Python绘制地图神器folium入门

一、简介

想通过 Python 绘制精美的地图？想在地图上自由的设置各种参数？想获得灵活的交互体验？这里就有一款Python 神包满足你：folium。

folium 建立在 Python 生态系统的数据应用能力和 Leaflet.js 库的映射能力之上，在Python中操作数据，然后通过 folium 在 Leaflet 地图中可视化。

folium 相比较于国内百度的 pyecharts 灵活性更强，能够自定义绘制区域，并且展现形式更加多样化。

附：官方文档，官方示例，本文 notebook，完整代码及数据。

二、安装方法

按照官方的教程即可，如果安装了 conda ，可以直接

conda install -c conda-forge folium 

没有安装的话就使用

python3 -m pip install folium 

三、主要功能

3.1 各级别地图

folium 显示地图的类为 folium.Map，类的声明如下

class folium.folium.Map(location=None, width='100%', height='100%', left='0%', top='0%', position='relative', tiles='OpenStreetMap', attr=None, min_zoom=0, max_zoom=18, zoom_start=10, min_lat=-90, max_lat=90, min_lon=-180, max_lon=180, max_bounds=False, crs='EPSG3857', control_scale=False, prefer_canvas=False, no_touch=False, disable_3d=False, png_enabled=False, zoom_control=True, kwargs) 

讲几个重要的参数

• location 经纬度，list 或者 tuple 格式，顺序为 latitude, longitude
• zoom_start 缩放值，默认为 10，值越大比例尺越小，地图放大级别越大
• tiles 显示样式，默认*‘OpenStreetMap’*，也就是开启街道显示
• crs 地理坐标参考系统，默认为”EPSG3857“

3.1.1 世界地图

import folium print(folium.__version__) # define the world map world_map = folium.Map() # display world map world_map 

3.1.2 国家地图

# define the national map national_map = folium.Map(location=[35.3, 100.6], zoom_start=4) # display national map national_map 

3.1.3 市级地图

其实改变地图显示就是改变显示的经纬度和缩放比例，省级、市级、县级用法雷同，这里举一个市级的例子为例，如北京市：

# define the city map city_map = folium.Map(location=[39.93, 116.40], zoom_start=10) # display city map city_map 

显示效果确实是不如百度的?。

3.2 地图形式

除了上述正常的地图显示外，folium 还提供了非常丰富的多样化显示，控制显示效果的变量是tiles，样式有OpenStreetMap, Stamen Terrain, Stamen Toner, Mapbox Bright, Mapbox Control Room等等，这里挑选几个比较常见的

# define the city map,tiles='Stamen Toner' city_map = folium.Map(location=[39.93, 116.40], zoom_start=10, tiles='Stamen Toner') # display city map city_map 

# define the city map, tiles='Stamen Terrain' city_map = folium.Map(location=[39.93, 116.40], zoom_start=10, tiles='Stamen Terrain') # display city map city_map 

3.3 在地图上标记

3.3.1 普通标记

• 添加普通标记用 Marker

  这里可以选择标记的图案。

bj_map = folium.Map(location=[39.93, 115.40], zoom_start=12, tiles='Stamen Terrain') folium.Marker( location=[39.95, 115.33], popup='Mt. Hood Meadows', icon=folium.Icon(icon='cloud') ).add_to(bj_map) folium.Marker( location=[39.96, 115.32], popup='Timberline Lodge', icon=folium.Icon(color='green') ).add_to(bj_map) folium.Marker( location=[39.93, 115.34], popup='Some Other Location', icon=folium.Icon(color='red', icon='info-sign') ).add_to(bj_map) bj_map 

• 添加圆形标记用 Circle 以及 CircleMarker

bj_map = folium.Map(location=[39.93, 116.40], zoom_start=12, tiles='Stamen Toner') folium.Circle( radius=200, location=[39.92, 116.43], popup='The Waterfront', color='crimson', fill=False, ).add_to(bj_map) folium.CircleMarker( location=[39.93, 116.38], radius=50, popup='Laurelhurst Park', color='#3186cc', fill=True, fill_color='#3186cc' ).add_to(bj_map) bj_map 

3.3.2 点击获取经纬度

m = folium.Map(location=[46.1991, -122.1889],tiles='Stamen Terrain',zoom_start=13) m.add_child(folium.LatLngPopup()) m 

