fig, ax = plt.subplots(figsize=(9, 7))

gdf.plot(
    column="population",
    ax=ax,
    cmap="YlOrRd",
    legend=True,
    edgecolor="#ffffff",
    linewidth=0.5,
    legend_kwds={
        "label": "人口数量",
        "shrink": 0.65
    }
)

ax.set_title("各区人口分布图", fontsize=16, pad=12)
ax.set_axis_off()

plt.savefig(
    "output/population_map.png",
    dpi=300,
    bbox_inches="tight",
    facecolor="white"
)

plt.show()

导出参数建议：

dpi=300：适合报告、论文和打印；
bbox_inches="tight"：减少白边并避免图例被裁切；
facecolor="white"：避免透明背景在文档里变黑；
png：适合常规位图输出；
svg 或 pdf：适合矢量编辑和出版排版。

常见坑：GeoPandas绘图不好看的原因不只一个

坑1：字段类型不对，导致专题图颜色异常

如果用于制图的字段看起来是数字，但实际是字符串，颜色分级可能不符合预期。可以先检查字段类型。

print(gdf["population"].dtype)

必要时转换为数值：

gdf["population"] = gdf["population"].astype(float)

坑2：空值没有处理，地图出现缺块

专题字段里有空值时，部分区域可能不着色。可以先统计空值数量。

print(gdf["population"].isna().sum())

如果空值有业务含义，建议单独设置缺失值样式，而不是简单删除。

gdf.plot(
    column="population",
    cmap="YlOrRd",
    legend=True,
    missing_kwds={
        "color": "lightgrey",
        "edgecolor": "white",
        "hatch": "///",
        "label": "缺失值"
    }
)

坑3：坐标系不一致，叠加图层错位

点、线、面叠加时，如果一个图层是 EPSG:4326，另一个图层是投影坐标系，就会出现错位或看不到图层的问题。

points = points.to_crs(polygons.crs)

注意：to_crs() 的前提是原始 CRS 已经正确。如果数据本身没有 CRS，需要先确认真实坐标系，再使用 set_crs() 定义。

坑4：图例被裁切或挤压

图例被裁切通常和画布大小、图例位置、导出边界有关。优先尝试：

增大 figsize；
使用 bbox_inches="tight"；
减少图例分类；
调整 legend_kwds 中的 shrink；
将图例改成横向。

坑5：边界线太粗，地图显得很脏

面要素数量很多时，边界线过粗会让地图显得混乱。可以降低线宽，或只显示上一级行政边界。

gdf.plot(
    column="value",
    cmap="Blues",
    edgecolor="white",
    linewidth=0.2
)

坑6：默认分类不符合 GIS 专题图表达

GeoPandas 默认连续渲染不一定适合所有指标。如果要做分级设色图，可以结合 scheme 参数使用分类方法。该功能通常依赖 mapclassify。

gdf.plot(
    column="population",
    cmap="YlOrRd",
    scheme="Quantiles",
    k=5,
    legend=True,
    edgecolor="white",
    linewidth=0.4
)

常见分级方式包括：

Quantiles：分位数，每一类数量接近；
EqualInterval：等间距，便于解释；
NaturalBreaks：自然断点，适合数据聚类明显的情况。

方法比较：GeoPandas、Matplotlib、QGIS该怎么选

方法	适合场景	优点	局限
GeoPandas 默认 plot	快速检查数据、调试空间处理结果	代码少，出图快	默认样式简单，不适合正式制图
GeoPandas + Matplotlib	Python 自动化制图、批量专题图、分析报告	可重复、可批量、样式可控	复杂排版需要写较多代码
QGIS 布局管理器	正式地图版式、比例尺、指北针、图框制图	制图元素完整，交互式调整方便	批量自动化需要额外配置或脚本
ArcGIS Pro 布局	规范制图、企业项目、地图册输出	专业制图能力强，布局工具成熟	软件授权和环境成本较高

