在Python中，choropleth贴图如何与着色光栅相结合？

我想在地图上描绘一些地区的特征，但由于人口密度非常不均匀，较大的瓷砖会误导人们的注意力。想一想邮政编码的平均值（比如考试分数）

高分辨率地图可用于不同的居住地区，甚至其中的密度。下面的Python代码根据每个像素的平均密度生成一个彩色光栅

然而，我真正需要的是从同一地区的choropleth地图（本例中为匈牙利的邮政编码）着色，但着色只影响光栅上显示的点。光栅只能确定像素的伽马（或者在某些3D模拟中可能是高度）。做这件事的好方法是什么

一个光栅.蒙版.蒙版不知怎的

（顺便说一句，带邮政编码边界的覆盖也不错，但我更了解如何使用

GeoViews

）

---

Datashader将允许您将多种类型的数据组合到一个通用的光栅形状中，在该形状中，您可以使用基于NumPy的xarray操作进行任意制作或过滤。例如，您可以将choropleth渲染为多边形，然后遮罩无人居住的区域。如何按面积进行规范化取决于您，可能会变得非常复杂，但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，请参见处的

转换

代码，如中所示：

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)

在这里，它并不是真的掩蔽任何东西，但希望你能看到掩蔽是如何工作的；只需获取一些光栅化对象，然后使用其他光栅化对象进行数学运算。在这里，所有步骤都是在使用HoloViews对象的函数中完成的，这样您就可以有一个实时交互绘图，但是您可能希望使用datashader.org上更基本的代码来解决这个问题，在这里，您只需要处理xarray对象，而不需要HoloViews管道；然后，您可以将为单个xarray所做的工作转换为HoloViews管道，该管道将允许使用平移、缩放、轴等进行完全交互

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)