> 本文示例程式碼及附件已上傳至我的`Github`倉庫[https://github.com/CNFeffery/DataScienceStudyNotes](https://github.com/CNFeffery/DataScienceStudyNotes) # 1 簡介 　　下面的這幅圖可能很多讀者朋友們都看到過，這是英國搖滾樂隊**Joy Division**在1979年發行的其第一張錄音室專輯**Unknown Pleasures**的封面，由藝術家**Peter Saville**基於射電脈衝星訊號的資料圖創作而成，成為了一種流行文化的符號標誌。 圖1 　　類似圖1的風格，在地圖製作中也存在著一種**山脊地圖**，基於記錄地表海拔資訊的**高程資料**，我們可以利用水平方向上的基於實際位置海拔高度的曲線，來對某塊區域的地形進行更具藝術性的表達。

圖2 　　而今天的文章，我們就來一起基於`Python`，配合顏色與字型的選擇搭配，使用簡短的程式碼，就可以創作出藝術海報級別的**山脊地圖**。 # 2 基於ridge_map的山脊地圖繪製 　　我們主要使用`matplotlib`與`ridge_map`來完成一幅山脊圖的創作，使用`pip install ridge_map `完成對`ridge_map`的安裝之後，我們先一個非常簡單的例子開始： ```Python from ridge_map import RidgeMap import matplotlib.font_manager as fm import matplotlib.pyplot as plt # 從本地的字型檔案中註冊字型 font_prop = fm.FontProperties(fname="fonts/UncialAntiqua-Regular.ttf") # 基於傳入的區域左下角、右上角經緯度 # 來獲取原始高程資料並繪製成山脊地圖 # 如果你有“特殊的上網技巧”，這一步等待時間會很短 ( RidgeMap(bbox=(-156.250305,18.890695,-154.714966,20.275080), font=font_prop) .plot_map(label="Hawai'i") ) plt.savefig('圖3.png') ```

圖3 　　這就是`ridge_map`繪製山脊地圖的基本模式，利用`matplotlib.font_manager`註冊要使用的字型，再將繪圖區域bbox資訊與字型屬性傳入`RidgeMap()`之後呼叫`plot_map()`方法即可進行繪製。 　　但如果你想要製作出像下面這種更多定製內容的山脊地圖，就需要了解多一些知識： 圖4 　　下面我們分部分來展開介紹： ## 2.1 資料準備 　　我們統一使用`RidgeMap`接受`bbox`引數確定區域範圍，格式為`(左下角經度, 左下角緯度, 右上角經度, 右上角緯度)`，其基於的高程資料來自**NASA**的[SRTM](https://www2.jpl.nasa.gov/srtm/)資料集，解析度為1弧秒（約30米），適用於北緯60°到南緯60°之間的區域。 　　`ridge_map`中資料準備的完整過程如下，其中`get_elevation_data`方法的`num_lines`引數用於控制返回資料對應的水平線數量，越大約細密，預設為80；`viewpoint`引數用於確定指南針所指的方向，預設為`south`： ```Python # 初始化 rm = RidgeMap(bbox=(-156.250305,18.890695,-154.714966,20.275080), font=font_prop) # 線上獲取高程資料 values = rm.get_elevation_data(num_lines=200, viewpoint='north') ``` 　　而獲取到的`values`實際上是範圍內各條水平線海拔變化情況的二維`numpy`陣列：

圖5 ## 2.2 資料加工 　　在第一步獲取到的資料的基礎上，我們可以利用`RidgeMap`的`preprocess`方法來進行加工，從而實現一些諸如改變高度對映比例、低窪地區篩選的功能，其主要引數如下： > **values**：傳入上一步獲取到的二維陣列資料 > > **water_ntile**：浮點數，範圍應在0到100之間，作為資料刪除的閾值，即高度低於總體**water_ntile%**分位數的資料會被視作水體，從而在影象中不顯示 > > **vertical_ratio**：用於設定原始高度值在繪圖中被擴大的倍數，越大越誇張 ```Python values = rm.preprocess(values=values, water_ntile=10, vertical_ratio=240) rm.plot_map(values, label="Hawai'i") plt.savefig('圖6.png') ``` 圖6 ## 2.3 繪製圖像 　　做完上述資料加工之後，我們就可以呼叫`plot_map()`方法來進行山脊圖的繪製，其主要引數如下： > **values**：傳入之前處理好的values > > **label**：用於設定影象上疊加的文字標籤內容 > > **label_x**：0-1之間的浮點數，用於確立文字標籤左下角相對於繪圖區域的比例x座標 > > **label_y**：類似**label_x**，調整y座標 > > **label_verticalalignment**：調整文字標籤在豎直方向上的對齊方式，預設為`'bottom'` > > **label_size**：控制文字標籤字型大小，預設為40 > > **line_color**：設定線條的色彩，預設為`'black'`，當傳入`matplotlib`中的`colormap`物件時即開啟了色彩對映模式 > > **kind**：設定色彩對映策略，`'gradient'`表示與高度無關，在畫幅豎直方向上進行色彩漸變，`'elevation'`則將色彩對映與高度相繫結 > > **linewidth**：設定線條粗細，預設為2 > > **background_color**：設定影象背景色 　　其他引數都非常簡單易懂，這裡來重點展示不同`kind`引數下結果的不同： - **kind='gradient'** ```Python rm.plot_map(values, label="Hawai'i", kind='gradient', line_color=plt.get_cmap('Reds')) ``` 圖7 　　可以看到在`gradient`模式下，整幅影象上的線條色彩從上向下按照`colormap`進行漸變。 - **kind='elevation'** ```Python rm.plot_map(values, label="Hawai'i", kind='elevation', line_color=plt.get_cmap('Reds')) plt.savefig('圖8.png') ``` 圖8 　　可以看到這時我們的線條色彩基於的是高度資訊。 ## 2.4 結合matplotlib 　　因為`ridge_map`基於的是`matplotlib`，所以我們可以類似`geopandas`繪圖那樣，在呼叫`plot_map`時向`ax`引數傳入已經存在的`Axes`物件，從而結合不同型別的影象，就像下面這個簡單的例子一樣： 圖9 　　在get到`ridge_map`的有趣用法之後，我們就可以對合法範圍內任意一個地方進行繪製，譬如下面我們繪製的重慶市中心城區的部分範圍： ```Python font_prop = fm.FontProperties(fname="fonts/LongCang-Regular.ttf") rm = RidgeMap(bbox=(106.360758,29.385385,106.74734,29.676339), font=font_prop) values = rm.get_elevation_data(num_lines=250, viewpoint='south') values = rm.preprocess(values=values, water_ntile=5, vertical_ratio=90) rm.plot_map(values, label="", kind='elevation', line_color=plt.get_cmap('plasma'), label_size=100) plt.savefig('圖10.png') ``` 圖10 --- 　　以上就是本文的全部內容，你可以盡情發揮創作出具有創意的山脊地圖。歡迎在評論區與我進