如何用Python关联.shp网格与.csv数据并实现栅格值可视化？

别担心，用GeoPandas完全能搞定这个需求，我给你一步步拆解实现方法，代码都写好了，跟着来就行～

1. 先安装必要的库 #

首先得确保你装了处理空间数据和绘图的核心库，打开终端执行：

pip install geopandas matplotlib

2. 加载并关联数据 #

我们需要把shp网格和csv数据通过cell_id合并到一起，先分别加载两个文件，再做关联：

import geopandas as gpd
import pandas as pd
import matplotlib.pyplot as plt

# 加载shp网格文件，替换成你的文件路径
grid_gdf = gpd.read_file("你的网格文件路径.shp")

# 加载csv数据，替换成你的文件路径
csv_df = pd.read_csv("你的csv文件路径.csv")

# 通过cell_id合并数据：inner模式只保留两边都存在的cell_id
# 如果想保留所有网格（哪怕csv里没对应数据），可以把how改成"left"
merged_gdf = grid_gdf.merge(csv_df, on="cell_id", how="inner")

小提示：解决cell_id匹配失败的问题 #

如果合并后发现数据少了很多，大概率是cell_id的类型不匹配（比如shp里是字符串，csv里是整数），可以统一类型：

# 把csv里的cell_id转成字符串，和shp保持一致
csv_df["cell_id"] = csv_df["cell_id"].astype(str)

3. 可视化：数值越高颜色越暗 #

接下来就是绘图了，我们用反向的灰度色系（Greys_r）来实现“数值越高颜色越暗”的效果，也可以换成OrRd_r这类反向的暖色系，看你偏好：

# 创建绘图画布，调整尺寸让显示更清晰
fig, ax = plt.subplots(figsize=(10, 10))

# 绘制网格，用csv里的数值列映射颜色
merged_gdf.plot(
    column="你的数值列名称",  # 替换成csv里存储数值的列名，比如"traffic_count"
    cmap="Greys_r",  # 反向灰度图，数值越高颜色越暗
    ax=ax,
    edgecolor="white",  # 用白色边框区分每个单元格
    legend=True,  # 显示颜色图例
    legend_kwds={"label": "单元格数值", "orientation": "horizontal"}  # 自定义图例样式
)

# 去掉坐标轴，让图形更整洁
ax.set_axis_off()

# 显示最终图形
plt.show()

额外注意事项 #

• 确保shp的附属文件（.shx、.dbf等）和主shp文件在同一个文件夹里，不然GeoPandas会加载失败
• 如果csv里有缺失的数值，可以用merged_gdf.dropna(subset=["你的数值列名称"])删除空值行，或者用fillna(0)填充默认值

内容的提问来源于stack exchange，提问作者AlketCecaj