实战|Python轻松实现地图可视化(附详细源码)

地图可视化是数据分析中一个非常有趣和实用的部分，能够帮助我们更直观地理解地理分布数据。Python作为一门强大的编程语言，其丰富的库支持使得地图可视化变得轻松简单。在本文中，我们将使用Python的folium库来实现一个基本的地图可视化，并附上详细的代码示例。

环境准备

首先，确保你已经安装了folium库。如果还未安装，可以使用以下命令进行安装：

pip install folium

示例数据

我们将使用一些虚拟数据来演示如何在地图上可视化。在本示例中，我们假设有几个城市及其对应的某个指标（例如，人口、温度等）。如下是我们的示例数据：

data = {
    '城市': ['北京', '上海', '广州', '深圳', '成都'],
    '纬度': [39.9042, 31.2304, 23.1291, 22.5429, 30.5728],
    '经度': [116.4074, 121.4737, 113.2644, 114.0585, 104.0665],
    '指标': [21.5, 24.3, 28.0, 30.2, 32.1]  # 示例指标
}

创建地图

我们将使用folium库的功能来创建地图并将数据点标记在地图上。以下是实现过程的完整代码：

import folium
import pandas as pd

# 示例数据
data = {
    '城市': ['北京', '上海', '广州', '深圳', '成都'],
    '纬度': [39.9042, 31.2304, 23.1291, 22.5429, 30.5728],
    '经度': [116.4074, 121.4737, 113.2644, 114.0585, 104.0665],
    '指标': [21.5, 24.3, 28.0, 30.2, 32.1]  # 示例指标
}

# 将数据转化为DataFrame
df = pd.DataFrame(data)

# 创建地图对象
m = folium.Map(location=[35.8617, 104.1954], zoom_start=5)  # 中心位置设为中国

# 添加城市标记
for index, row in df.iterrows():
    folium.CircleMarker(
        location=(row['纬度'], row['经度']),
        radius=row['指标'],  # 半径根据指标大小设置
        color='blue',
        fill=True,
        fill_color='blue',
        fill_opacity=0.6,
        popup=row['城市']
    ).add_to(m)

# 保存地图
m.save('china_map.html')

代码解释

1. 数据准备：我们构建了一个字典，包含城市名称、纬度、经度和一个示例指标，然后转化为Pandas DataFrame。

2. 创建地图对象：使用folium.Map，设定地图的中心点和缩放级别，这里设置为中国的地理中心。

3. 添加标记：使用CircleMarker为每个城市添加标记，其中radius属性由我们的指标决定，颜色和填充颜色均为蓝色，且设有弹出窗口（popup），显示城市名称。

4. 保存地图：最终将创建的地图保存为HTML文件，可以直接在浏览器中打开查看。

运行结果

运行上述代码后，会生成一个名为china_map.html的文件，打开后可以看到以下效果：

• 中心为中国地图。
• 不同城市位置上设置了圆圈标记，大小表现了指标的不同。
• 点击城市标记时，会出现城市名称的弹框。

总结

本文展示了如何使用Python的folium库进行简单的地图可视化。通过实际代码和示例数据的结合，我们可以轻松地将地理数据用可视化方式呈现出来。值得注意的是，folium可以与其他库结合使用，比如pandas和numpy，以处理更复杂的数据。希望本文能够为你在数据可视化领域的探索提供帮助！