Geopandas实操：为shapefile生成的地图中特定集群设置自定义颜色

实现思路 #

不需要额外创建子图，所有绘制操作都可以在同一个轴对象上完成，核心逻辑是筛选出目标集群对应的GeoDataFrame子集，或者预先生成颜色映射列后统一绘图。
以下是两种可直接复用的实现方案，假设你的GeoDataFrame命名为gdf_de，包含cluster_id（集群标识列）、power_output（发电量列）、geometry（地理边界列）三个核心字段。

方案1：预生成颜色列（更简洁） #

先根据集群属性生成专属颜色列，绘图时直接传入该列即可：

import geopandas as gpd
import matplotlib.pyplot as plt
from matplotlib.patches import Patch

# 读取shapefile
gdf_de = gpd.read_file("你的shapefile文件路径.shp")

# 自定义配色：最高发电量集群用红色，最低用蓝色，其余用浅灰
COLOR_MAX = "#d62728"
COLOR_MIN = "#1f77b4"
COLOR_OTHER = "#f0f0f0"

# 替换为你实际查到的最高/最低发电量对应的集群名称/ID
MAX_CLUSTER = "集群A"
MIN_CLUSTER = "集群B"

# 生成绘图颜色列
def assign_color(row):
    if row["cluster_id"] == MAX_CLUSTER:
        return COLOR_MAX
    elif row["cluster_id"] == MIN_CLUSTER:
        return COLOR_MIN
    else:
        return COLOR_OTHER

gdf_de["plot_color"] = gdf_de.apply(assign_color, axis=1)

# 绘图
fig, ax = plt.subplots(figsize=(10, 8))
gdf_de.plot(
    color=gdf_de["plot_color"],
    edgecolor="white", # 州边界设为白色，提升区分度
    ax=ax
)

# 可选：添加自定义图例
legend_items = [
    Patch(facecolor=COLOR_MAX, label="最高发电量集群"),
    Patch(facecolor=COLOR_MIN, label="最低发电量集群"),
    Patch(facecolor=COLOR_OTHER, label="其他集群")
]
ax.legend(handles=legend_items, loc="lower right")

plt.axis("off") # 可选：隐藏坐标轴
plt.show()

方案2：分批次绘制（灵活度更高） #

适合需要给目标集群单独设置特殊样式的场景，比如加粗边界、调整透明度等：

import geopandas as gpd
import matplotlib.pyplot as plt

gdf_de = gpd.read_file("你的shapefile文件路径.shp")
MAX_CLUSTER = "集群A"
MIN_CLUSTER = "集群B"

fig, ax = plt.subplots(figsize=(10, 8))
# 先绘制所有非目标集群
gdf_de[~gdf_de["cluster_id"].isin([MAX_CLUSTER, MIN_CLUSTER])].plot(
    color="#f0f0f0", edgecolor="white", ax=ax
)
# 绘制最高发电量集群，可单独设置样式
gdf_de[gdf_de["cluster_id"] == MAX_CLUSTER].plot(
    color="#d62728", edgecolor="black", linewidth=1.2, ax=ax
)
# 绘制最低发电量集群
gdf_de[gdf_de["cluster_id"] == MIN_CLUSTER].plot(
    color="#1f77b4", edgecolor="black", linewidth=1.2, ax=ax
)

plt.axis("off")
plt.show()

注意事项 #

• 如果你是直接按发电量数值判断而非集群ID判断，把判断条件里的cluster_id替换为发电量列即可，比如if row["power_output"] == max_power_value
• 所有plot方法都传入同一个ax对象即可保证所有地理要素绘制在同一张图上，不需要创建多个子图

内容的提问来源于stack exchange，提问作者Cha26