GPS轨迹数据中 绘制热力图使用的核密度估计法代码

以下是Python中使用核密度估计法绘制GPS轨迹热力图的示例代码：

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from scipy.stats import gaussian_kde

# 读取GPS轨迹数据
data = pd.read_csv('gps_track.csv')

# 提取经纬度信息
lon = data['longitude']
lat = data['latitude']

# 计算核密度估计
kde = gaussian_kde(np.vstack([lon, lat]))

# 设置绘图范围和分辨率
xmin, xmax = lon.min(), lon.max()
ymin, ymax = lat.min(), lat.max()
xx, yy = np.mgrid[xmin:xmax:100j, ymin:ymax:100j]
positions = np.vstack([xx.ravel(), yy.ravel()])
f = np.reshape(kde(positions).T, xx.shape)

# 绘制热力图
fig, ax = plt.subplots()
ax.imshow(np.rot90(f), cmap='coolwarm', extent=[xmin, xmax, ymin, ymax])
ax.plot(lon, lat, 'k.', markersize=2)
ax.set_xlim([xmin, xmax])
ax.set_ylim([ymin, ymax])
plt.show()

这段代码使用了Scipy库中的gaussian_kde函数计算核密度估计，同时使用Matplotlib库绘制热力图。需要注意的是，由于GPS轨迹数据通常是密集分布的，因此在绘制热力图时需要设置适当的分辨率，以免出现过度平滑或失真的情况。