使用OpenStreetMap数据的区域分段地图

Question

使用OpenStreetMap数据的区域分段地图

pythonopenstreetmapchoroplethoverpass-apifolium

5

我的目标是在德国的邮政编码区域获得所谓的“等值面地图”（我猜是这个）。我已经找到了Python包“folium”，但似乎它需要一个.json文件作为输入：https://github.com/python-visualization/folium。在OpenStreetMap上，我只看到shp.zip和.osm.pbf文件。在shp.zip存档中，我发现各种我从未听说过的文件结尾，但没有.json文件。我该如何使用来自OpenStreetMap的数据来提供给folium？我是否走错了方向？

- user3182532

以前没有做过这个，但很快也需要它。如果有帮助的话，可以看一下关于类似主题的这篇文章。 - cardamom

3个回答

0

我本人没有做过这个，但是有各种解决方案可以将OSM文件（.osm或.pbf）转换为（geo）json。例如 osmtogeojson。更多工具可以在OSM维基中的GeoJSON页面找到。

- scai

那么我需要从OpenStreetMap下载哪个文件呢？我需要一个包含邮政编码区域边界的文件。我找不到它。之后，我猜我可以尝试那些转换工具。 - user3182532

这是一个不同的问题。通常，OSM文件包含OSM中可用的所有信息。如果您只想要邮政编码，则可以从OSM文件中提取它们（例如通过osmium），或者首先使用Overpass API仅下载邮政编码。无论哪种方式，评论都不适合详细解释这些步骤。此外，关于仅下载特定OSM数据的问题已经多次得到回答（在这里，在http://gis.stackexchange.com和在help.openstreetmap.org）。 - scai

@user3182532：@scai是对的，那是一个不同的问题。你问的是如何使用.shp文件来提供folium。从OSM中提取行政边界线并不容易。 - mforpe

0

我访问了https://overpass-turbo.eu/（它通过特定的查询语言QL从openstreetmap检索数据），并在以下代码上点击运行：

[timeout:900];
area[name="Deutschland"][admin_level=2][boundary=administrative]->.myarea;
rel(area.myarea)["boundary"="postal_code"];
out geom;

你可以“导出到GeoJSON”，但在我的情况下，这并不起作用，因为数据量太大，无法在浏览器内处理。但是导出“原始数据”是有效的。所以我这样做了，然后我使用了“osmtogeojson”来获取正确的格式。之后，我就能够像folium教程中描述的那样将我的OpenStreetMap数据提供给folium。

_{这个答案是由edit发布的，关于使用OpenStreetMap数据制作分级地图Choropleth map with OpenStreetMap data，由OP user3182532 在CC BY-SA 3.0下发布。}

- vvvvv

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- mforpe · Accepted Answer

如果您想创建一个区域地图，您需要按照以下步骤进行操作：

首先，您需要一个包含该国家地区信息的文件。本答案提供了一个样例.json文件，但实际上有许多常用于地图的文件格式。在您的情况下，您需要将OSM形状文件（.shp）转换为更现代的文件类型，如.geojson。幸运的是，我们有ogr2ogr来完成这最后一步：

ogr2ogr -f GeoJSON -t_srs EPSG:4326 -simplify 1000 [name].geojson [name].shp

建议：您还可以从这些网站中提取行政边界：

* [OSM Boundaries Map 4.2][2]
* [Mapzen][3]
* [Geofabrik][4]

下载基于它的数据（例如 .csv 文件）。显然，该文件必须有一个包含该国邮政编码的列。
一旦获得这些文件，其余部分就很简单了，Folium 将自动创建等值线地图。

我写了一个关于美国失业率的简单示例：

代码：

import folium
import pandas as pd

osm = folium.Map([43, -100], zoom_start=4)

osm.choropleth(
    geo_str = open('US_states.json').read(),
    data = pd.read_csv("US_unemployment.csv"),
    columns = ['State', 'Unemployment'],
    key_on = 'feature.id',
    fill_color = 'YlGn',
)

输出：