利用python画地图热力图

### 如何使用Python创建地理热力图 为了创建地理热力图，通常会结合`geopandas`用于处理地理空间数据以及`folium`或`plotly`这样的库来进行地图可视化。下面提供了一个基于这些工具的例子。 #### 安装必要的包 首先安装所需的软件包[^1]： ```bash pip install geopandas folium plotly pandas ``` #### 准备地理数据并绘制基础的地图 加载地理边界文件（通常是Shapefile格式），这可以通过`geopandas.read_file()`完成；如果想要在全球范围内工作，则可以从自然地球(Natural Earth)下载合适的shapefiles。 接着初始化一张空白的世界地图作为底图，在此基础上叠加其他层如国家轮廓线等。 ```python import geopandas as gpd import folium world = gpd.read_file(gpd.datasets.get_path('naturalearth_lowres')) m = folium.Map(location=[20, 0], zoom_start=2) for _, country in world.iterrows(): geo_json_data = gpd.GeoSeries(country['geometry']).to_json() folium.GeoJson( data=geo_json_data, style_function=lambda feature: { 'fillColor': '#ffff00', 'color': 'black', 'weight': 2, 'dashArray': '5, 5' } ).add_to(m) ``` #### 创建带有热度的数据集 构建一个包含地理位置信息及其对应强度值的数据表。这里假设有一个CSV文件名为`heat_points.csv`，其中至少含有三列：经度(`lon`)、纬度(`lat`) 和权重 (`value`)。 读取该csv文件到pandas DataFrame中，并将其转换成GeoDataFrame以便后续操作。 ```python import pandas as pd df_heat = pd.read_csv('heat_points.csv') gdf_heat = gpd.GeoDataFrame(df_heat, geometry=gpd.points_from_xy(df_heat.lon, df_heat.lat)) ``` #### 将热点添加至地图 利用Folium插件FastMarkerCluster或者Plotly Express中的scatter_mapbox函数来展示密集点分布情况下的聚集效果。对于更复杂的场景比如连续变化的颜色渐变，建议采用HeatmapWithTime类或其他高级特性支持的时间序列动画功能。 以下是通过`folium.plugins.HeatMap`实现静态热力图的方式: ```python from folium.plugins import HeatMap # 提取出经纬度坐标列表和对应的热度数值 heat_data = [[point.xy[1][0], point.xy[0][0]] for point in gdf_heat.geometry] hm = HeatMap( heat_data ) hm.add_to(m) m.save("heatmap.html") #保存为html文件查看 ``` 上述代码片段展示了如何使用Python创建基本的地理热力图。当然实际应用时可能还需要考虑更多细节配置项以满足特定需求[^2]。