Python地理处理还在手动拼接地图？四步自动化出图脚本（附：国土空间规划配色方案）

import matplotlib.pyplot as plt

for idx, gdf in enumerate(gdf_list):
    fig, ax = plt.subplots(figsize=(10, 8), dpi=300)
    # 绘制底色
    gdf.plot(ax=ax, color='white', edgecolor='black', linewidth=0.5)
    # 按字段填色
    gdf.plot(ax=ax, column='land_use', color=gdf['land_use'].map(color_map))
    # 保存
    plt.savefig(f"output_map_{idx}.png", bbox_inches='tight')
    plt.close()

扩展技巧：不为人知的高级优化

技巧一：处理多边形边界伪影

在拼接多个相邻的Shapefile时，边缘处往往会出现细微的白线（缝隙）。这是由于浮点数精度误差导致的。

解决方案：在合并前，使用gdf.buffer(0)命令。这个操作会对几何体进行微小的缓冲处理，自动修复拓扑错误并消除缝隙，使拼接处完美融合。

技巧二：利用多线程加速渲染

如果需要处理的数据量极大（例如全国级别的县级数据），单线程绘图会非常缓慢。

解决方案：使用Python的concurrent.futures模块。将不同区域的绘图任务分配给不同的CPU核心并行处理。注意，Matplotlib在非主线程中渲染可能不稳定，建议将数据分割后，分别在子进程中生成图片，最后再用PIL库合并。

FAQ：用户常见问题解答

1. Python制图与ArcGIS制图相比，最大的优势是什么？

最大的优势在于复用性和批处理能力。ArcGIS虽然有模型构建器，但Python脚本（尤其是纯代码方式）提供了更高的灵活性。一旦脚本写好，面对成千上万个数据包，只需一键运行即可，且不受软件图形界面（GUI）卡顿的影响。

2. 如果我对Matplotlib不熟悉，有没有更简单的库？

有的。如果你追求极简，可以尝试Contextily（用于底图）配合GeoPandas。但对于国土空间规划这种需要精确控制图层叠加和自定义配色的场景，Matplotlib依然是可控性最强的选择。建议先掌握基础的图层叠加逻辑，这在任何绘图库中都是通用的。

3. 运行脚本时提示“MemoryError”怎么办？

这通常是因为数据量过大导致内存溢出。可以尝试以下两个方法：

• 分块处理：不要一次性读取所有数据，而是分批次读取和绘图。
• 简化几何：使用simplify()方法降低多边形的顶点密度，在不影响视觉效果的前提下减少内存占用。

总结

从繁琐的手动拼接中解脱出来，将时间投入到更有价值的分析工作中，是每一位现代GIS工作者的必经之路。通过Python脚本自动化出图，不仅能保证配色和格式的绝对统一，更能从容应对后期的反复修改。

希望这套四步脚本方案能成为你工作流中的得力助手。不妨从今天开始，尝试用代码绘制第一张自动化地图吧！