绘制广州市各区成交房源分布地图，以jupyter实现代码

在Jupyter Notebook中绘制广州市各区成交房源分布地图，可以借助Python的数据可视化库如matplotlib、geopandas以及相关的地图数据源（如OpenStreetMap或者ArcGIS）。以下是一个简化的示例步骤：

1. 首先，你需要安装必要的库：

pip install pandas geopandas matplotlib basemap descartes requests

2. 获取数据：
- 你可以从公开数据源下载广州市区的房源成交数据，比如通过CSV文件或者其他API获取。确保数据包含区域名（例如行政区划编码）和交易量等信息。

3. 加载并处理数据：

import pandas as pd

# 假设你已经有了一个名为df的DataFrame，其中包含了区域名和成交量
df = pd.read_csv('guangzhou_house_data.csv')

# 如果数据里没有地理坐标，可能需要另外获取地理编码服务（如Geocoding API）
df['geometry'] = gpd.points_from_xy(df.longitude, df.latitude) # 假设这里有经纬度字段

4. 使用geopandas创建GeoDataFrame：

import geopandas as gpd

# 将数据框转换为GeoDataFrame，并设置CRS（坐标参考系统）
gdf = gpd.GeoDataFrame(df, geometry='geometry', crs={'init': 'epsg:4326'})

5. 导入地图背景：

from mpl_toolkits.basemap import Basemap

# 创建一个Basemap实例，选择合适的投影（如Mercator）
m = Basemap(projection='merc', llcrnrlat=20, urcrnrlat=30, llcrnrlon=110, urcrnrlon=115)

6. 绘制地图：

fig, ax = plt.subplots(figsize=(12,8))
m.drawmapboundary(fill_color='white')
m.fillcontinents(color='lightgray', lake_color='aqua')
m.scatter(gdf.geometry.x, gdf.geometry.y, s=gdf['成交量']*100, c=gdf['成交量'], cmap='plasma') # 根据成交量大小调整点的大小和颜色
plt.title('广州市各区成交房源分布')
plt.show()