GeoPandas绘图样式太丑怎么办？GIS地图出图优化技巧（附：配色方案）

wowwwai GIS研习社 · 工具流程与项目排障

《GeoPandas绘图样式太丑怎么办？GIS地图出图优化技巧（附：配色方案）》这篇文章面向已经会用 GeoPandas 画地图、但导出的专题图看起来“像默认截图”的 GIS 学习者和分析人员。我们不追求复杂制图系统，而是用 GeoPandas、Matplotlib 和少量参数，把一张可读性差的地图优化成适合报告、论文初稿、项目汇报和数据分析说明的 GIS 出图。

引言：为什么 GeoPandas 绘图样式太丑

很多同学第一次用 GeoPandas 绘图时，代码可能只有一行：

gdf.plot()

这确实能快速看数据，但默认结果通常会出现几个问题：颜色随机、边界线过粗或过黑、图例不清楚、坐标轴干扰阅读、地图比例失衡、中文标题显示异常。于是就会产生一个常见问题：GeoPandas 绘图样式太丑怎么办？

本质上，GeoPandas 的 plot() 是基于 Matplotlib 的快速制图接口。它适合数据探索，不等于自动完成专业地图设计。想让 GeoPandas 地图更好看，需要从配色、分类、边界、图例、版式和导出参数几个方面一起调整。

背景：GeoPandas 地图出图常见问题

在 GIS 项目中，GeoPandas 经常用于行政区划统计图、点位分布图、缓冲区分析结果图、空间连接统计图和栅格矢量叠加后的结果展示。它的优势是和 Python 数据分析流程衔接非常顺畅，但默认绘图并不会自动处理制图表达。

常见的难看原因包括：

• 颜色没有语义：数值大小、分类含义和颜色深浅不匹配。
• 分类方式不合适：连续变量直接渐变，导致局部差异看不出来。
• 边界线太抢眼：行政区边界压过了填充色，地图显得脏。
• 图例不规范：图例标题、单位、位置和数字格式没有整理。
• 坐标轴没有关闭：经纬度刻度在专题图中经常显得多余。
• 投影不合适：经纬度坐标下绘制面积、距离类结果，视觉比例可能失真。
• 导出分辨率太低：在 Word、PPT 或网页中放大后变糊。

所以，GeoPandas 地图出图优化不是简单换一个颜色，而是把“数据可视化”和“GIS 制图表达”结合起来。

原理：GeoPandas 绘图优化要控制哪些参数

GeoPandas 的 GeoDataFrame.plot() 主要负责把几何对象画到 Matplotlib 的坐标轴上。你可以把它理解为：GeoPandas 管空间数据，Matplotlib 管画布、标题、图例、字体、导出。

优化一张 GeoPandas 地图，通常要控制以下几类参数：

• 字段：使用 column 指定专题图字段。
• 颜色：使用 cmap 指定连续或分级色带。
• 分类：使用 scheme 和 classification_kwds 控制分级方式。
• 边界：使用 edgecolor 和 linewidth 控制线条。
• 缺失值：使用 missing_kwds 避免空值区域被误读。
• 图例：使用 legend 和 legend_kwds 调整图例表达。
• 画布：使用 Matplotlib 的 figsize、ax.set_axis_off()、savefig() 控制版式和导出。

如果需要使用 scheme 做自然断点、分位数等分级，通常还需要安装 mapclassify：

pip install mapclassify

步骤：GeoPandas 地图出图优化完整流程

步骤一：读取数据并检查坐标系

下面以行政区统计图为例。假设数据是一个带有统计字段 value 的 GeoPackage、Shapefile 或 GeoJSON。

import geopandas as gpd
import matplotlib.pyplot as plt

gdf = gpd.read_file("data/city_stat.gpkg")

print(gdf.crs)
print(gdf.head())
print(gdf["value"].describe())

如果你的地图用于面积、距离或密度表达，不建议直接使用 EPSG:4326 经纬度坐标进行分析和制图。可以根据研究区选择合适投影坐标系。仅用于普通行政区展示时，经纬度也能画，但比例和面积视觉需要谨慎解释。

