如何用Geopandas和Matplotlib为地图添加带渐变色的贸易流箭头？

一、在国家图层上添加双向箭头 #

Geopandas本身不直接支持箭头绘制，通常结合Matplotlib的patches模块实现。核心思路是先获取国家中心坐标，再在中心附近绘制双向箭头（可通过两个反向箭头或双向样式模拟）。

步骤1：加载地理与贸易数据 #

import geopandas as gpd
import matplotlib.pyplot as plt
from matplotlib.patches import FancyArrowPatch
from matplotlib.colors import Normalize
from matplotlib.cm import ScalarMappable

# 加载世界国家地理数据（使用Geopandas自带数据集）
world = gpd.read_file(gpd.datasets.get_path('naturalearth_lowres'))
# 模拟贸易数据：键为国家名，值为(贸易额, 贸易伙伴)
trade_data = {
    'China': (1500, 'US'),
    'US': (1500, 'China'),
    'Germany': (800, 'France'),
    'France': (800, 'Germany')
}

步骤2：基于国家中心绘制箭头 #

fig, ax = plt.subplots(figsize=(12, 8))
# 绘制基础国家图层
world.plot(ax=ax, color='lightgray', edgecolor='white')

# 箭头参数配置
arrow_length = 0.5  # 箭头长度（地理坐标单位）
arrow_size = 20     # 箭头头部大小

for country_name, (value, partner) in trade_data.items():
    country = world[world.name == country_name]
    if not country.empty:
        # 获取国家几何中心坐标
        centroid = country.geometry.centroid.iloc[0]
        x, y = centroid.x, centroid.y
        
        # 绘制双向箭头（用<->样式直接生成双向箭头）
        arrow = FancyArrowPatch((x - arrow_length, y), (x + arrow_length, y),
                                arrowstyle='<->', mutation_scale=arrow_size, linewidth=2)
        ax.add_patch(arrow)

提示：若需根据贸易伙伴位置调整箭头方向，可通过伙伴国家的中心坐标计算角度，用math.atan2获取方位后修改箭头的起点/终点坐标。

二、为箭头添加渐变色并生成数值图例 #

通过将贸易值映射到颜色映射表（colormap），实现箭头颜色随数值渐变，再生成对应图例。

步骤1：建立数值-颜色映射关系 #

# 提取所有贸易值，创建归一化器（将值映射到0-1区间）
trade_values = [v for v, _ in trade_data.values()]
norm = Normalize(vmin=min(trade_values), vmax=max(trade_values))
# 选择颜色映射（比如'viridis'，可替换为'coolwarm'等）
cmap = plt.get_cmap('viridis')

步骤2：绘制带渐变色的箭头 #

修改箭头绘制逻辑，加入颜色映射：

fig, ax = plt.subplots(figsize=(12, 8))
world.plot(ax=ax, color='lightgray', edgecolor='white')

for country_name, (value, partner) in trade_data.items():
    country = world[world.name == country_name]
    if not country.empty:
        centroid = country.geometry.centroid.iloc[0]
        x, y = centroid.x, centroid.y
        
        # 根据贸易值获取对应颜色
        arrow_color = cmap(norm(value))
        arrow = FancyArrowPatch((x - arrow_length, y), (x + arrow_length, y),
                                arrowstyle='<->', mutation_scale=arrow_size, linewidth=2,
                                facecolor=arrow_color, edgecolor=arrow_color)
        ax.add_patch(arrow)

步骤3：生成数值对应图例 #

# 创建颜色映射辅助对象，用于生成颜色条
sm = ScalarMappable(norm=norm, cmap=cmap)
sm.set_array([])  # 无需绑定数据，仅需颜色映射规则

# 添加垂直颜色条图例
cbar = plt.colorbar(sm, ax=ax, orientation='vertical', pad=0.02)
cbar.set_label('Trade Value (USD billion)')

plt.title('Country-to-Country Trade Flow')
plt.show()

进阶：结合Cartopy实现精准投影 #

如果需要更专业的地理投影支持，可搭配Cartopy：

import cartopy.crs as ccrs

fig, ax = plt.subplots(figsize=(12, 8), subplot_kw={'projection': ccrs.PlateCarree()})
# 绘制带投影的国家图层
world.plot(ax=ax, transform=ccrs.PlateCarree(), color='lightgray', edgecolor='white')
ax.coastlines()

# 箭头绘制逻辑（需指定投影转换）
for country_name, (value, partner) in trade_data.items():
    country = world[world.name == country_name]
    if not country.empty:
        centroid = country.geometry.centroid.iloc[0]
        x, y = centroid.x, centroid.y
        
        arrow_color = cmap(norm(value))
        arrow = FancyArrowPatch((x - arrow_length, y), (x + arrow_length, y),
                                arrowstyle='<->', mutation_scale=arrow_size, linewidth=2,
                                facecolor=arrow_color, edgecolor=arrow_color,
                                transform=ccrs.PlateCarree())
        ax.add_patch(arrow)

# 添加颜色条
sm = ScalarMappable(norm=norm, cmap=cmap)
sm.set_array([])
cbar = plt.colorbar(sm, ax=ax, orientation='vertical', pad=0.02)
cbar.set_label('Trade Value (USD billion)')

plt.title('Country-to-Country Trade Flow')
plt.show()

内容的提问来源于stack exchange，提问作者hbstha123