Двумерные анаморфозы
- О чём эта тема
- Размер территории — по одному показателю, цвет — по другому. Разбираем, как построить разрывную анаморфозу, выбрать опорную плотность и раскрасить её как картограмму.
- Коротко о главном
- Двумерная анаморфоза = анаморфоза (размер территории пропорционален первому показателю) + картограмма (цвет по второму показателю).
- На обычной анаморфозе цвет «свободен» — его естественно отдать второй теме: так получается гибрид двух однотематических карт.
- Разрывная анаморфоза: каждая территория уменьшается или увеличивается вокруг своего центра, сохраняя форму и положение, поэтому страны легко узнать.
- Линейный коэффициент s = √(плотность / D), где D — опорная плотность. Выбор D — компромисс между наложениями и «мелкостью» карты.
- Площади считают в равновеликой проекции; серые исходные контуры («призраки») помогают сравнить анаморфозу с привычной картой.
- Время
- 20 минут + практика
Ключевые термины
- Карта, на которой площади (или расстояния) изменены пропорционально значению показателя. Не путать с картограммой (англ. choropleth)!
- Каждая территориальная единица масштабируется отдельно, вокруг своего центра; связь с соседями разрывается, но форма сохраняется.
- Границы деформируются так, что соседние единицы остаются смежными; формы искажаются сильнее.
- Территории заменены кругами площадью, пропорциональной показателю; круги раздвинуты, чтобы не перекрываться.
- Карта, на которой территориальные единицы закрашены по значению относительного показателя. В двумерной анаморфозе отвечает за цвет.
- Карта, на которой для каждой единицы одновременно показаны два показателя.
- Проекция без искажений площадей. Только в ней площадь на карте пропорциональна площади на местности — без этого коэффициенты анаморфозы неверны.
- Единица, по которой собраны данные: страна, регион, район. На анаморфозе именно её размер меняется.
Конспект
Почему анаморфоза «просит» второй показатель
Однотематическая площадная анаморфоза (карта «значение по площади») встраивает данные прямо в картографическую основу: размер страны и есть показатель. Цвет при этом не используется — и его можно отдать второй теме, раскрасив единицы как на картограмме. В оригинальном примере размер — численность населения, цвет — ожидаемая продолжительность жизни.

Как строится разрывная анаморфоза
- Переводим контуры в равновеликую проекцию (Equal Earth, Мольвейде, Альберса) и считаем площадь каждой единицы.
- Считаем плотность показателя: население / площадь.
- Выбираем опорную плотность D: единица с такой плотностью сохранит свой размер.
- Новая площадь = население / D, значит площадь меняется в плотность / D раз, а линейный коэффициент s = √(плотность / D).
- Масштабируем каждый контур (остров, часть страны) в s раз вокруг его собственного центроида — так острова остаются на своих местах.
- Подкладываем серые исходные контуры и раскрашиваем анаморфозу по второму показателю.
| Опорная плотность D | Что получится |
|---|---|
| Максимальная (самая плотная страна) | Никто не растёт, наложений нет (классический вариант Дж. Олсон), но почти все страны становятся крошечными |
| Высокая (растут 10–20 % стран) | Разумный компромисс: немного наложений у самых плотных стран |
| Медиана | Половина стран растёт; соседи сильно налезают друг на друга, Европа и Южная Азия превращаются в кашу |
Наведите курсор на страну. Передвиньте «Растут» к 0 % — получится анаморфоза без наложений; к 50 % — увидите, как растут наложения.
Проекция Equal Earth (равновеликая), данные Natural Earth 2019 г. Каждый контур масштабируется вокруг своего центроида.
Какие показатели сочетать
- Размер — абсолютный показатель, который можно складывать: население, ВВП, выбросы CO₂, число избирателей.
- Цвет — относительный показатель или порядковый признак: ВВП на душу, ожидаемая продолжительность жизни, доля городского населения, группа доходов. Шкала — последовательная (или расходящаяся, если есть осмысленная середина).
- Тёмный фон (как в оригинале) делает анаморфозу эффектной, но тогда тёмные классы последовательной шкалы теряются — светлота шкалы должна контрастировать с фоном.
