如何给地图添加自定义颜色？

在给地图添加自定义颜色时，通常会结合使用`geopandas`和`matplotlib`中的`Polygon`或`GeoDataFrame`对象。如果你想要基于某个变量（例如人口、收入等）为每个行政区域赋予特定的颜色，你可以先将这些变量合并到地理数据中，然后使用`plot`函数或者`set_facecolor`来设置颜色。

以下是一个基本的例子：

import geopandas as gpd
import matplotlib.pyplot as plt
from shapely.geometry.polygon import Polygon
import numpy as np

# 假设你有一个包含区域ID和对应数值（颜色值）的DataFrame
custom_colors = pd.DataFrame({'region_id': region_ids, 'color': custom_color_values})

# 将颜色值映射到一个合适的颜色范围（例如，从深蓝色到红色）
norm = Normalize(vmin=custom_color_values.min(), vmax=custom_color_values.max())
mapper = cmap(norm(custom_color_values))

# 加载世界地图数据，并将其与颜色信息连接起来
world_with_colors = world.merge(custom_colors, on='region_id')

# 定义颜色块
def get_color(row):
    return [mapper[row.color], mapper[row.color]]

# 为每个行政区域设置颜色
world_with_colors['geometry'] = world_with_colors.apply(get_color, axis=1)

# 现在你可以像平时一样画地图了
ax = world_with_colors.plot(column='color', categorical=True, linewidth=0.8, cmap=cmap)

# 或者如果你想要更细致地控制每个区域的颜色
for _, row in world_with_colors.iterrows():
    poly = Polygon(row.geometry)
    ax.fill(poly.exterior, facecolor=row.color, alpha=0.7)

plt.show()

这个例子中，`cmap`是你选择的matplotlib colormap，你需要根据实际需求来调整。记得`Normalize`用于缩放颜色值范围，使其适应你的颜色映射。