企业官网建设流程全解析

简介：数据可视化是地理信息呈现的重要方式，地图绘制常受限于在线API的配额限制与坐标转换问题。Python拥有成熟的Matplotlib等绘图库，结合GeoJSON边界数据，可实现完全离线的定制化地图。针对高铁线路的视觉需求，贝塞尔曲线通过控制点拟合线路走向，能够模拟真实蜿蜒形态，弥补直线连接的失真。通过自适应偏移参数、省界底图与站点数据清洗，开发者可构建清晰的中国高铁网络图。该方案适用于学术汇报、工程演示及作品集展示，摆脱第三方服务依赖，并支持从静态底图到逐条线路动画的扩展，为地理数据可视化提供了灵活可控的实践路径。

1. Python 中国高铁地图的常见实现误区：为什么调地图 API 画不出高铁网

想做一张 Python 中国高铁地图，很多人第一反应是调地图服务的 Web API，把站点坐标丢进去，然后画线。真跑到这一步才发现：API 给的线路是“折线段”，起点到终点直接连一条直线，画出来像蜘蛛网，完全没有高铁沿城市蜿蜒的视觉质感。而且 Web API 有配额限制，线路一多要么被限流要么只能开会员，项目排期全卡在申请授权上。这篇文章里我会讲清楚一套离线可跑的实现路线：手工维护一份站点 + 线路数据，用贝塞尔曲线模拟线路走向，再配合省界 GeoJSON 底图，用纯 Python 画出一张可以放进汇报、论文和作品集的高铁网络图。适合有 Python 基础、不想被地图服务绑定、想完全掌控线型和输出的开发者。

2. 数据准备：站点经纬度表和线路走向的两套方案

2.1 站点经纬度：手工整理一份 CSV 比调地图 API 更省心

我一开始也是写脚本去调逆地理编码接口批量查站点坐标，后来发现这个思路本身就有问题：高铁站名不是普通 POI，有些站刚改名、有些站是新建的，第三方接口返回的数据未必是最新口径，而且查询频率一高就被限制。更麻烦的是接口返回的坐标系和地图底图坐标系可能不一致，后面还要做坐标转换，等于多了一整个坑。

现在我的做法是直接维护一份 CSV 站点表，字段就四个：站名、经度、纬度、所属线路。数据来源是公开的地理资料和车站页面手工核对，总共几十个站的话，半天时间就能整理完。CSV 的好处是离线可跑、随时能改、不依赖外部服务授权，而且后续画图、算轨迹、做动画都用同一份数据，不会出现“站点表是一套，绘图时又现查一遍”的割裂问题。

city,lon,lat,line 北京南,116.38,39.86,京沪高铁 济南西,116.80,36.66,京沪高铁 南京南,118.79,31.94,京沪高铁 上海虹桥,121.32,31.20,京沪高铁 石家庄,114.49,38.04,京广高铁 郑州东,113.54,34.72,京广高铁 武汉,114.36,30.52,京广高铁 长沙南,113.03,28.17,京广高铁 广州南,113.27,22.99,京广高铁

读取时用 pandas 一行搞定，但要注意：CSV 里的经纬度是数值，读进来之后一定要转成 float，否则后面所有加减乘除都在和字符串较劲。

import pandas as pd df = pd.read_csv("china_stations.csv", encoding="utf-8") df["lon"] = df["lon"].astype(float) df["lat"] = df["lat"].astype(float) print(df.head()) print(df["city"].nunique(), "个不重复站点")

说明一下：encoding="utf-8"必须带上，很多 Windows 环境下默认编码是 GBK，不加的话会直接 UnicodeDecodeError。astype(float)是转换列类型，避免 CSV 里混入空格或全角字符导致隐式类型变成 object。打印站点数是为了确认没有重复站名，同一站被两条线路共用是正常的，比如长沙南既是京广线又是沪昆线，但站名只能出现一次，后面的去重逻辑我会在第 5 章讲到。

