如何使用Geopandas和Contextily叠加聚类点与底图

你遇到的核心问题是标准化后的坐标无法匹配底图的真实地理坐标，加上绘图流程不符合Geopandas+Contextily的规范，导致叠加失败。以下是具体修正方案：

• 保留/恢复原始经纬度：你的代码里用StandardScaler直接覆盖了原始的longitude和latitude列，这会把地理坐标变成无量纲的标准化值，完全失去地理意义，根本无法和底图匹配。必须保留原始坐标列，或者用scaler反转换回去。
• 使用GeoDataFrame管理地理数据：Geopandas的GeoDataFrame是处理地理数据的标准结构，能和Contextily无缝配合。
• 统一坐标系：Contextily提供的底图默认使用Web墨卡托投影（EPSG:3857），需要将你的点数据转换到这个坐标系。
• 正确叠加底图：用contextily.add_basemap()方法在已绘制的点图层上叠加底图。

完整修正代码 #

# 先保留原始经纬度，不要覆盖（假设你的原始数据列是longitude, latitude）
from sklearn.preprocessing import StandardScaler
from sklearn.cluster import KMeans
import geopandas as gpd
import matplotlib.pyplot as plt
import contextily as ctx

# 1. 标准化数据用于聚类，但保留原始坐标
scaler = StandardScaler()
# 注意：标准化时先传latitude再longitude，反转换时也要对应
scaled_coords = scaler.fit_transform(mrt[['latitude', 'longitude']])
mrt['scaled_latitude'], mrt['scaled_longitude'] = scaled_coords.T

# 2. 执行KMeans聚类
num_clusters = 5
kmeans = KMeans(n_clusters=num_clusters)
mrt['cluster_labels'] = kmeans.fit_predict(mrt[['scaled_longitude', 'scaled_latitude']])

# 3. 转换为GeoDataFrame，使用原始经纬度构建几何对象
gdf = gpd.GeoDataFrame(
    mrt,
    geometry=gpd.points_from_xy(mrt['longitude'], mrt['latitude']),
    crs="EPSG:4326"  # WGS84坐标系，对应常规GPS经纬度
)

# 4. 转换到Web墨卡托投影（和Contextily底图的坐标系匹配）
gdf = gdf.to_crs(epsg=3857)

# 5. 绘制聚类点并叠加底图
fig, ax = plt.subplots(figsize=(10, 10))
# 绘制聚类点，设置颜色、大小和透明度
gdf.plot(ax=ax, column='cluster_labels', cmap='viridis', markersize=50, alpha=0.7, legend=True)
# 叠加OpenStreetMap底图
ctx.add_basemap(ax, source=ctx.providers.OpenStreetMap.Mapnik)

# 优化显示效果
ax.set_title('新加坡MRT站点聚类（带底图）', fontsize=14)
ax.set_axis_off()  # 关闭坐标轴，让底图更清晰
plt.show()

补充说明 #

如果你的原始数据已经被覆盖，没有保留原始经纬度，可以用scaler反转换恢复：

# 反转换得到原始坐标
original_coords = scaler.inverse_transform(mrt[['scaled_latitude', 'scaled_longitude']])
mrt['latitude'], mrt['longitude'] = original_coords.T

另外，ctx.Place()适合快速查看某个区域，但不适合和自定义数据叠加，直接用add_basemap()更灵活可控。

内容的提问来源于stack exchange，提问作者Nat C