Python地图可视化实践指南

大家好！今天我和大家分享如何用Python实现地图可视化。地图可视化能帮我们直观展示地理数据，是数据分析中非常实用的技能。我们将学习几个主流的Python地图可视化库，一起动手实践。

1. Folium - 交互式地图神器

Folium是基于leaflet.js的Python库，可以创建漂亮的交互式地图。先安装Folium：

pip install folium

来画一个简单的上海地图：

import folium

# 创建地图对象，设置中心点和缩放级别

shanghai_map = folium.Map(

location=[31.2304， 121.4737]，

zoom_start=12

)

# 添加标记

folium.Marker(

[31.2397， 121.4998]，

popup='东方明珠'

).add_to(shanghai_map)

# 保存地图

shanghai_map.save('shanghai.html')

小贴士：zoom_start的值越大，地图显示的越详细。一般城市地图建议设置为11-13之间。

2. Pyecharts - 制作精美地图图表

Pyecharts提供了丰富的地图可视化选项：

from pyecharts.charts import Map

from pyecharts import options as opts

# 准备数据

data = [

(“北京”， 100)，

(“上海”， 200)，

(“广州”， 300)

]

# 创建地图

map_chart = (

Map()

.add(“销量”， data)

.set_global_opts(

title_opts=opts.TitleOpts(title=“全国销量分布”)，

visualmap_opts=opts.VisualMapOpts()

)

)

map_chart.render(“sales_map.html”)

3. 地理信息可视化

如果要展示更复杂的地理信息，我们可以使用GeoPandas：

import geopandas as gpd

import matplotlib.pyplot as plt

# 读取地理数据

china = gpd.read_file(“china.geojson”)

# 绘制地图

china.plot(

column='population'，

legend=True，

legend_kwds={'label'：'人口'}，

figsize=(15， 10)

)

plt.title(“中国人口分布图”)

plt.show()

注意事项：使用GeoPandas前需要准备合适的地理数据文件(.shp或.geojson格式)。

4. 热力图展示

使用Folium的插件可以轻松创建热力图：

from folium.plugins import HeatMap

# 准备坐标点数据

data = [

[31.2304， 121.4737， 100]， # 纬度、经度、权重

[31.2397， 121.4998， 200]

]

# 创建地图

m = folium.Map([31.2304， 121.4737]， zoom_start=12)

# 添加热力图层

HeatMap(data).add_to(m)

m.save('heatmap.html')

小贴士：热力图特别适合展示密集的点数据，比如门店分布、人口密度等。

实用技巧总结

选择合适的地图库：

Folium适合制作交互式web地图

Pyecharts适合制作数据报表

GeoPandas适合处理地理数据分析

地图样式设置：

合理设置缩放级别

选择合适的配色方案

添加图例说明

数据处理：

确保经纬度数据准确

数据最好提前清洗和规范化

考虑性能优化，数据量大时可以采样

小伙伴们，今天的Python地图可视化介绍就到这里啦！赶快动手实践，做出自己的第一个地图作品吧。遇到问题欢迎在评论区交流，祝大家学习愉快，Python之路越走越远！