2.2 线路数据：没有官方 GeoJSON 时，用“起终点 + 途经点”代替

高铁线路的真实走向坐标是不公开的，网上能找到的所谓“高铁线路 GeoJSON”多半是某开发者自己画的示意线，拿来用往往发现和站点对不上。与其找一份不可靠的现成数据，不如自己定义线路：每条线路只记录途经站点顺序，画图时由程序生成平滑曲线。这种方式有两个好处：一是数据可维护性极强，线路改站、加站只改一行字符串；二是曲线走向完全掌控在自己手里，想让线路往哪个方向弯曲就调哪个参数。

routes = { "京沪高铁": ["北京南", "济南西", "南京南", "上海虹桥"], "京广高铁": ["北京西", "石家庄", "郑州东", "武汉", "长沙南", "广州南"], "沪昆高铁": ["上海虹桥", "杭州东", "南昌西", "长沙南", "贵阳北", "昆明南"], "兰新高铁": ["兰州西", "西宁", "乌鲁木齐"], }

这里需要注意的是，字典里的站名必须和 CSV 里的city字段完全一致，包括空格和括号。我踩过一次：CSV 里写的是“北京南”，线路表里写“北京南站”，程序跑完发现少了一条线，查了半天是字符串匹配失败。建议在读入 routes 之后做一次全量校验，把无法匹配的站名直接抛出来。

station_names = set(df["city"]) for line, stops in routes.items(): for s in stops: if s not in station_names: raise ValueError(f"线路 {line} 中的站点 {s} 不在站点表中")

这里用set()建索引是为了把查找从线性扫描变成常数时间，站点只有几十个时看不出差别，但这是一个好习惯。raise ValueError是主动让程序失败，而不是带着脏数据往下跑，否则画出来的图上某条线会莫名其妙断掉，排查成本更高。校验通过后，再用 pandas 把站名映射成坐标，生成一个可供后续绘图直接查的字典结构。

2.3 数据清洗：经纬度范围检查、重复站点合并

站点表整理完不等于数据可用，还要过两遍检查。第一遍是数值范围检查：中国境内的经度在 73 到 135 之间，纬度在 18 到 54 之间，超过这个范围的坐标一定是录入错误。第二遍是重复站点检查：同一个站被两条线路共用时，CSV 里如果出现两行相同站名，后面绘图时字典会覆盖其中一条，导致线路断点。

import numpy as np valid = df[ (df["lon"] >= 73) & (df["lon"] <= 135) & (df["lat"] >= 18) & (df["lat"] <= 54) ].copy() dup = valid[valid.duplicated(subset=["city"], keep=False)] if not dup.empty: print("发现重复站点，请合并后重试") print(dup.groupby("city").size()) final_df = valid.drop_duplicates(subset=["city"], keep="first")

这段代码分四步：范围过滤生成valid，duplicated()找出重复行，drop_duplicates()去重。很多人会省略掉重复检测直接去重，结果线路经过共线站点时使用了错误的坐标，整条线在图上出现一个奇怪的折角。坐标范围检查里用&而不是and，这是 pandas 布尔索引的语法要求，and在 NumPy 数组上会报“truth value ambiguous”的错。

3. 用贝塞尔曲线还原高铁线路走向：坐标生成与参数调节

3.1 为什么不能直接画直线：视觉上完全不像铁路

把两个相邻站点的经纬度直接用ax.plot()连起来，画出来的图就像一个等边三角形组成的抽象派作品，高铁线路的“蜿蜒感”完全消失。真实高铁线路在平原地区虽然比较直，但受城市布局、既有线路、地质条件影响，线路在途中的弯曲是不可避免的。在可视化层面，一条带弧度的曲线比一条直线传递的信息更接近真实，读者看到弯曲线路时才会相信这是“高铁线路图”而不是“航班航线图”。

贝塞尔曲线是计算几何里成熟的插值方案，二次贝塞尔只需要三个点：起点、控制点、终点。控制点决定曲线的弯曲方向和幅度，把控制点放在起点终点连线的垂直方向上，就能得到一条自然外凸的弧线。更妙的是它不依赖地图投影或坐标系变换，输入输出都是经纬度，和 matplotlib 的绘图坐标完全一致，省掉了换投影的麻烦。

import numpy as np def bezier_curve(p0, p1, p2, num=100): """生成二次贝塞尔曲线采样点，p0起点，p1控制点，p2终点""" t = np.linspace(0, 1, num) x = (1 - t)**2 * p0[0] + 2 * (1 - t) * t * p1[0] + t**2 * p2[0] y = (1 - t)**2 * p0[1] + 2 * (1 - t) * t * p1[1] + t**2 * p2[1] return np.column_stack([x, y])

