Python Folium库：地理数据可视化

更多Python学习内容：ipengtao.com

Folium是一个基于Python的地理数据可视化库，它通过简洁的接口将Python的数据操作能力与Leaflet.js的地图呈现能力结合在一起。Folium使得创建交互式地图变得非常简单，广泛应用于数据分析、地理信息系统（GIS）和Web应用程序。本文将详细介绍Folium库的安装、主要功能、基本操作、高级功能及其实践应用，并提供丰富的示例代码。

安装

Folium可以通过pip进行安装。确保Python环境已激活，然后在终端或命令提示符中运行以下命令：

pip install folium

主要功能

1. 地图创建：支持多种地图图层和底图。

2. 标记和弹出信息：支持在地图上添加标记和弹出信息。

3. 绘制形状：支持绘制多边形、折线和圆形等几何图形。

4. 热力图和聚合图：支持创建热力图和点聚合图。

5. 数据集成：支持与Pandas和GeoPandas数据框无缝集成。

基本操作

创建基础地图

以下示例展示了如何使用Folium创建一个基础地图：

import folium

# 创建一个地图对象
m = folium.Map(location=[45.5236, -122.6750], zoom_start=13)

# 保存地图到HTML文件
m.save('basic_map.html')

添加标记和弹出信息

以下示例展示了如何在地图上添加标记和弹出信息：

import folium

# 创建一个地图对象
m = folium.Map(location=[45.5236, -122.6750], zoom_start=13)

# 添加标记
folium.Marker(
    location=[45.5236, -122.6750],
    popup='Portland, OR',
    icon=folium.Icon(icon='cloud')
).add_to(m)

# 保存地图到HTML文件
m.save('map_with_marker.html')

添加多边形

以下示例展示了如何在地图上添加多边形：

import folium

# 创建一个地图对象
m = folium.Map(location=[45.5236, -122.6750], zoom_start=13)

# 添加多边形
folium.Polygon(
    locations=[
        [45.5236, -122.6750],
        [45.5289, -122.6829],
        [45.5289, -122.6674]
    ],
    color='blue',
    fill=True,
    fill_color='blue'
).add_to(m)

# 保存地图到HTML文件
m.save('map_with_polygon.html')

添加折线

以下示例展示了如何在地图上添加折线：

import folium

# 创建一个地图对象
m = folium.Map(location=[45.5236, -122.6750], zoom_start=13)

# 添加折线
folium.PolyLine(
    locations=[
        [45.5236, -122.6750],
        [45.5289, -122.6829],
        [45.5289, -122.6674]
    ],
    color='red'
).add_to(m)

# 保存地图到HTML文件
m.save('map_with_polyline.html')

高级功能

创建热力图

以下示例展示了如何使用Folium创建热力图：

import folium
from folium.plugins import HeatMap

# 创建一个地图对象
m = folium.Map(location=[45.5236, -122.6750], zoom_start=13)

# 示例数据
data = [
    [45.5236, -122.6750, 1],
    [45.5289, -122.6829, 1],
    [45.5289, -122.6674, 1]
]

# 添加热力图
HeatMap(data).add_to(m)

# 保存地图到HTML文件
m.save('map_with_heatmap.html')

创建点聚合图

以下示例展示了如何使用Folium创建点聚合图：

import folium
from folium.plugins import MarkerCluster

# 创建一个地图对象
m = folium.Map(location=[45.5236, -122.6750], zoom_start=13)

# 创建一个点聚合图层
marker_cluster = MarkerCluster().add_to(m)

# 添加标记到点聚合图层
for lat, lon in zip([45.5236, 45.5289, 45.5289], [-122.6750, -122.6829, -122.6674]):
    folium.Marker(location=[lat, lon]).add_to(marker_cluster)

# 保存地图到HTML文件
m.save('map_with_markercluster.html')

与Pandas集成

以下示例展示了如何将Pandas数据集成到Folium中：

import folium
import pandas as pd

# 创建一个地图对象
m = folium.Map(location=[45.5236, -122.6750], zoom_start=13)

# 示例数据
data = pd.DataFrame({
    'lat': [45.5236, 45.5289, 45.5289],
    'lon': [-122.6750, -122.6829, -122.6674],
    'name': ['Location 1', 'Location 2', 'Location 3']
})

# 添加标记
for i, row in data.iterrows():
    folium.Marker(
        location=[row['lat'], row['lon']],
        popup=row['name']
    ).add_to(m)

# 保存地图到HTML文件
m.save('map_with_pandas.html')

绘制GeoJSON数据

以下示例展示了如何在Folium中绘制GeoJSON数据：

import folium

# 创建一个地图对象
m = folium.Map(location=[45.5236, -122.6750], zoom_start=13)

# 示例GeoJSON数据
geojson_data = {
    "type": "FeatureCollection",
    "features": [
        {
            "type": "Feature",
            "geometry": {
                "type": "Point",
                "coordinates": [-122.6750, 45.5236]
            },
            "properties": {
                "name": "Portland"
            }
        }
    ]
}