Делаем на Python (folium)
Ключевой инструмент — shapely.affinity.scale(geom, s, s, origin="centroid"): он растягивает или сжимает контур в s раз вокруг центроида. Многоконтурные страны сначала разбиваем на части методом explode().
Рецепт 1 Считаем коэффициенты масштабирования
Вся математика разрывной анаморфозы — одна строка: s = √(плотность / D). Проверка в конце показывает, что после масштабирования «население на единицу новой площади» у всех стран одинаково.
"""Разрывная анаморфоза: считаем, во сколько раз уменьшить или увеличить каждую страну. Хотим, чтобы ПЛОЩАДЬ страны на карте была пропорциональна её населению: новая площадь = население / D, где D — «опорная» плотность (чел./км²): страна с такой плотностью сохранит свой размер, более плотные вырастут, менее плотные сожмутся. Площадь меняется в s² раз, если линейный масштаб — в s раз, поэтому s = √(плотность / D). Площадь считаем в РАВНОВЕЛИКОЙ проекции Equal Earth (EPSG:8857). """ from pathlib import Path import geopandas as gpd import numpy as np DATA = Path(__file__).resolve().parents[2] / "data" world = gpd.read_file(DATA / "countries.geojson") world = world[world["iso_a3"] != "ATA"].to_crs("EPSG:8857") # равновеликая проекция world["area"] = world.area / 1e6 # км² world["density"] = world["pop_est"] / world["area"] # чел./км² D = 150 # опорная плотность, чел./км² world["s"] = np.sqrt(world["density"] / D) # линейный коэффициент cols = ["name_ru", "density", "s"] fmt = {"density": lambda x: f"{x:,.0f}".replace(",", " "), # 1 219 "s": lambda x: f"{x:.2f}".replace(".", ",")} # 2,85 print(f"Опорная плотность D = {D} чел./км²\n") print("Растут сильнее всех (s > 1):") print(world.nlargest(6, "s")[cols].to_string(index=False, formatters=fmt)) print("\nСжимаются сильнее всех (s < 1):") print(world.nsmallest(6, "s")[cols].to_string(index=False, formatters=fmt)) # проверка: после масштабирования площадь пропорциональна населению world["new_area"] = world["area"] * world["s"] ** 2 ratio = world["pop_est"] / world["new_area"] print(f"\nНаселение / новая площадь: от {ratio.min():.1f} до {ratio.max():.1f} чел./км² — у всех ≈ D") print(f"Растут {int((world['s'] > 1).sum())} стран из {len(world)}, остальные уменьшаются.")
Опорная плотность D = 150 чел./км²
Растут сильнее всех (s > 1):
name_ru density s
Бангладеш 1 219 2,85
Палестина 930 2,49
Тайвань 687 2,14
Ливан 679 2,13
Руанда 540 1,90
Республика Корея 522 1,87
Сжимаются сильнее всех (s < 1):
name_ru density s
Французские Южные и Антарктические территории 0 0,01
Гренландия 0 0,01
Фолклендские острова 0 0,04
Монголия 2 0,12
Намибия 3 0,14
Австралия 3 0,15
Население / новая площадь: от 150.0 до 150.0 чел./км² — у всех ≈ D
Растут 38 стран из 176, остальные уменьшаются.Рецепт 2 Печатная карта в равновеликой проекции
geopandas + matplotlib: серые «призраки» стран, поверх — масштабированные контуры, окрашенные по ВВП на душу. Выросшие страны рисуем последними, чтобы при наложении они были сверху.