代码逻辑非常直接：np.linspace(0, 1, num)生成 0 到 1 之间均匀分布的参数 t；贝塞尔公式的三个分量分别对应起点、控制点、终点的权重，t 从 0 到 1 的过程中，曲线从起点平滑过渡到终点。np.column_stack把 x 和 y 两个一维数组合并成 N 行 2 列的坐标数组，方便后面直接交给绘图函数。

参数含义：num是采样点数量，默认 100 条，一条线路 100 个点已经足够平滑，放大到屏幕上也没有锯齿感。如果你的图上有 30 条以上的线路，建议把num降到 50，否则最后的坐标矩阵会占用不少内存。p1是核心控制参数，它的位置决定了整条弧线的弯向和弯度，下一节讲怎么自动计算这个点。

3.2 控制点计算：垂直偏移法

控制点不能手写，因为每条线路的起点终点经纬度都不同，手写一旦有偏差，曲线就穿到海里去了。我用的是垂直偏移法：先算出起点到终点的方向向量，取它的垂直方向，再把中点沿垂直方向平移一段距离，这个平移距离就是曲线弯曲的“力度”。

def control_point(p0, p2, offset=0.3): """根据起点终点计算控制点，垂直方向偏移 offset 度""" mid = np.array([(p0[0] + p2[0]) / 2, (p0[1] + p2[1]) / 2]) dx = p2[0] - p0[0] dy = p2[1] - p0[1] length = np.hypot(dx, dy) nx = -dy / length ny = dx / length return mid + offset * np.array([nx, ny])

逻辑拆开看：dx、dy是终点相对起点的方向分量，np.hypot(dx, dy)计算线段长度，nx、ny是垂直方向的单位向量。垂直方向有两个（正方向或负方向），这里取了(-dy, dx)这个方向，即在线段前进方向的左侧偏移。如果你想把弧线偏向右侧，把nx = dy / length即可。

offset的单位是经纬度，这个值需要根据线路距离动态调整：短途线路（比如相邻省会之间）offset 设为 0.2 已经很明显；长途线路（比如京沪全线）offset 到 0.8 才有视觉弧度。如果所有线路共用一个 offset，短途线看起来像直尺，长途线又弯成拱门。我一般按线段长度比例来设：

def adaptive_offset(p0, p2, base=0.05): """按线段长度自适应偏移量，短线小偏移，长线大偏移""" length = np.hypot(p2[0] - p0[0], p2[1] - p0[1]) return max(0.2, min(1.0, length * base))

这段代码的逻辑是用线段距离乘以比例系数，再把结果夹在 0.2 和 1.0 之间。max(0.2, min(1.0, x))是常见的高低限幅写法，防止过短或过长的线段产生异常弧度。

3.3 整线拼接：把分段曲线连成一条完整线路

一条高铁线路有多个途经站点，需要把相邻站点之间的贝塞尔曲线首尾拼接。直接拼接会产生断点，因为前一段的终点就是后一段的起点，拼接时删掉重复端点即可。以下是完整的线路轨迹生成函数，输入是站点坐标映射和站点名列表，输出是一条完整曲线。

def build_route_line(station_coords, route_stops, offset_func=adaptive_offset, num_per_seg=60): """把多个站点的分段贝塞尔曲线拼接成一条完整线路""" all_pts = [] for i in range(len(route_stops) - 1): p0 = station_coords[route_stops[i]] p2 = station_coords[route_stops[i + 1]] p1 = control_point(p0, p2, offset_func(p0, p2)) seg = bezier_curve(p0, p1, p2, num_per_seg) if i > 0: seg = seg[1:] # 去掉与前一段重复的起点 all_pts.extend(seg.tolist()) if not all_pts: raise ValueError("线路至少需要两个站点才能生成轨迹") return np.array(all_pts)

