如何将等值线地图与 Python 中的阴影栅格相结合？

Question

我想在地图上绘制区域的特征，但由于人口密度非常不均匀，较大的图块会误导性地吸引注意力。想想邮政编码的平均值（比如考试成绩）。

高分辨率地图可用于区分有人居住的地点，甚至其中的密度。下面的 Python 代码确实会根据每个像素的平均密度生成一个着色的栅格。

但是，我真正需要的是从同一区域的等值线地图（在本例中为匈牙利的邮政编码）着色，但着色只影响无论如何都会出现在栅格上的点。光栅只能确定像素的伽玛（或者可能是某些 3D 模拟中的高度）。有什么好的方法可以解决这个问题？

rasterio.mask.mask 不知何故？

（顺便说一句，带有邮政编码边界的叠加层也很好，但我对GeoViews如何工作有了更好的理解。）

import rasterio
import os
import datashader as ds
from datashader import transfer_functions as tf
import xarray as xr
from matplotlib.cm import viridis

# download a GeoTIFF from this location: https://data.humdata.org/dataset/hungary-high-resolution-population-density-maps-demographic-estimates
data_path = '~/Downloads/'
file_name = 'HUN_youth_15_24.tif'  # young people
file_path = os.path.join(data_path, file_name)
src = rasterio.open(file_path)
da = xr.open_rasterio(file_path)
cvs = ds.Canvas(plot_width=5120, plot_height=2880)
img = tf.shade(cvs.raster(da,layer=1), cmap=viridis)
ds.utils.export_image(img, "map", export_path=data_path, fmt=".png")

Answer 1

我不确定我是否理解，所以如果我弄错了，请告诉我。如果我理解得很好，你可以只使用 numpy 来实现你想要的（我相信将它翻译成 xarray 会很容易）：

# ---- snipped code already in the question -----
import numpy as np
import matplotlib.pyplot as plt

#  fake a choropleth in a dirty, fast way
height, width = 2880, 5120
choropleth = np.empty((height, width, 3,), dtype=np.uint8)
CHUNKS = 10
x_size = width // CHUNKS
for x_step, x in enumerate(range(0, width, width // CHUNKS)):
    y_size = height // CHUNKS
    for y_step, y in enumerate(range(0, height, height // CHUNKS)):
        choropleth[y: y+y_size, x: x+x_size] = (255-x_step*255//CHUNKS,
                                                0, y_step*255//CHUNKS)
plt.figure("Fake Choropleth")
plt.imshow(choropleth)

# Option 1: play with alpha only
outimage = np.empty((height, width, 4,), dtype=np.uint8)  # RGBA image
outimage[:, :, 3] = img  # Set alpha channel
outimage[:, :, :3] = choropleth  # Set color
plt.figure("Alpha filter only")
plt.imshow(outimage)

# Option 2: clear the empty points
outimage[img == 0, :3] = 0  # White. use 0 for black
plt.figure("Points erased")
plt.imshow(outimage[:,:,:3])  # change to 'outimage' to see the image with alpha

结果： 虚拟 choroplet

Alpha 过滤图

黑色背景，无 alpha 滤镜 请注意，由于matplotlib 的抗锯齿功能，图像可能看起来不同。

Answer 2

Datashader 可以让您将多种类型的数据组合成一个通用的栅格形状，您可以在其中使用基于 NumPy 的 xarray 操作进行任何您喜欢的制作或过滤。例如。您可以将等值线渲染为多边形，然后掩盖无人居住的区域。如何按区域进行标准化取决于您，并且可能会变得非常复杂，但是一旦您准确定义了您打算做什么，就应该是可行的。有关如何执行此操作的示例，请参见 https://examples.pyviz.org/nyc_taxi/nyc_taxi.html 的 transform 代码，如下所示：

def transform(overlay):
    picks = overlay.get(0).redim(pickup_x='x', pickup_y='y')
    drops = overlay.get(1).redim(dropoff_x='x', dropoff_y='y')
    pick_agg = picks.data.Count.data
    drop_agg = drops.data.Count.data
    more_picks = picks.clone(picks.data.where(pick_agg>drop_agg))
    more_drops = drops.clone(drops.data.where(drop_agg>pick_agg))
    return (hd.shade(more_drops, cmap=['lightcyan', "blue"]) *
            hd.shade(more_picks, cmap=['mistyrose', "red"]))

picks = hv.Points(df, ['pickup_x',  'pickup_y'])
drops = hv.Points(df, ['dropoff_x', 'dropoff_y'])
((hd.rasterize(picks) * hd.rasterize(drops))).apply(transform).opts(
    bgcolor='white', xaxis=None, yaxis=None, width=900, height=500)

这里并没有真正掩盖任何东西，但希望您能看到掩蔽是如何工作的；只需获取一些光栅化对象，然后使用其他一些光栅化对象进行数学运算。这里的步骤都是在使用 HoloViews 对象的函数中完成的，这样您就可以获得实时交互式绘图，但您可能希望使用 datashader.org 上的更基本代码来解决该方法，您只需处理 xarray 对象而不是 HoloViews 管道；然后，您可以将您对单个 xarray 所做的转换到 HoloViews 管道中，然后允许使用平移、缩放、轴等进行完全交互式使用。