"""Двумерная разрывная анаморфоза в равновеликой проекции (geopandas + matplotlib). Размер страны — численность населения, цвет — ВВП на душу населения. Каждый контур (остров, часть страны) уменьшаем или увеличиваем вокруг его собственного центра — так страны остаются на своих местах. Серым под анаморфозой оставлены исходные контуры стран. """ from pathlib import Path import geopandas as gpd import matplotlib.pyplot as plt import numpy as np from matplotlib.patches import Patch from shapely.affinity import scale DATA = Path(__file__).resolve().parents[2] / "data" world = gpd.read_file(DATA / "countries.geojson") world = world[world["iso_a3"] != "ATA"].to_crs("EPSG:8857") # Equal Earth — равновеликая D = 150 # опорная плотность, чел./км²: такие страны сохраняют размер world["s"] = np.sqrt(world["pop_est"] / (world.area / 1e6) / D) # разбиваем многоконтурные страны на части и масштабируем каждую вокруг её центроида parts = world.explode(index_parts=False) parts["geometry"] = [scale(g, s, s, origin="centroid") for g, s in zip(parts.geometry, parts["s"])] # цвет: 4 класса ВВП на душу, последовательная шкала YlOrBr breaks = [2000, 6000, 20000] colors = ["#fed98e", "#fe9929", "#d95f0e", "#993404"] labels = ["< 2 тыс.", "2–6 тыс.", "6–20 тыс.", "> 20 тыс."] cls = np.digitize(parts["gdp_per_capita"].fillna(0), breaks) parts["color"] = [colors[c] for c in cls] fig, ax = plt.subplots(figsize=(11, 5.6)) world.plot(ax=ax, color="#e3e3e3", edgecolor="white", linewidth=0.4) # исходные контуры parts = parts.sort_values("s") # выросшие — сверху parts.plot(ax=ax, color=parts["color"].tolist(), edgecolor="#3a2a1a", linewidth=0.4) ax.set_axis_off() ax.set_title("Население и ВВП на душу: двумерная разрывная анаморфоза", fontsize=13, loc="left") ax.text(0, -0.02, f"Площадь страны пропорциональна населению (опорная плотность {D} чел./км²). " "Проекция Equal Earth. Данные Natural Earth, 2019 г.", transform=ax.transAxes, fontsize=8, color="#555", va="top") ax.legend(handles=[Patch(facecolor=c, edgecolor="#3a2a1a", label=l) for c, l in zip(colors, labels)][::-1], title="ВВП на душу, долл.", loc="lower left", fontsize=8, title_fontsize=9, frameon=False) plt.savefig("02_static_equal_earth.png", dpi=110, bbox_inches="tight")

Рецепт 3 Интерактивная анаморфоза на folium
Подложка отключена (tiles=None), «призраки» — отдельный неинтерактивный слой. Коэффициенты посчитаны по площадям в Web Mercator, поэтому площадь на экране пропорциональна населению. Во всплывающей подсказке виден коэффициент s.
# screenshot: 1000x600 """Двумерная анаморфоза на веб-карте folium: размер — население, цвет — ВВП на душу. Особенность веб-карты: Leaflet рисует в проекции Web Mercator, которая сильно увеличивает высокие широты. Чтобы площадь НА ЭКРАНЕ была пропорциональна населению, коэффициенты считаем по площадям в той же проекции, в которой карта будет показана (EPSG:3857). """ import sys from pathlib import Path import folium import geopandas as gpd import numpy as np from shapely.affinity import scale sys.path.insert(0, str(Path(__file__).resolve().parents[1])) from maptools import add_legend, add_title, fmt, plain_attribution DATA = Path(__file__).resolve().parents[2] / "data" world = gpd.read_file(DATA / "countries.geojson") world = world[(world["iso_a3"] != "ATA") & world["gdp_per_capita"].notna()].to_crs("EPSG:3857") screen_area = world.area # «площадь на экране» в Web Mercator # опорная «экранная плотность»: 80-й перцентиль — растут лишь 20 % самых плотно заселённых стран K = np.percentile(world["pop_est"] / screen_area, 80) world["s"] = np.sqrt(world["pop_est"] / screen_area / K) parts = world.explode(index_parts=False) parts["geometry"] = [scale(g, s, s, origin="centroid") for g, s in zip(parts.geometry, parts["s"])] parts = parts.sort_values("s").to_crs(4326) # крупные — последними, т. е. сверху breaks, colors = [2000, 6000, 20000], ["#fed98e", "#fe9929", "#d95f0e", "#993404"] labels = ["< 2 тыс.", "2–6 тыс.", "6–20 тыс.", "> 20 тыс."] parts["color"] = [colors[c] for c in np.digitize(parts["gdp_per_capita"], breaks)] parts["pop_txt"] = [fmt(p / 1e6, 1) + " млн" for p in parts["pop_est"]] parts["gdp_txt"] = [fmt(g) + " долл." for g in parts["gdp_per_capita"]] parts["s_txt"] = [fmt(s, 2) for s in parts["s"]] m = folium.Map(location=[25, 20], zoom_start=2, tiles=None) m.get_root().header.add_child(folium.Element(f"<style>#{m.get_name()}{{background:#fff}}</style>")) # белый фон folium.GeoJson(world.to_crs(4326)[["geometry"]], interactive=False, # «призраки» стран style_function=lambda f: {"fillColor": "#e3e3e3", "fillOpacity": 1, "weight": 0.5, "color": "white"}).add_to(m) folium.GeoJson( parts[["name_ru", "pop_txt", "gdp_txt", "s_txt", "color", "geometry"]], style_function=lambda f: {"fillColor": f["properties"]["color"], "fillOpacity": 1, "color": "#3a2a1a", "weight": 0.6}, tooltip=folium.GeoJsonTooltip(["name_ru", "pop_txt", "gdp_txt", "s_txt"], aliases=["Страна", "Население", "ВВП на душу", "Коэффициент s"]), ).add_to(m) add_legend(m, "ВВП на душу, долл.", colors[::-1], labels[::-1]) add_title(m, "Двумерная анаморфоза", "площадь — население, цвет — ВВП на душу") plain_attribution(m) m.save("03_folium_cartogram.html")

Проверь себя
Что передаёт цвет на двумерной анаморфозе из оригинала?
- Численность населения
- Площадь страны
- Ожидаемую продолжительность жизни
- Часть света
Плотность населения страны в 4 раза больше опорной D. Во сколько раз увеличится каждый её линейный размер?
- В 4 раза
- В 2 раза
- В 16 раз
- Не изменится
Почему каждую часть многоконтурной страны (например, остров Индонезии) масштабируют вокруг собственного центроида?
- Так быстрее считается
- Иначе изменится цвет
- Так требует folium
- Иначе удалённые части «съедутся» к центру страны или разлетятся от него
Как выбрать опорную плотность D, чтобы на разрывной анаморфозе не было наложений?
- Взять максимальную плотность — тогда ни одна страна не вырастет
- Взять медиану
- Взять минимальную плотность
- Взять D = 1
Почему анаморфозу на веб-карте folium нельзя строить по площадям из равновеликой проекции?
- folium не умеет рисовать полигоны
- Равновеликие проекции запрещены в вебе
- Карта показывается в Web Mercator, который снова увеличит высокие широты
- Площади в равновеликой проекции считаются неправильно
Практическое задание
Постройте двумерную разрывную анаморфозу стран Африки (или Европы): размер — численность населения, цвет — ВВП на душу (3–4 класса). Попробуйте три значения опорной плотности и выберите то, при котором карта читается лучше всего; объясните выбор в подписи.
- Площади посчитаны в равновеликой проекции (или в Web Mercator — для folium)
- Многоконтурные страны разбиты
explode(), каждая часть масштабирована вокруг своего центроида - Под анаморфозой показаны серые исходные контуры
- Цвет — относительный показатель, есть легенда с единицами измерения
- Выросшие страны нарисованы поверх уменьшившихся
Источники
- Bivariate Cartograms / Axis Maps. — Текст : электронный // Cartography Guide : [сайт]. — URL: https://www.axismaps.com/guide/bivariate-cartograms (дата обращения: 27.10.2026).
- Natural Earth : free vector and raster map data : [сайт]. — URL: https://www.naturalearthdata.com/ (дата обращения: 27.10.2026). — Текст : электронный.
- Folium : documentation : [сайт]. — URL: https://python-visualization.github.io/folium/latest/ (дата обращения: 27.10.2026). — Текст : электронный.
Конспект подготовлен по переводу руководства Cartography Guide © Axis Maps (лицензия CC BY-NC-SA 4.0) и распространяется на тех же условиях: с указанием авторства, в некоммерческих целях, с сохранением условий лицензии.