解释一下seg = seg[1:]这行：第一段曲线包含起点，第二段曲线的起点就是第一段曲线的终点，直接拼接会导致同一坐标出现两个点，画图时虽然看不出问题，但后续做动画或抽稀时会埋坑。all_pts.extend(seg.tolist())是列表拼接，extend和append的区别在于 extend 是把数组逐个添加，append 是把整个数组作为一个元素。很多人这里写错，最终得到的是一条包含多个子数组的“线段集合”，画图时数据形状不对。

3.4 曲线参数调节的三条经验

num_per_seg决定每段曲线的采样密度，两条线路共享站点时，如果两条线采的密度不一样，在共享站附近可能出现极其微小的视觉错位，放大能看到一像素的偏差。解决方法是全项目统一num_per_seg，不要一条线 30 一个点、另一条 100 个点。adaptive_offset的系数调整时，建议先全部画出来看一眼，再全局乘系数微调，不要单条改。

曲线穿出省界甚至穿进海里，基本就是 offset 过大。中国地图的省界轮廓是凹凸不平的，直线距离极远的两个城市之间，垂直偏移很容易把线上的某些点推到一个省外。遇到这种情况，把 offset 限幅从 1.0 降到 0.6，同时增加途经站（让线段变短，每段偏移自然变小）。这条我在第 5 章还会展开。

4. 用 Matplotlib 绘制底图与高铁线路的主代码

4.1 加载省界 GeoJSON：数据结构与遍历方式

底图用中国省界 GeoJSON 是最省事的方案，一份数据包含所有省级行政区的边界多边形，不需要额外安装地图包。GeoJSON 的顶层结构是一个 dict，features是列表，每个 feature 里有geometry，geometry里最关键的是type和coordinates。省界几何类型只会有两种：Polygon（单块面）和 MultiPolygon（多块面，比如广东有岛、海南本身就是岛）。

import json import matplotlib.pyplot as plt from matplotlib.collections import LineCollection with open("china_boundary.geojson", "r", encoding="utf-8") as f: geo = json.load(f) coords_2d = [] for feature in geo["features"]: geom = feature["geometry"] if geom["type"] == "Polygon": rings = [geom["coordinates"]] elif geom["type"] == "MultiPolygon": rings = geom["coordinates"] else: continue for ring in rings: # ring 是一系列 [经度, 纬度] 坐标点构成的闭合环 for poly in ring: coords_2d.append(poly)

这里最常见的翻车点是只处理 Polygon 不处理 MultiPolygon，导致某些省边界画不出来或直接报 KeyError。注意rings = [geom["coordinates"]]这行的括号：Polygon 的 coordinates 是“环的列表”，MultiPolygon 的 coordinates 是“多个 Polygon 的列表”，两者嵌套层级不同，统一完层级之后再遍历就不会漏。

4.2 绘图主流程：底图、高铁线、站点三层叠加

绘图顺序是从下往上：先画省界底图，再画高铁线路，最后画站点和标签。顺序不能乱，因为 matplotlib 的 zorder 如果不在代码里显式指定，默认是按绘制顺序叠加的。线路画在图上之后，如果站点先画了，线路会盖住站点标记，导致站名被折线挡住。

fig, ax = plt.subplots(figsize=(12, 10), dpi=150) for ring in coords_2d: lon = [p[0] for p in ring] lat = [p[1] for p in ring] ax.plot(lon, lat, color="#cccccc", linewidth=0.5, zorder=1) station_coords = { row["city"]: np.array([row["lon"], row["lat"]]) for _, row in final_df.iterrows() } route_lines = [] for line_name, stops in routes.items(): pts = build_route_line(station_coords, stops) route_lines.append(pts) lc = LineCollection(route_lines, color="#d32f2f", linewidth=1.8, alpha=0.85, zorder=2) ax.add_collection(lc)

LineCollection是 matplotlib 中专门绘制大量线条的类，把多条线路打包成一个对象一次性添加，比逐个ax.plot()快一个量级。zorder=1是底图层级，zorder=2是线路层级，站点放到 zorder=3。alpha=0.85是透明度，如果线路与省界颜色太接近导致看不清，优先调省界颜色而不是把透明度调成 1.0，因为透明度适当降低反而能让线路在视觉上更有“浮在地图上面”的感觉。