通过点击鼠标便可以获取点击出的经纬度。

3.3.3 动态放置标记

m = folium.Map( location=[46.8527, -121.7649], tiles='Stamen Terrain', zoom_start=13 ) folium.Marker( [46.8354, -121.7325], popup='Camp Muir' ).add_to(m) m.add_child(folium.ClickForMarker(popup='Waypoint')) m 

3.4 热力图绘制

因为没有实际的经纬度坐标数据，所以这里只能模拟一些位置出来，另外每个位置还需要一个数值作为热力值。

# generated data import numpy as np data = ( np.random.normal(size=(100, 3)) * np.array([[0.1, 0.1, 0.1]]) + np.array([[40, 116.5, 1]]) ).tolist() data[:3] 

数据分布

[[40.043, 116.264, 0.98781], [39.533, 116.315, 0.48728], [40.034, 116.197, 0.71285]] 

绘制热力图

# HeatMap from folium.plugins import HeatMap m = folium.Map([39.93, 116.38], tiles='stamentoner', zoom_start=6) HeatMap(data).add_to(m) # m.save(os.path.join('results', 'Heatmap.html')) m 

3.5 密度地图绘制

folium 不仅可以绘制热力图，还可以绘制密度地图，按照经纬度进行举例聚类，然后在地图中显示。

from folium.plugins import MarkerCluster m = folium.Map([39.93, 116.38], tiles='stamentoner', zoom_start=10) # create a mark cluster object marker_cluster = MarkerCluster().add_to(m) # add data point to the mark cluster for lat, lng, label in data: folium.Marker( location=[lat, lng], icon=None, popup=label, ).add_to(marker_cluster) # add marker_cluster to map m.add_child(marker_cluster) 

3.6 自定义地图区域

folium 一个非常有优势的功能就是自定义区域的绘制了，只要有区域的边界数据，就可以在地图中以多种多样的形式展现出来，这里以 folium 官方的美国地图为例，源数据是一个 .json 文件，里面包含了各个地区（美国各州）的特征（包括边界经纬度列表、简称等）,源数据传送门，其数据格式如下：

3.6.1 只绘制边界，不添加数据

如果只要求绘制边界，而不显示边界区域的相关信息，那么这个是比较容易的，代码如下

import json import requests # read us-states border  with open("us-states.json") as f: us_states = json.load(f) us_map = folium.Map(location=[35.3, -97.6], zoom_start=4) folium.GeoJson( us_states, style_function=lambda feature: { 
    'fillColor': '#ffff00', 'color': 'black', 'weight': 2, 'dashArray': '5, 5' } ).add_to(us_map) #display map us_map 

3.6.2 绘制边界，添加数据

当需要在各个区域填充数据的时候，这个稍微麻烦点，不仅需要各个区域的边界数据，还需要各个区域的显示信息，这里同样也使用官方的美国各州的边界数据为例：

import geopandas as gpd import pandas as pd import folium, branca states = gpd.GeoDataFrame.from_features(us_states, crs=fiona.crs.from_epsg(4326)) states.head() 

我们再把收入等数据连接到上表中

abbrs = pd.read_json(open("abbrs.json")) statesmerge = states.merge(abbrs,how='left', left_on='name', right_on='name') statesmerge['geometry']=statesmerge.geometry.simplify(.05) income = pd.read_csv("income.csv", dtype={ 
   "fips":str}) income['income-2015']=pd.to_numeric(income['income-2015'], errors='coerce') income.groupby(by="state")[['state','income-2015']].median().head() statesmerge['medianincome']=statesmerge.merge(income.groupby(by="state")[['state','income-2015']].median(), how='left', left_on='alpha-2', right_on='state')['income-2015'] statesmerge['change']=statesmerge.merge(income.groupby(by="state")[['state','change']].median(), how='left', left_on='alpha-2', right_on='state')['change'] statesmerge.head() 

最终绘制出的来的地图如下：

除此之外，还有很多非常有趣的功能，这里就不一一列举了，感兴趣的可以参考官方的文档。

四、竞品对比与优劣势

国内的竞品为百度的 pyecharts，和 folium一样都可以实现普通的地图绘制功能，但是具体使用还有较大的区别，具体如下表

五、参考资料

[1] https://www.zhihu.com/question/

[2] https://pypi.org/project/folium/

[3] https://nbviewer.jupyter.org/github/python-visualization/folium/tree/master/examples/