如何为Seaborn散点图叠加赫尔辛基底图并保留用户数编码
问题根因
- 坐标系错配:你的点位数据是十进制度的WGS84经纬度(对应EPSG:4326),之前代码给它错误绑定了EPSG:3857的Web墨卡托投影坐标系;加上下载的赫尔辛基路网数据本身带的是芬兰本地投影坐标系,两边没有做CRS对齐转换时,geopandas不会自动适配坐标范围,直接各画各的,就会出现两张完全分离的独立图表。
- 可视化属性丢失:你之前的代码用geopandas自带的
geo_df.plot()替代了原本的seaborn绘图逻辑,这个方法默认不会自动把用户数量映射为点的大小、颜色编码,自然就丢失了之前做好的可视化效果。
简便实现方案
不需要推翻你原本的seaborn散点图逻辑,只需要对齐坐标系、把散点图绑定到路网底图的同一绘图轴上即可,完整步骤:
- 不手动给路网数据指定CRS,直接保留它读取文件时自带的原生坐标系
- 给用户点位匹配正确的WGS84坐标系,不要硬套投影坐标系
- 将路网数据投影转换为和用户点位完全一致的坐标系,强制对齐坐标范围
- 先画路网底图,再把原本的seaborn散点图指定到同一个轴对象上,完整保留所有大小、颜色、图例设置
修正后可直接运行的代码
import geopandas as gpd import matplotlib.pyplot as plt import seaborn as sns from shapely.geometry import Point # 读取路网数据,保留文件自带的原生坐标系,不手动修改 gdf_road = gpd.read_file("Hki_liikennevaylat.shp") # 给用户点位匹配正确的WGS84经纬度坐标系(EPSG:4326) user_crs = "EPSG:4326" geometry = [Point(xy) for xy in zip(geo_data["USER_LONG"], geo_data["USER_LAT"])] geo_df = gpd.GeoDataFrame(geo_data, crs=user_crs, geometry=geometry) # 把路网数据投影转换为和用户点位完全一致的坐标系,强制对齐 gdf_road = gdf_road.to_crs(user_crs) # 共用同一个绘图轴 fig, ax = plt.subplots(figsize=(15,15)) # 先绘制灰色的路网底图 gdf_road.plot(ax=ax, alpha=0.4, color="grey") # 把原有的seaborn散点图绑定到当前轴上,完整保留所有可视化设置 sns.scatterplot( x=geo_data.USER_LONG, y=geo_data.USER_LAT, hue=geo_data.NUMBER_OF_USER_AT_LOCATION, size=geo_data.NUMBER_OF_USER_AT_LOCATION, sizes=(20, 200), palette="magma", legend="full", ax=ax # 关键参数:指定绘图轴,避免seaborn新开独立画布 )
注意事项
- 不要给十进制度的经纬度数据硬绑定EPSG:3857坐标系,这个投影坐标系的单位是米,和经纬度的度单位不匹配,会直接把点位偏移到完全错误的位置。
- 只要两个图层的坐标系完成对齐,matplotlib会自动把轴范围调整到刚好覆盖路网和点位的范围,不会再出现两张图分离的情况。
- 完全不需要为了叠底图放弃seaborn的可视化能力,只要传入正确的
ax参数,你原本设置的颜色、大小编码和图例都会完整保留,比用geopandas重写所有映射逻辑节省大量代码量。
内容的提问来源于stack exchange,提问作者Ibrahim
相关产品推荐
相关产品推荐