4.3 站点标签与坐标轴设置

站点和标签处理需要单独设置，因为站名文字和图元不同，文字有 fontsize、color、rotation 这些额外属性。站名标注能用ax.text()也可以用ax.scatter()先画点再补文字，推荐后者，因为点和文字分开控制，后续筛选指定线路时更灵活。

lon_all = final_df["lon"].tolist() lat_all = final_df["lat"].tolist() ax.scatter(lon_all, lat_all, s=24, color="#1e88e5", edgecolors="white", linewidths=0.8, zorder=3) for _, row in final_df.iterrows(): ax.text( row["lon"] + 0.4, row["lat"] + 0.4, row["city"], fontsize=7, color="#333333", zorder=4, ) ax.set_xlim(73, 135) ax.set_ylim(18, 54) ax.set_aspect(1.0) ax.axis("off")

这段代码的后三行很多人会漏：set_xlim和set_ylim是把画布范围固定在中国区域，否则 matplotlib 会自动扩展坐标轴，把南海诸岛挤到角落或者把图拉得很扁；set_aspect(1.0)是让经纬度 1:1 显示，不加的话，纬度 1 度和经度 1 度在屏幕上的长度不一致，中国地图会被拉宽成一个横向的胖子。axis("off")去掉坐标轴刻度，因为这次是出图展示，不是做数据分析。

参数整理成一张表，方便微调时查找：

5. 高铁地图绘制避坑：坐标系、字体和数据结构的三个重灾区

5.1 经纬度写反，地图直接变成镜像

现象：画出来的省界全部左右颠倒，高铁线路位置看起来在完全错误的省份，比如京沪高铁跑到了西北方向。第一次遇到时我还以为是 GeoJSON 数据坏了，重新下载了好几份都没解决。

原因：GeoJSON 的标准坐标系里每个点是[经度, 纬度]，也就是 x 在前、y 在后。但很多人在拆坐标时习惯性地写lat = p[0]、lon = p[1]，按“维度、经度”的顺序解包，结果横轴变成了纬度，纵轴变成了经度，整张图沿着对角线镜像翻转。

解决：读取坐标后立刻做一个断言校验，把第一个点的坐标和已知城市对比，确认p[0]确实是经度。代码层面我习惯写一个辅助函数统一解包：

def unpack_lonlat(coord): """按 GeoJSON 标准解包坐标，永远返回 (lon, lat)""" return coord[0], coord[1]

或者更简单的方式：画完底图先不画线路，单独打印几个边界点的经纬度范围，和 73-135、18-54 交叉核对一遍。这个习惯能省掉后面所有坐标错位类的玄学问题。

5.2 站名全部变成方块，中文字体失效

现象：代码完全正常，没有报错，但所有中文站名在高清图上显示为一个个小方块，英文和数字正常。

原因：matplotlib 默认字体是 DejaVu Sans，不支持中文。很多机器上即使安装了中文字体，matplotlib 也不会自动去用，必须显式指定。这个问题在 macOS、Windows、Linux 上表现还不一样，属于跨平台必踩的坑。

解决：在绘图文件开头设置字体候选列表，让 matplotlib 按顺序找到第一个可用的中文字体。

plt.rcParams["font.sans-serif"] = [ "SimHei", "Noto Sans CJK SC", "Microsoft YaHei", "PingFang SC" ] plt.rcParams["axes.unicode_minus"] = False

说明：SimHei 是 Windows 自带黑体，Noto Sans CJK SC 是 Linux 上需要安装的思源黑体，PingFang SC 是 macOS 系统字体。axes.unicode_minus = False解决的是负号显示方块的另一个问题。设置完字体后，重启脚本再跑一次，注意运行时 kernel 缓存可能导致首次不生效，直接重启解释器最稳妥。如果你在公司服务器上跑，服务器没有 GUI 字体，优先用Noto Sans CJK SC的 apt 包名安装。

5.3 贝塞尔偏移过大，线路穿进海里或飞出省界

现象：某条线路在地图上看，一段弧线明显远离所有途经城市，甚至从海上绕过去；或线路起点在东北，曲线却先朝西南拐了一个大弯再回到终点，视觉上非常突兀。

原因：control_point 里offset是按经纬度绝对值偏移的，和两点之间的距离无关。两个距离很远的城市之间，offset=0.8 产生的弧线最高点可能在真实路网几十公里之外。尤其是跨海区域（比如从山东到辽宁），弧线稍大就会贴到海面上。

