基于经纬度分布的python热力图绘制

<think>我们根据用户的问题，需要绘制基于经纬度数据的热力图。根据引用，有多种方法可以实现，包括使用folium、pyecharts等库。 用户明确要求使用经纬度数据，因此我们需要一个能够处理地理坐标并绘制热力图的工具。 根据引用[4]，folium是一个很好的选择，因为它可以轻松地创建地图并添加热力图层。同时，引用[2]提到了pyecharts，但用户问题中并没有指定具体使用哪个库，因此我们可以提供两种方法，但考虑到用户问题中引用的示例代码主要是folium，我们以folium为例进行说明。 步骤： 1. 准备数据：需要包含经纬度的数据，通常是一个列表，每个元素是[纬度, 经度]的子列表。 2. 创建基础地图：使用folium.Map设置初始位置和缩放级别。 3. 添加热力图层：使用folium.plugins.HeatMap将数据添加到地图上。 4. 保存为HTML文件。 另外，引用[3]提到了一种方法，即创建一个背景图，但这里我们使用folium可以更简单。 注意：经纬度的顺序在folium中是[纬度, 经度]，而通常我们得到的数据可能是经度在前，纬度在后，需要注意调整。 我们将按照以下步骤编写代码示例： 1. 导入必要的库：folium, pandas（用于读取数据） 2. 读取数据：假设数据在CSV或Excel文件中，包含经度和纬度列。 3. 准备热力图数据：将数据转换为[[lat1, lon1], [lat2, lon2], ...]的形式。 4. 创建地图对象。 5. 创建热力图并添加到地图。 6. 保存为HTML文件。 同时，我们也可以提供使用pyecharts的示例，但根据引用[2]，pyecharts需要指定坐标系，且百度地图使用的是BD-09坐标系，而通常我们的经纬度数据是WGS84（GPS标准）或GCJ-02（火星坐标系）。因此，如果数据不是BD-09，可能需要转换。但为了简单，我们先以WGS84为例（即直接使用经纬度）。 考虑到用户可能希望直接运行，我们以folium为例，因为其简单且直接。 但是，用户引用的内容中也有使用自定义背景图的情况（引用[3]），但我们不采用那种方法，因为folium更简单。 因此，我们提供两种方法： 方法一：使用folium（简单，直接生成交互式地图） 方法二：使用pyecharts（同样可以生成交互式地图，但可能需要考虑坐标系） 由于用户没有指定，我们以folium为主，同时简要提及pyecharts。 另外，引用[1]和引用[3]提到了绘制热力图的一般步骤，但未涉及具体代码，因此我们主要参考引用[4]的代码。 下面我们分别给出两种方法的示例代码。 注意：在编写代码前，确保已安装必要的库。 对于folium: pip install folium 对于pyecharts: pip install pyecharts 方法一：使用folium</think>### 使用Python根据经纬度数据绘制热力图 以下是使用Python绘制基于经纬度热力图的详细步骤，主要使用`folium`库实现： #### 方法一：使用folium（推荐） ```python import pandas as pd import folium from folium.plugins import HeatMap # 1. 准备数据（示例数据） data = { 'latitude': [39.90, 31.23, 30.25, 39.90, 31.23, 30.25], 'longitude': [116.40, 121.47, 120.16, 116.41, 121.48, 120.17], 'value': [50, 30, 70, 45, 80, 20] } df = pd.DataFrame(data) # 2. 创建热力图数据点（格式：[纬度, 经度, 强度值]） heat_data = [[row['latitude'], row['longitude'], row['value']] for _, row in df.iterrows()] # 3. 创建基础地图（以中国中心为例） m = folium.Map( location=[35.0, 105.0], # 地图初始中心点 zoom_start=4, # 初始缩放级别 tiles='https://wprd01.is.autonavi.com/appmaptile?x={x}&y={y}&z={z}&lang=zh_cn&size=1&scl=1&style=7', attr='高德地图' ) # 4. 添加热力图层 HeatMap( heat_data, radius=15, # 热力点半径 blur=10, # 模糊度 max_zoom=13, # 最大缩放级别 gradient={0.4: 'blue', 0.65: 'lime', 1: 'red'} # 颜色梯度 ).add_to(m) # 5. 保存为HTML文件 m.save('heatmap.html') ``` #### 方法二：使用pyecharts（备选） ```python from pyecharts import options as opts from pyecharts.charts import Geo import pandas as pd # 准备数据（同上） df = pd.DataFrame(...) # 创建地理坐标系热力图 geo = ( Geo(init_opts=opts.InitOpts(width="1200px", height="800px")) .add_schema(maptype="china") .add( "热力强度", [list(z) for z in zip(df['longitude'], df['latitude'], df['value'])], type_="heatmap", label_opts=opts.LabelOpts(is_show=False) ) .set_global_opts( visualmap_opts=opts.VisualMapOpts( min_=0, max_=100, is_calculable=True, range_color=["blue", "cyan", "lime", "yellow", "red"] ) ) ) # 生成HTML文件 geo.render("heatmap_pyecharts.html") ``` ### 关键步骤说明 1. **数据准备**： - 需要包含`纬度`、`经度`和`强度值`的三列数据 - 格式要求：`[[lat, lon, value], ...]` 2. **地图参数**： - `tiles`：可替换为`'OpenStreetMap'`（默认）或高德/百度地图URL - `zoom_start`：初始缩放级别（1-18） 3. **热力参数**： - `radius`：每个热力点的半径（像素） - `blur`：边缘模糊度（值越大过渡越平滑） - `gradient`：自定义颜色梯度映射 4. **输出结果**： - 生成交互式HTML文件，可在浏览器中缩放查看 - 支持鼠标悬停查看坐标位置 > 注意：如果使用百度/高德地图，需遵守相应API使用政策[^2]。对于大规模数据（>10万点），建议先进行地理网格聚合以提高性能[^3]。 ### 示例效果  （实际效果为可交互地图，支持缩放和区域筛选）