GeoPandas绘图太丑?Matplotlib咋调?

GeoPandas绘图太丑？别急，Matplotlib调色盘给你“美颜滤镜”

你是不是也遇到过这种情况：辛辛苦苦用GeoPandas加载了行政区划数据，调用plot()一键出图，结果出来的地图灰扑扑、配色像90年代网页，连自己都不想多看第二眼？别慌——这不是你的数据有问题，而是默认样式在偷懒。今天我就手把手教你，用Matplotlib给GeoPandas地图“整容”，从土味村姑秒变高级杂志封面。

为什么GeoPandas默认图这么“素”？

GeoPandas底层依赖Matplotlib绘图，但为了“通用性”，它默认采用最保守的灰色系+单一线条。这就像你去照相馆拍证件照，摄影师不会主动给你加柔光、换背景——不是他不会，是他默认“安全模式”。我在参与某省国土空间规划项目时，第一次用GeoPandas画耕地分布图，领导看了一眼说：“这图放汇报PPT里，怕是要被当成实习生做的。”

记住：GeoPandas负责“画出来”，Matplotlib负责“画得美”。两者是“骨架”和“皮肤”的关系。

三步走：从“能看”到“耐看”的实战改造

我们以中国省级行政区为例，演示如何一步步美化。假设你已加载好数据china_gdf（含geometry列）：

import geopandas as gpd
import matplotlib.pyplot as plt

# 读取数据（示例路径）
china_gdf = gpd.read_file('path/to/china_provinces.geojson')

第一步：告别灰白，上色！—— cmap参数是灵魂

默认灰色是因为没指定颜色映射（colormap）。Matplotlib内置几十种科学配色方案，比如'viridis'（渐变紫绿）、'plasma'（科幻感橙紫）、'Set3'（柔和马卡龙）。试试这个：

fig, ax = plt.subplots(1, 1, figsize=(12, 8))
china_gdf.plot(column='area', cmap='viridis', legend=True, ax=ax)
plt.title('中国各省面积分布图', fontsize=16)
plt.show()

这里column='area'表示按面积大小上色，cmap='viridis'指定配色方案。瞬间是不是高级感拉满？

第二步：边界描边——让省份“轮廓分明”

默认边界线太细或颜色太淡，导致省份糊成一团。解决方案：用edgecolor和linewidth强化边界：

china_gdf.plot(
    column='area', 
    cmap='viridis', 
    edgecolor='white',      # 白色描边
    linewidth=0.5,          # 线宽0.5
    legend=True, 
    ax=ax
)

白色描边在深色底图上尤其提神，就像给每块拼图加了金边框。

第三步：字体、图例、背景——细节决定成败

专业地图的魔鬼在细节。中文字体乱码？图例太小？背景太刺眼？一并解决：

# 设置中文字体（避免方框）
plt.rcParams['font.sans-serif'] = ['SimHei']  # Windows用黑体
plt.rcParams['axes.unicode_minus'] = False     # 解决负号显示问题

# 调整图例位置和字体
china_gdf.plot(
    column='area', 
    cmap='viridis', 
    edgecolor='white', 
    linewidth=0.5, 
    legend=True,
    legend_kwds={'label': "面积 (平方公里)", 'orientation': "horizontal"},
    ax=ax
)

# 设置背景色和标题
ax.set_facecolor('#f0f0f0')  # 浅灰背景
ax.set_title('中国各省面积分布图', fontsize=18, fontweight='bold')
ax.axis('off')  # 隐藏坐标轴
plt.tight_layout()  # 自动调整边距
plt.show()

进阶技巧：自定义配色与多图布局

如果内置cmap不满足你？可以自定义颜色列表。比如按经济带分色：

# 假设有'经济带'列：东部/中部/西部
region_colors = {
    '东部': '#ff6b6b',
    '中部': '#4ecdc4',
    '西部': '#45b7d1'
}
china_gdf['color'] = china_gdf['经济带'].map(region_colors)

china_gdf.plot(color=china_gdf['color'], edgecolor='black', linewidth=0.3, ax=ax)

想画子图对比不同指标？用subplot网格布局：

fig, axes = plt.subplots(1, 2, figsize=(15, 6))
china_gdf.plot(column='GDP', cmap='Reds', ax=axes[0], title='GDP分布')
china_gdf.plot(column='人口', cmap='Blues', ax=axes[1], title='人口分布')
plt.tight_layout()
plt.show()

总结：丑图不是终点，而是调参的起点

GeoPandas + Matplotlib 的组合，本质是“数据驱动绘图引擎”。默认图丑，恰恰给了你无限定制空间。记住三个核心参数：cmap（配色）、edgecolor/linewidth（描边）、legend_kwds（图例）。再配合字体、背景、布局微调，你也能做出期刊级专题地图。

Dr.Gis 小贴士：别在配色上花超过10分钟。推荐先用'viridis'或'plasma'这类科学友好的cmap，它们对色盲友好且层次分明，比你自己瞎配更专业。

你在调图时踩过哪些坑？或者有什么私藏的配色方案？欢迎在评论区晒图交流！下期我们讲《如何用Contextily给GeoPandas地图加卫星底图》——让你的地图从“学术报告”秒变“谷歌地球”。