解决：把固定 offset 全部替换成 3.2 节的adaptive_offset，并且把系数从 0.05 调低到 0.03。我实际跑了一个 5 条线路的测试集，0.03 系数下没有一条线穿海。另外检查时把省界底图调成半透明灰色，这样线路穿出省界的部分会一眼暴露，比对着经纬度硬想直观得多。

5.4 省界数据里包含空要素或非面要素，plot 直接报错

现象：程序在遍历 GeoJSON 时报错'NoneType' object is not subscriptable，或者某条边界线画到一半消失，检查数据时发现该 feature 的 geometry 为null。

原因：有些省界 GeoJSON 文件里为了保持数据完整性，保留了多个群岛的小岛要素，坐标精度较高，但个别要素确实是空 geometry。还有的要素类型是 LineString，常见于国界线而非省界，遍历代码没处理就报错。

解决：在遍历循环里加入类型过滤和空值检查。前面 4.1 节的代码已经做了else: continue跳过非 Polygon/MultiPolygon，这里补一个空值守卫：

geom = feature.get("geometry") if geom is None or geom["coordinates"] is None: continue

feature.get("geometry")和feature["geometry"]的区别是前者在 key 不存在时返回 None 而不是抛异常，配合 if 判断把数据损坏的问题直接隔离开。真实项目里 GeoJSON 来源五花八门，宁可过滤掉一个边界也不要让整个脚本崩掉。

6. 从静态图到逐条播放动画：让汇报多一张能动的图

6.1 动画思路：按线路索引逐条高亮

静态图满足“看全貌”的需求，但汇报时如果能按线路顺序逐条点亮，观众的注意力会跟着动线走，理解成本低很多。实现方式用 matplotlib 的FuncAnimation：每一帧设置一组透明度，已经播放过的线路透明度为 1.0，未播放的降为 0.08，制造“逐条点亮”的效果。

6.2 动画代码：复用绘图对象，只改透明度

from matplotlib.animation import FuncAnimation all_lc = LineCollection(route_lines, color="#d32f2f", linewidths=2.0, zorder=2) ax.add_collection(all_lc) fig = plt.gcf() def update(frame): for i, seg in enumerate(all_lc.get_paths()): alpha = 1.0 if i <= frame else 0.08 all_lc.set_alpha(alpha) return (all_lc,) anim = FuncAnimation(fig, update, frames=len(route_lines), interval=200, blit=False) anim.save("high_speed_rail.mp4", writer="ffmpeg", fps=2, dpi=120)

这里有个容易出错的地方：LineCollection 整体是一个对象，set_alpha是设置整对象透明度，我没法给集合里的每一条线单独设 alpha。所以正确做法是在循环里对get_paths()逐条设置——但 LineCollection 本身不支持局部透明度设置。我实际用的方案是拆成多个 LineCollection，每条线路一个对象，再按帧修改对应对象的 alpha。如果线路超过 20 条，用blit=False避免重绘区域计算出错。

6.3 保存格式与依赖说明

动画保存成 mp4 需要系统里装 ffmpeg，没装的话保存时报 WriterNotFound 错误。临时解决方案是把 writer 换成 pillow，保存为 gif 文件，但 gif 体积大且颜色会退化，不适合高清投影。建议在 CI 或部署文档里提前把 ffmpeg 装上。保存参数fps=2表示每秒 2 帧，配合interval=200（200 毫秒一帧），播放观感大概每 0.8 秒点亮一条线路，刚好匹配讲解节奏。如果线路很长想让它分两段亮，就把 frames 改成总站点数而不是线路数，第 3 章的 build_route_line 在拼接时保留站点索引即可。

这一步做完，你的 Python 中国高铁地图就从一个静态 PNG 变成了能讲故事的作品，不管是放 PPT 还是录屏演示，效果都比千篇一律的 API 地图好得多。最后说个我自己养成的检查习惯：每次出图后先看站点标签有没有重叠、线路有没有出框、省界有没有断线，这三项全过再谈配色和美观。调这些参数的时候别迷信一版成型，多跑几组对比，找到适合你数据规模的那组值。希望帮到你。

本文还有配套的精品资源，点击获取