Metadata-Version: 2.1
Name: plot-map
Version: 0.2.8
Summary: A tool to add basemap in matplotlib
Home-page: https://github.com/ni1o1/plot_map
Author: Qing Yu
Author-email: qingyu0815@foxmail.com
License: MIT
Project-URL: Bug Tracker, https://github.com/ni1o1/plot_map/issues
Description: # plot_map
        
        plot_map工具针对时空大数据处理而开发，目前有下面几个功能：
        1. 添加地图底图：请看[这个示例](https://github.com/ni1o1/plot_map/blob/master/example/example.ipynb)
        2. 火星坐标转换
        3. 经纬度换算距离
        4. 栅格渔网划分：请看[这个示例](https://github.com/ni1o1/plot_map/blob/master/example/example.ipynb)
        5. 用KDTree算法匹配点与点、点与线的最近邻：请看[这个示例](https://github.com/ni1o1/plot_map/blob/master/example/example-ckdnearest.ipynb)
        6. 出租车GPS数据的OD提取：请看[这个示例](https://github.com/ni1o1/plot_map/blob/master/example/example-taxiod.ipynb)
        
        ## 安装
        
            pip install plot-map
        
        ## 底图加载功能
        
        ### 地图底图加载
        
        只需要用以下代码：   
        
            import plot_map
            #设定显示范围
            bounds = [lon1,lat1,lon2,lat2]  
            plot_map.plot_map(plt,bounds,zoom = 12,style = 4)  
        
        参数
        
        | 参数        | 描述                                                         |
        | ----------- | ------------------------------------------------------------ |
        | bounds      | 底图的绘图边界，[lon1,lat1,lon2,lat2] (WGS84坐标系) 其中，lon1,lat1是左下角坐标，lon2,lat2是右上角坐标 |
        | zoom        | 底图的放大等级，越大越精细，加载的时间也就越久，一般单个城市大小的范围，这个参数选取12到16之间 |
        | style       | 地图底图的样式，可选1-7，1-6为openstreetmap，7是mapbox       |
        | imgsavepath | 瓦片地图储存路径，设置路径后，会把地图下载到本地的文件夹下，使用时也会优先搜索是否有已经下载的瓦片，默认的存放路径是C:\\ |
        | printlog    | 是否显示日志                                                 |
        
        ### 绘制指北针和比例尺的功能plotscale
        
        为底图添加指北针和比例尺
        
            plot_map.plotscale(ax,bounds = bounds,textsize = 10,compasssize = 1,accuracy = 2000,rect = [0.06,0.03])  
        
        参数
        
        | 参数        | 描述                                                         |
        | ----------- | ------------------------------------------------------------ |
        | bounds      | 底图的绘图边界，[lon1,lat1,lon2,lat2] (WGS84坐标系) 其中，lon1,lat1是左下角坐标，lon2,lat2是右上角坐标 |
        | textsize    | 标注文字大小                                                 |
        | compasssize | 标注的指北针大小                                             |
        | accuracy    | 标注比例尺的长度                                             |
        | unit        | 'KM','km','M','m' 比例尺的单位                               |
        | style       | 1或2，比例尺样式                                             |
        | rect       | 比例尺在图中的大致位置，如[0.9,0.9]则在右上角                    |
        
        ## 栅格化功能
        ### 生成方形栅格渔网
        
        生成研究范围内的方形栅格  
        
            import plot_map
            #设定范围
            bounds = [lon1,lat1,lon2,lat2]
            grid,params = plot_map.rect_grids(bounds,accuracy = 500)
        
        
        输入参数
        
        | 参数        | 描述                                                         |
        | ----------- | ------------------------------------------------------------ |
        | bounds      | 底图的绘图边界，[lon1,lat1,lon2,lat2] (WGS84坐标系) 其中，lon1,lat1是左下角坐标，lon2,lat2是右上角坐标 |
        | accuracy    | 栅格大小                                                 |
        
