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

[[40.04666663299843, 116.59569796477264, 0.9667425547098781],
 [39.86836537517533, 116.28201445195315, 0.8708549157348728],
 [40.08123232852134, 116.56884585184197, 0.9104952244371285]]

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

免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：mmqy2019@163.com进行举报，并提供相关证据，查实之后，将立刻删除涉嫌侵权内容。

猜你喜欢

• python如何生成deploy图片分类，方法是什么

  这篇文章主要为大家介绍了caffe的python接口生成deploy文件学习以及用训练好的模型（caffemodel）来分类新的图片示例详解，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步，早日升职加薪

• python的运算符有哪些，优先级是怎样的

  这篇文章主要为大家介绍了python的运算符与表达式，具有一定的参考价值，感兴趣的小伙伴们可以参考一下，希望能够给你带来帮助

• Pycharm怎样导入opencv包和numpy包，有什么方法

  本文总结了两种方法来导入opencv与numpy包，第一种是直接在Pycharm中导入两个包，第二种是在官网下载相关文件进行配置，感兴趣的小伙伴们可以参考一下

• Python中的else用哪些鲜为人知的用法

  这篇文章主要介绍了Python中else的用法总结，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教

• 如何用Python解决鸡兔同笼，思路和方法是什么

  今有雉兔同笼，上有三十五头，下有九十四足，问雉兔各几何？”意思是，有若干只鸡和兔子关在同一个笼子里，从上面数有35个头，从下面数有94只脚，问：笼子中有多少只鸡？多少只兔子？