# 示例：转换到 Web Mercator，仅作演示
# 实际项目应选择适合研究区的本地投影坐标系
gdf = gdf.to_crs(epsg=3857)

步骤二：先画一张默认图，确认数据没有问题

在优化样式之前，先用最简单的方式检查几何和字段是否正常。

gdf.plot(column="value", legend=True)
plt.show()

这一步不要急着美化。先确认以下内容：

• 行政区是否完整显示。
• 是否有明显错位、飞线或空洞。
• value 字段是否存在异常值。
• 空值区域是否需要单独标注。

步骤三：选择适合 GIS 专题图的配色方案

配色是 GeoPandas 绘图样式优化中最容易见效的一步。不同数据类型应使用不同色带：

数据类型	推荐色带	适用场景
由低到高的连续数值	YlOrRd、OrRd、Blues、Greens	人口、GDP、密度、强度、风险等级
正负偏离	RdBu、coolwarm、PiYG	增长率、残差、变化量、冷热差异
分类数据	Set2、Pastel1、tab20	土地利用类型、功能区、行政类别
强调高值区域	YlOrBr、Reds、magma	灾害风险、污染浓度、热点强度
冷静专业风格	viridis、cividis、Blues	论文图、技术报告、数据产品说明

如果你不确定怎么选，优先使用 viridis 或 cividis。它们对色盲用户相对友好，明暗变化也比较稳定。

步骤四：使用分级制图，而不是直接连续渐变

很多 GIS 专题图需要分级表达。比如人口密度、建筑数量、灾害风险值，如果直接用连续渐变，读者很难判断每个区域属于哪个等级。

GeoPandas 可以配合 mapclassify 使用 scheme 参数：

fig, ax = plt.subplots(1, 1, figsize=(9, 7))

gdf.plot(
    column="value",
    ax=ax,
    cmap="YlOrRd",
    scheme="Quantiles",
    k=5,
    legend=True,
    edgecolor="#ffffff",
    linewidth=0.4,
    legend_kwds={
        "title": "统计值分级",
        "loc": "lower left"
    }
)

ax.set_title("行政区统计值分布图", fontsize=16, pad=12)
ax.set_axis_off()

plt.tight_layout()
plt.show()

scheme="Quantiles" 表示分位数分级，每一级包含的要素数量接近。它适合展示空间差异，但可能让数值间隔不均匀。如果你希望等级断点更贴近数据自然分布，可以尝试 NaturalBreaks。

gdf.plot(
    column="value",
    ax=ax,
    cmap="YlOrRd",
    scheme="NaturalBreaks",
    k=5,
    legend=True
)

步骤五：优化边界线，让地图更干净

默认边界线往往太黑、太粗。行政区专题图中，边界线应该辅助识别区域，而不是抢走颜色表达的注意力。

推荐设置：

• 浅色填充图：使用白色或浅灰边界。
• 深色填充图：使用半透明浅灰边界。
• 小尺度密集多边形：降低 linewidth，避免地图变成线网。

gdf.plot(
    column="value",
    cmap="Blues",
    edgecolor="#f7f7f7",
    linewidth=0.3,
    legend=True,
    ax=ax
)

如果边界对业务判断很重要，可以单独叠加一层边界：

gdf.plot(column="value", cmap="YlGnBu", linewidth=0, ax=ax)
gdf.boundary.plot(ax=ax, color="#666666", linewidth=0.4)

步骤六：处理缺失值，避免读者误判

GeoPandas 地图出图时，缺失值区域如果没有明确样式，读者可能会误以为它是低值区。建议用浅灰色并在图例中说明。

gdf.plot(
    column="value",
    cmap="YlOrRd",
    legend=True,
    missing_kwds={
        "color": "#eeeeee",
        "edgecolor": "#cccccc",
        "hatch": "///",
        "label": "无数据"
    },
    ax=ax
)

在正式出图前，最好检查缺失值数量：

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

步骤七：关闭坐标轴，设置标题和注记

多数专题图不需要显示坐标轴刻度。关闭坐标轴可以显著提升地图成图感。

ax.set_axis_off()
ax.set_title("行政区统计值分布图", fontsize=16, pad=12)