# 添加GeoJSON图层
folium.GeoJson(geojson_data).add_to(m)

# 保存地图到HTML文件
m.save('map_with_geojson.html')

实践应用

可视化地理数据集

以下示例展示了如何使用Folium可视化一个地理数据集，例如城市人口数据：

import folium
import pandas as pd

# 示例数据
data = pd.DataFrame({
    'city': ['Portland', 'San Francisco', 'Los Angeles'],
    'lat': [45.5236, 37.7749, 34.0522],
    'lon': [-122.6750, -122.4194, -118.2437],
    'population': [652503, 884363, 3999759]
})

# 创建一个地图对象
m = folium.Map(location=[37.7749, -122.4194], zoom_start=5)

# 添加标记和弹出信息
for i, row in data.iterrows():
    folium.Marker(
        location=[row['lat'], row['lon']],
        popup=f"{row['city']}: {row['population']} people"
    ).add_to(m)

# 保存地图到HTML文件
m.save('map_with_population.html')

结合GeoPandas进行空间分析

以下示例展示了如何结合GeoPandas和Folium进行空间分析和可视化：

import geopandas as gpd
import folium

# 加载示例GeoDataFrame
gdf = gpd.read_file(gpd.datasets.get_path('naturalearth_lowres'))

# 过滤出美国
usa = gdf[gdf['name'] == 'United States']

# 创建一个地图对象
m = folium.Map(location=[37.7749, -95.4194], zoom_start=4)

# 添加GeoDataFrame图层
folium.GeoJson(usa).add_to(m)

# 保存地图到HTML文件
m.save('map_with_geopandas.html')

创建可交互的旅行路线图

以下示例展示了如何使用Folium创建一个可交互的旅行路线图：

import folium

# 创建一个地图对象
m = folium.Map(location=[45.5236, -122.6750], zoom_start=13)

# 添加旅行路线
folium.PolyLine(
    locations=[
        [45.5236, -122.6750],
        [45.5289, -122.6829],
        [45.5289, -122.6674]
    ],
    color='blue'
).add_to(m)

# 添加标记
folium.Marker(
    location=[45.5236, -122.6750],
    popup='Start Point'
).add_to(m)

folium.Marker(
    location=[45.5289, -122.6829],
    popup='Middle Point'
).add_to(m)

folium.Marker(
    location=[45.5289, -122.6674],
    popup='End Point'
).add_to(m)

# 保存地图到HTML文件
m.save('map_with_travel_route.html')

可视化实时数据

以下示例展示了如何使用Folium可视化实时数据，例如城市温度数据：

import folium
import requests

# 获取实时温度数据（这里使用一个虚拟API示例）
response = requests.get('https://api.example.com/cities/temperature')
data = response.json()

# 创建一个地图对象
m = folium.Map(location=[37.7749, -122.4194], zoom_start=5)

# 添加标记和弹出信息
for city in data:
    folium.Marker(
        location=[city['lat'], city['lon']],
        popup=f"{city['name']}: {city['temperature']}°C"
    ).add_to(m)

# 保存地图到HTML文件
m.save('map_with_temperature.html')

总结

Folium库为Python开发者提供了一个强大且灵活的地理数据可视化工具。通过其简洁的API和丰富的功能，用户可以轻松创建交互式地图，并在地图上添加标记、绘制形状、创建热力图和点聚合图等。无论是在地理数据分析、Web地图应用开发还是实时数据可视化方面，Folium都能提供强大的支持和便利。本文详细介绍了Folium库的安装、主要功能、基本操作、高级功能及其实践应用，并提供了丰富的示例代码。希望在实际项目中能够充分利用Folium库，提高地理数据可视化的效率和效果。

如果你觉得文章还不错，请大家 点赞、分享、留言 ，因为这将是我持续输出更多优质文章的最强动力！

更多Python学习内容：ipengtao.com

如果想要系统学习Python、Python问题咨询，或者考虑做一些工作以外的副业，都可以扫描二维码添加微信，围观朋友圈一起交流学习。

我们还为大家准备了Python资料和副业项目合集，感兴趣的小伙伴快来找我领取一起交流学习哦！

往期推荐

Python 中的 iter() 函数：迭代器的生成工具

Python 中的 isinstance() 函数：类型检查的利器

Python 中的 sorted() 函数：排序的利器

Python 中的 hash() 函数：哈希值的奥秘

Python 中的 slice() 函数：切片的利器

Python 的 tuple() 函数：创建不可变序列

点击下方“阅读原文”查看更多