Speichern einer Chloropletkarte mit Geopandas, Pandas und Matplotlib

Question

Ich habe diesen GeoPandas-Datenrahmen, der von einem merge zwischen einem shapefile (geladen mit GeoPandas) und einem Pandas-Datenframe (enthält die Daten, die ich plotten möchte) stammt .

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

[...] 

df_for_map = geopandas_shp_df.merge(pandas_data_df, on='neighborhood') 
print df_for_map.head(1) 

gibt:

          geometry id neighborhood \ 
0 POLYGON ((XX.XXX YY.YYY, ... 1  My_Neighborhood_Key_Representing_A_Polygon 

      mean 
0 ZZ.ZZZ 

Nach der GeoPandas Dokumentation (hier: http://geopandas.readthedocs.io/en/stable/mapping.html und die gpd.plot Funktion docs), wenn ich eine chloropleth Karte plotten möchten soll ich tun:

df_for_map.plot(column='mean', cmap=plt) 
plt.savefig('figure_file_path') 

Aber das gibt den folgenden Fehler:

Traceback (most recent call last): 
    File "./MY_PYTHON_SCRIPT.py", line XXX, in <module> 
    df_for_map.plot(column='mean', cmap=plt) 
    File "/usr/local/lib/python2.7/site-packages/geopandas/geodataframe.py", line 447, in plot 
    return plot_dataframe(self, *args, **kwargs) 
    File "/usr/local/lib/python2.7/site-packages/geopandas/plotting.py", line 261, in plot_dataframe 
    cmap = norm_cmap(values, cmap, Normalize, cm, vmin=vmin, vmax=vmax) 
    File "/usr/local/lib/python2.7/site-packages/geopandas/plotting.py", line 372, in norm_cmap 
    n_cmap = cm.ScalarMappable(norm=norm, cmap=cmap) 
    File "/usr/local/lib/python2.7/site-packages/matplotlib/cm.py", line 201, in __init__ 
    self.cmap = get_cmap(cmap) 
    File "/usr/local/lib/python2.7/site-packages/matplotlib/cm.py", line 166, in get_cmap 
    % (name, ', '.join(sorted(cmap_d.keys())))) 
ValueError: Colormap <module 'matplotlib.pyplot' from '/usr/local/lib/python2.7/site-packages/matplotlib/pyplot.pyc'> is not recognized. Possible values are: Accent, Accent_r, Blues, Blues_r, BrBG, BrBG_r, BuGn, BuGn_r, BuPu, BuPu_r, CMRmap, CMRmap_r, Dark2, Dark2_r, GnBu, GnBu_r, Greens, Greens_r, Greys, Greys_r, OrRd, OrRd_r, Oranges, Oranges_r, PRGn, PRGn_r, Paired, Paired_r, Pastel1, Pastel1_r, Pastel2, Pastel2_r, PiYG, PiYG_r, PuBu, PuBuGn, PuBuGn_r, PuBu_r, PuOr, PuOr_r, PuRd, PuRd_r, Purples, Purples_r, RdBu, RdBu_r, RdGy, RdGy_r, RdPu, RdPu_r, RdYlBu, RdYlBu_r, RdYlGn, RdYlGn_r, Reds, Reds_r, Set1, Set1_r, Set2, Set2_r, Set3, Set3_r, Spectral, Spectral_r, Wistia, Wistia_r, YlGn, YlGnBu, YlGnBu_r, YlGn_r, YlOrBr, YlOrBr_r, YlOrRd, YlOrRd_r, afmhot, afmhot_r, autumn, autumn_r, binary, binary_r, bone, bone_r, brg, brg_r, bwr, bwr_r, cool, cool_r, coolwarm, coolwarm_r, copper, copper_r, cubehelix, cubehelix_r, flag, flag_r, gist_earth, gist_earth_r, gist_gray, gist_gray_r, gist_heat, gist_heat_r, gist_ncar, gist_ncar_r, gist_rainbow, gist_rainbow_r, gist_stern, gist_stern_r, gist_yarg, gist_yarg_r, gnuplot, gnuplot2, gnuplot2_r, gnuplot_r, gray, gray_r, hot, hot_r, hsv, hsv_r, inferno, inferno_r, jet, jet_r, magma, magma_r, nipy_spectral, nipy_spectral_r, ocean, ocean_r, pink, pink_r, plasma, plasma_r, prism, prism_r, rainbow, rainbow_r, seismic, seismic_r, spectral, spectral_r, spring, spring_r, summer, summer_r, terrain, terrain_r, viridis, viridis_r, winter, winter_r 

Ich bin mir nicht sicher, was getan werden muss, damit matplotlib mit GeoPandas funktioniert?

Answer 1

Für die Codezeile:

df_for_map.plot(column='mean', cmap=plt) 

cmap=plt, die plt ist keine anerkannte Farbe von matplotlib. Es sollte eine in der Fehlermeldung genannte Farbe wie cmap='RdPu' oder eine gefundene Farbe here sein.

Wenn Sie Ihre eigene colormap erstellen Sie können eigene Farbliste erstellen, indem Sie den Hex-Code der Farben als solche immer:

my_colors = ['#000000', '#0080ff', '#2a3050', '#f0ff00', '#00ff7c', '#d100ce', 
      '#dd3333', '#00ce18', '#7f9690', '#df85ff', '#96b813', '#2533fb', 
      '#66d4ff', '#fd7f00', '#9f5000', '#ff0000', '#4d0c57', '#900303', 
      '#00780e', '#41fd30', '#dae700'] 

und dann tun:

df_for_map.plot(column='mean', color=my_colors) 

oder:

df_for_map.plot(column='mean') 

und lassen Sie cmap für die Standardfarbe aus.