如果需要在图中说明数据来源，可以使用 Matplotlib 添加文本。注意不要把说明写得太长。

ax.text(
    0.01, 0.02,
    "数据来源：示例数据；制图：GeoPandas",
    transform=ax.transAxes,
    fontsize=9,
    color="#666666"
)

步骤八：设置中文字体，避免标题乱码

很多 GeoPandas 中文地图难看的原因不是配色，而是中文字体显示成方框或乱码。可以在脚本开头设置 Matplotlib 中文字体。

import matplotlib.pyplot as plt

plt.rcParams["font.sans-serif"] = ["SimHei", "Microsoft YaHei", "Arial Unicode MS"]
plt.rcParams["axes.unicode_minus"] = False

不同系统可用字体不同。如果在 Linux 服务器上批量出图，建议先安装中文字体，并用 Matplotlib 的字体管理功能确认字体可用。

步骤九：导出高清图片

不要直接截图。正式用于报告、PPT 或网页时，应使用 savefig() 导出。

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

常用导出建议：

• 网页文章：PNG，宽度控制在合理范围，背景白色。
• 论文或报告：PNG 300 dpi 起步，必要时导出 PDF 或 SVG。
• PPT：PNG 或 SVG，注意文字不要太小。
• 印刷：优先矢量格式，检查字体嵌入和颜色模式。

步骤十：完整示例代码

下面是一段相对完整的 GeoPandas 地图出图优化代码，可以作为模板修改。

import geopandas as gpd
import matplotlib.pyplot as plt

plt.rcParams["font.sans-serif"] = ["SimHei", "Microsoft YaHei", "Arial Unicode MS"]
plt.rcParams["axes.unicode_minus"] = False

gdf = gpd.read_file("data/city_stat.gpkg")

# 根据项目需要选择合适投影；这里仅示例
if gdf.crs is not None:
    gdf = gdf.to_crs(epsg=3857)

fig, ax = plt.subplots(1, 1, figsize=(9, 7))

gdf.plot(
    column="value",
    ax=ax,
    cmap="YlOrRd",
    scheme="NaturalBreaks",
    k=5,
    legend=True,
    edgecolor="#ffffff",
    linewidth=0.4,
    missing_kwds={
        "color": "#eeeeee",
        "edgecolor": "#cccccc",
        "hatch": "///",
        "label": "无数据"
    },
    legend_kwds={
        "title": "统计值分级",
        "loc": "lower left"
    }
)

ax.set_title("行政区统计值分布图", fontsize=16, pad=12)
ax.text(
    0.01, 0.02,
    "数据来源：示例数据；制图：GeoPandas",
    transform=ax.transAxes,
    fontsize=9,
    color="#666666"
)

ax.set_axis_off()
plt.tight_layout()

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

plt.show()

常见坑：GeoPandas 绘图样式优化时容易忽略的问题

坑一：只换色带，不检查数据分布

如果数据存在极端值，普通渐变色会被少数高值拉伸，导致大部分区域颜色差异很弱。此时应先查看统计分布，再决定是否使用分级、对数变换或异常值处理。

print(gdf["value"].describe())
print(gdf["value"].quantile([0.25, 0.5, 0.75, 0.9, 0.95]))