        输出
        
        | 参数        | 描述                                                         |
        | ----------- | ------------------------------------------------------------ |
        | grid      | 栅格的GeoDataFrame，其中LONCOL与LATCOL为栅格的编号，HBLON与HBLAT为栅格的中心点坐标 |
        | params    | 栅格参数，分布为(lonStart,latStart,deltaLon,deltaLat)栅格左下角坐标与单个栅格的经纬度长宽|
        
        ### 栅格参数获取
        
        输入经纬度范围bounds，输出栅格参数
        
            bounds = [113.75194,22.447837,114.624187,22.864748]
            grid_params(bounds,accuracy = 500)
        
        ### GPS数据对应栅格编号
        
        输入数据的经纬度列与栅格参数，输出对应的栅格编号
        
            data['LONCOL'],data['LATCOL'] = plot_map.GPS_to_grids(data['Lng'],data['Lat'],params)
        
        ### 栅格编号对应栅格中心点经纬度
        
        输入数据的栅格编号与栅格参数，输出对应的栅格中心点
        
            data['HBLON'],data['HBLAT'] = plot_map.grids_centre(data['LONCOL'],data['LATCOL'],params)
        
        ### 栅格编号生成栅格的地理信息列
        
        输入数据的栅格编号与栅格参数，输出对应的地理信息列
        
            data['geometry'] = plot_map.gridid_to_polygon(data['LONCOL'],data['LATCOL'],params)
        
        ### 生成六边形渔网
        
        生成研究范围内的六边形渔网  
        
            import plot_map
            #设定范围
            bounds = [lon1,lat1,lon2,lat2]
            hexagon = plot_map.hexagon_grids(bounds,accuracy = 5000)
        
        
        ## 坐标计算功能
        ### 火星坐标系互转
        
        坐标互转，基于numpy列运算
        
            data['Lng'],data['Lat'] = plot_map.wgs84tobd09(data['Lng'],data['Lat'])  
            data['Lng'],data['Lat'] = plot_map.wgs84togcj02(data['Lng'],data['Lat'])  
            data['Lng'],data['Lat'] = plot_map.gcj02tobd09(data['Lng'],data['Lat'])  
            data['Lng'],data['Lat'] = plot_map.gcj02towgs84(data['Lng'],data['Lat'])  
            data['Lng'],data['Lat'] = plot_map.bd09togcj02(data['Lng'],data['Lat'])  
            data['Lng'],data['Lat'] = plot_map.bd09towgs84(data['Lng'],data['Lat'])  
        
        ### 经纬度计算距离
        
        输入起终点经纬度，获取距离（米），基于numpy列运算
            
            data['distance'] = plot_map.getdistance(data['Lng1'],data['Lat1'], data['Lng2'],data['Lat2'])  
        
        
        ## 出租车OD处理
        
        ### OD提取算法
        输入出租车GPS数据,提取OD
        
            taxigps_to_od(data,col = ['VehicleNum','Stime','Lng','Lat','OpenStatus'])
            data - 出租车GPS数据（清洗好的）
            col - 数据中各列列名，需要按顺序[车辆id，时间，经度，纬度，载客状态]
        ### OD线型生成
        输入OD数据（每一行数据是一个出租车出行），栅格化OD并集计后生成OD的GeoDataFrame
        
            odagg(oddata,params,col = ['slon','slat','elon','elat'],arrow = False,**kwargs):
            oddata - 出租车OD数据（清洗好的）
            col - 起终点列名
            params - 栅格化参数
            arrow - 生成的OD地理线型是否包含箭头
        
Platform: UNKNOWN
Classifier: Environment :: Web Environment
Classifier: Intended Audience :: Developers
Classifier: Operating System :: OS Independent
Classifier: Framework :: Matplotlib
Classifier: Topic :: Text Processing :: Indexing
Classifier: Topic :: Utilities
Classifier: Topic :: Internet
Classifier: Topic :: Software Development :: Libraries :: Python Modules
Classifier: Programming Language :: Python
Classifier: Programming Language :: Python :: 3.8
Requires-Python: >=3.6
Description-Content-Type: text/markdown
