transbigdata 笔记：官方文档案例1（出租车GPS数据处理）-CSDN博客 3.3.1 节的内容的拓展，这里主要是比较各个scheme的效果
主代码为：修改的就是第二行scheme的内容
python
plt.figure(1,(16, 6), dpi=300)
scheme='box_plot'
#图的大小和size
ax1 = plt.subplot(111)
#在图形中创建了一个子图。111 表示图形布局是1行1列，且这是第1个子图。
datatest.plot(ax=ax1,column='VehicleNum',legend=True, scheme=scheme)
'''
在子图ax1上绘制数据。
column='VehicleNum' 指定了要绘制的数据列。
legend=True 表示在图表中包含图例。
scheme指定数据分类方案
'''
plt.xticks([], fontsize=10)
plt.yticks([], fontsize=10)
#设置x轴和y轴的刻度（为空）
plt.title('Counting of Taxi GPS Trajectory Points, scheme is '+scheme, fontsize=12);
#设置标题scheme参数在地理数据可视化中用来指定数据分类方案。这在绘制地图时特别有用，因为它可以帮助更好地展示数据的分布和模式。- 在
geopandas的plot方法中使用scheme参数时，它决定了如何将数据分成不同的类别，以便于通过颜色或其他方式区分。
|---------------------------|----------------------------------------------------------------------------------------------------------------------------------------------|
| #### box_plot | 基于箱形图的分类方法，使用四分位数和异常值来定义类别 
|
| #### equal_interval | 将数据范围平均分成指定数量的间隔 
|
| #### fisher_jenks | 一种优化算法，旨在减小类内方差并最大化类间方差 
|
| #### fisher_jenks_sampled | Fisher Jenks 算法的采样版本，适用于大数据集 
|
| #### headtail_breaks | 一种用于具有重尾分布的数据的分类方法，反复将数据分成头部（高频）和尾部（低频）两部分 
|
| #### jenks_caspall | 一种基于自然间断的分类方法 
|
| #### maximum_breaks | 选择最大化类间差异的间断点 
|
| #### quantiles | 数据被平均分配到指定数量的类别中，每个类别包含相等数量的观测值 
|
| #### percentiles | 类似于分位数，但允许更具体的百分位数设定 
|
| #### std_mean | 基于平均值和标准差的分类方法 
|