坑二：经纬度数据直接做面积颜色图

如果你的 value 是面积、密度或距离计算结果，必须确认计算过程是否在合适的投影坐标系中完成。经纬度坐标单位是度，不适合直接做精确面积和距离计算。

坑三：行政区边界太密，图面发黑

县级、乡镇级边界非常密集时，边界线稍微粗一点就会让地图变脏。可以减少线宽，或者只叠加上级行政边界。

坑四：分类色带用于连续变量

Set2、Pastel1、tab20 适合类别字段，不适合表达数值大小。连续数值应使用有明显明暗顺序的色带，例如 Blues、YlOrRd、viridis。

坑五：图例数字太长

如果图例中出现很多小数位，读者会很难快速理解。可以在制图前生成简化后的字段，或者对数值进行单位换算。

gdf["value_wan"] = gdf["value"] / 10000

坑六：导出后图片边缘被裁切

如果标题、图例或注记被裁切，可以使用 bbox_inches="tight"，并适当调整 figsize、图例位置和标题间距。

方法比较：GeoPandas、QGIS 和 ArcGIS Pro 出图怎么选

方法	优点	局限	适合场景
GeoPandas + Matplotlib	可批量、可复现、能和 Python 数据分析无缝结合	交互式排版能力较弱，复杂制图元素需要手动写代码	批量专题图、数据分析报告、自动化出图
QGIS	制图界面友好，符号系统成熟，布局管理器强	批量自动化需要额外配置或 PyQGIS	正式地图排版、课程作业、项目汇报图
ArcGIS Pro	制图和空间分析体系完整，布局和标注能力强	授权成本较高，自动化依赖 ArcPy 环境	生产级制图、单位项目成果、复杂地图册
GeoPandas + Contextily	可以快速叠加底图，适合城市点位和轨迹展示	需要 Web Mercator，底图版权和联网环境要注意	Web 风格展示图、点位分布图、路线图

如果只是做一次正式地图排版，QGIS 或 ArcGIS Pro 更省心。如果你需要每周、每天甚至按区县批量生成同一套图，GeoPandas 地图出图优化的价值就很高。

检查清单：发布前快速检查 GeoPandas 地图出图质量

• 是否确认 gdf.crs，并在需要时转换到合适投影？
• 专题字段是否存在空值、极端值或单位混乱？
• 色带是否符合数据含义，而不是随便选择？
• 连续变量是否需要分级表达？
• 边界线是否过粗、过黑或过密？
• 图例是否包含标题、单位和清晰等级？
• 无数据区域是否单独显示？
• 中文标题和注记是否正常显示？
• 坐标轴是否需要关闭？
• 导出图片是否使用足够的 dpi？
• 图片放入 Word、PPT 或网页后是否仍然清晰？

FAQ：GeoPandas 绘图样式太丑的常见问题

GeoPandas 绘图样式太丑，是不是不适合正式出图？

不是。GeoPandas 默认图主要用于快速查看数据，所以看起来比较朴素。只要合理设置配色、分类、边界、图例和导出参数，GeoPandas 可以生成质量不错的分析图和报告图。但如果需要复杂标注、比例尺、指北针、地图整饰和多图框排版，QGIS 或 ArcGIS Pro 会更方便。

GeoPandas 地图出图优化最先改哪个参数？

建议先改三项：cmap、edgecolor、linewidth。这三项会立刻影响地图观感。然后再处理 scheme、图例、标题、缺失值和导出分辨率。

GeoPandas 配色方案怎么选比较稳？

连续数值优先选 viridis、cividis、Blues、YlOrRd。分类数据可以选 Set2 或 Pastel1。如果表达正负变化，可以选 RdBu 或 coolwarm。不要用分类色带表达连续大小关系。

为什么我的 GeoPandas 中文标题显示方框？

这是 Matplotlib 没有找到可用中文字体导致的。可以设置 plt.rcParams["font.sans-serif"]，并确认系统中安装了 SimHei、Microsoft YaHei、Arial Unicode MS 等字体。在服务器或 Docker 环境中，尤其要注意安装字体文件。

GeoPandas 可以添加底图吗？

可以，常用方法是配合 contextily。但底图通常使用 Web Mercator 投影，因此你的 GeoDataFrame 通常需要转换为 EPSG:3857。同时要注意底图服务的访问权限、版权和网络环境。

GeoPandas 导出图片为什么很模糊？

通常是因为使用了默认分辨率，或者直接截图。建议使用 plt.savefig()，设置 dpi=300，并使用 bbox_inches="tight"。如果需要后期编辑，可以考虑导出 SVG 或 PDF。

结论：让 GeoPandas 地图好看的关键不是“美化”，而是规范制图

GeoPandas 绘图样式太丑，通常不是工具本身的问题，而是默认绘图缺少 GIS 制图设计。只要按“检查数据和坐标系、选择合适配色、使用合理分级、弱化边界、整理图例、关闭多余坐标轴、高清导出”这条流程处理，GeoPandas 地图出图质量会明显提升。

对于 GIS 学生和初级工程师来说，建议先掌握一套稳定模板，再根据不同专题字段替换色带和分级方式。这样既能保持结果可复现，又能让地图在报告、论文和项目汇报中更清晰、更专业。