如何在Python的OSMnx中基于speed_kph值条件化绘制道路边？

你已经完成了获取路网、添加速度数据的关键步骤，接下来只需要根据speed_kph属性动态生成边的颜色列表，再传给OSMnx的绘图函数即可。下面是具体的实现思路和代码示例：

方法一：基于Matplotlib的静态绘图（对应你用的ox.plot_graph） #

1. 先定义你的速度阈值A和对应颜色X/Y：

   # 替换成你实际需要的阈值和颜色
   speed_threshold = 50
   color_high_speed = '#ff4500'  # 高速道路用橙红色
   color_low_speed = '#3366cc'   # 低速道路用深蓝色
   

2. 遍历路网的所有边，根据speed_kph值匹配对应颜色：

   # 生成每个边对应的颜色列表，同时处理可能缺失speed_kph的情况
   edge_colors = []
   for _, _, edge_data in map_cons_speed.edges(data=True):
       current_speed = edge_data.get('speed_kph')
       # 判断：如果速度存在且大于阈值，用高速颜色，否则用低速颜色
       if current_speed is not None and current_speed > speed_threshold:
           edge_colors.append(color_high_speed)
       else:
           edge_colors.append(color_low_speed)
   

3. 调用ox.plot_graph时，把生成的edge_colors传给edge_color参数：

   ox.plot_graph(
       map_cons_speed,
       bgcolor='#FFFFFF',
       edge_color=edge_colors,
       node_color='#000000',
       node_size=10  # 可以调小节点大小，让道路颜色更突出
   )
   

方法二：用GeoDataFrame简化颜色生成 #

如果你已经把路网转成了gdf_edges，也可以直接用Pandas的apply方法快速生成颜色列，再提取为列表：

# 给gdf_edges添加颜色列
gdf_edges['edge_color'] = gdf_edges['speed_kph'].apply(
    lambda x: color_high_speed if (x is not None and x > speed_threshold) else color_low_speed
)

# 提取颜色列表传给绘图函数
ox.plot_graph(
    map_cons_speed,
    bgcolor='#FFFFFF',
    edge_color=gdf_edges['edge_color'].tolist(),
    node_color='#000000'
)

额外提示：处理缺失的速度数据 #

有些道路可能没有speed_kph属性（比如数据缺失），上面的代码已经通过current_speed is not None做了判断，你也可以给这类边单独设置一个默认颜色（比如灰色#888888），让可视化更严谨。

内容的提问来源于stack exchange，提问作者Dlinnard