如果你只是想快速看一下数据，GeoPandas 默认绘图就够了。如果你要把 Python GIS 分析结果自动生成多张图，GeoPandas 加 Matplotlib 更合适。如果你要做标准地图成果，包括比例尺、指北针、图框、坐标网，QGIS 或 ArcGIS Pro 的布局工具会更省心。

检查清单：调整GeoPandas地图前先看这几项

是否确认了数据 CRS，不同图层是否已经统一坐标系？
专题字段是否为正确的数据类型？
是否处理了空值、异常值和极端值？
配色是否符合数据类型：连续、分类、正负差异？
面边界线是否过粗或过细？
是否去掉了不必要的坐标轴？
标题、图例、单位是否完整？
中文字体是否正常显示？
导出时是否设置了 dpi 和 bbox_inches？
最终图片是否在 Word、PPT、网页或论文模板中实际检查过？

FAQ：GeoPandas绘图太丑的常见问题

GeoPandas绘图太丑，是不是不适合做地图？

不是。GeoPandas 更偏向空间数据分析和自动化处理，默认绘图只是快速预览。只要结合 Matplotlib 调整配色、图例、边界和导出参数，完全可以做出清晰的专题图。但如果需要比例尺、指北针、图框和复杂版式，建议再用 QGIS 或 ArcGIS Pro 完成最终排版。

Matplotlib怎么调整GeoPandas地图颜色？

最常用的是在 gdf.plot() 中设置 color、column 和 cmap。单色地图用 color，专题图用 column 指定字段，再用 cmap 指定色带。

gdf.plot(column="value", cmap="Blues", legend=True)

GeoPandas地图怎么去掉坐标轴？

使用 Matplotlib 的 ax.set_axis_off() 即可。通常行政区专题图、点位分布图和报告插图都可以去掉坐标轴，让画面更简洁。

fig, ax = plt.subplots(figsize=(8, 6))
gdf.plot(ax=ax)
ax.set_axis_off()

GeoPandas图例太丑怎么调？

可以使用 legend_kwds 调整图例标题、方向和缩放。例如：

gdf.plot(
    column="value",
    legend=True,
    legend_kwds={
        "label": "指标值",
        "orientation": "vertical",
        "shrink": 0.7
    }
)

如果是复杂分类图，建议先减少类别数量，或者把图例放到导出后的版式中单独处理。

GeoPandas导出的图片为什么很糊？

通常是因为直接截图，或者 savefig() 没有设置足够的 dpi。建议使用：

plt.savefig("map.png", dpi=300, bbox_inches="tight", facecolor="white")

如果后续还要在 Illustrator、Inkscape 或论文模板中编辑，可以导出 SVG 或 PDF。

GeoPandas中文标题乱码怎么办？

需要设置 Matplotlib 中文字体。Windows 环境可尝试：

plt.rcParams["font.sans-serif"] = ["SimHei"]
plt.rcParams["axes.unicode_minus"] = False

如果字体不存在，需要换成系统已安装的中文字体，或者先安装中文字体。

GeoPandas能不能加比例尺和指北针？

可以，但 GeoPandas 和 Matplotlib 并不像 QGIS 布局管理器那样内置完整地图制图元素。简单比例尺、指北针可以用 Matplotlib 手工绘制或借助扩展库实现；如果是正式地图成果，建议使用 QGIS 或 ArcGIS Pro 做最终制图。

结论：GeoPandas负责空间数据，Matplotlib负责图面表达

遇到 GeoPandas 绘图太丑，不要只停留在 gdf.plot() 这一层。正确做法是：先用 GeoPandas 读取、处理和渲染空间数据，再用 Matplotlib 控制画布、标题、图例、坐标轴、字体和导出质量。

一个实用的工作流是：检查 CRS，选择专题字段，设置配色和边界，关闭无用坐标轴，处理中文字体，最后用 savefig() 导出高清图片。掌握这套流程后，GeoPandas 绘图不仅能用于数据检查，也能稳定产出适合 GIS 作业、分析报告和 Web 文章配图的专题地图。