geom_hex与ggmap经纬度错位及自定义热力变量实现问题咨询

嘿，作为地理绘图新手碰到这俩问题太正常了，我帮你一步步拆解解决！

一、先搞定坐标垂直偏移的问题 #

坐标偏移这事啊，90%都是投影系统不匹配搞的鬼——加拿大常用的地图投影可不是默认的WGS84经纬度（EPSG:4326），而是专门的加拿大国家坐标系（比如EPSG:3978，适合全国范围）或者UTM分带投影。你得把原始的经纬度数据转换成和底图一致的投影才行。

具体操作步骤（用Geopandas+Matplotlib为例） #

1. 先把你的数据转成地理数据格式，明确原始投影是WGS84：

import geopandas as gpd
from shapely.geometry import Point

# 假设你的数据存在df里，列名是lat（纬度）、lon（经度）、value（热度变量）
geometry = [Point(xy) for xy in zip(df.lon, df.lat)]
gdf = gpd.GeoDataFrame(df, geometry=geometry, crs="EPSG:4326")  # 声明原始数据是WGS84经纬度

2. 转换成加拿大适配的投影（这里用EPSG:3978，覆盖全国的通用投影）：

gdf_proj = gdf.to_crs("EPSG:3978")

3. 加载加拿大底图，也要确保底图投影和数据一致：

# 用geopandas自带的低分辨率全球数据提取加拿大边界
world = gpd.read_file(gpd.datasets.get_path('naturalearth_lowres'))
canada = world[world.name == 'Canada'].to_crs("EPSG:3978")

这样再绘图，坐标就不会出现偏移了！

二、用指定变量展示热度（而非默认的点数密度） #

Matplotlib的hexbin默认是统计每个六边形内的点数（密度），但我们可以通过参数自定义，用你的目标变量来计算热度值：

方法1：直接用Matplotlib的hexbin（简单快速，适合新手） #

import matplotlib.pyplot as plt

fig, ax = plt.subplots(figsize=(12, 8))
# 先画加拿大底图
canada.plot(ax=ax, color='white', edgecolor='black')

# 核心参数设置：用C指定你的热度变量，reduce_C_function指定聚合方式
h = ax.hexbin(
    gdf_proj.geometry.x, gdf_proj.geometry.y,
    C=gdf_proj['your_value_column'],  # 替换成你自己的热度变量列名
    reduce_C_function=sum,  # 可选sum（求和）、np.mean（均值）、np.median（中位数）等
    gridsize=50,  # 控制六边形大小，数值越大六边形越密
    cmap='YlOrRd',  # 配色方案，可根据喜好替换
    alpha=0.7
)

# 添加颜色条说明
plt.colorbar(h, label='总热度值')
plt.title('加拿大六边形热力图（基于自定义变量）')
plt.show()

这里的reduce_C_function是关键——它会把每个六边形内所有点的热度变量值，用你指定的函数聚合，最终作为这个六边形的热度值。

方法2：手动生成六边形网格（更灵活，适合复杂需求） #

如果需要精准控制六边形的大小、范围，或者后续要做更多分析，可以手动生成六边形网格再关联数据：

from shapely.geometry import Polygon
import numpy as np

# 1. 获取加拿大的边界范围
xmin, ymin, xmax, ymax = canada.total_bounds

# 2. 生成六边形网格（这里设置边长为50公里，可根据需求调整）
hex_grid = gpd.GeoDataFrame(geometry=gpd.GeoSeries.from_xy(
    *np.meshgrid(np.arange(xmin, xmax, 50000*1.732), np.arange(ymin, ymax, 75000)),
    crs="EPSG:3978"
).apply(lambda x: Polygon(x.buffer(50000, cap_style=3))).stack().reset_index(drop=True))

# 3. 空间连接：把每个点的变量值关联到对应的六边形
hex_heat = gpd.sjoin(hex_grid, gdf_proj, how='left', predicate='contains')
# 聚合变量值（这里用求和，可替换成其他聚合方式）
hex_heat = hex_heat.groupby(hex_heat.index)['your_value_column'].sum().reset_index()
hex_heat = hex_grid.merge(hex_heat, left_index=True, right_on='index')

# 4. 绘图展示
fig, ax = plt.subplots(figsize=(12, 8))
canada.plot(ax=ax, color='white', edgecolor='black')
hex_heat.plot(ax=ax, column='your_value_column', cmap='YlOrRd', alpha=0.7, edgecolor='gray', legend=True)
plt.title('加拿大自定义六边形热力图')
plt.show()

这个方法适合需要精细化调整六边形参数，或者要对网格做后续分析的场景。

额外小贴士 #

• 如果用Plotly等其他工具绘图，同样要保证数据投影和底图一致，Plotly里可以通过projection参数设置适配的投影（比如projection='mercator'或专门的加拿大投影）。
• 调试坐标偏移时，可以先单独画几个已知位置的点，和底图对比，确认投影转换后的坐标是否正确。

内容的提问来源于stack exchange，提问作者turbonstre