folium HeatMap 插件实战：用坐标点密度生成交互式热力图-北京尧图网络

数据可视化数据分析GIS【免费下载链接】foliumPython Data. Leaflet.js Maps.项目地址https://gitcode.com/gh_mirrors/fo/folium点击查看免费下载导读本文围绕 folium 官方插件 HeatMap 展开讲解如何把一批地理坐标以及可选的强度权重快速渲染成基于 Leaflet.js 的交互式热力图是分析 POI 聚集、事件密度、轨迹热区等场景的常用手段。读完本文你将掌握 HeatMap 的两种数据输入格式[纬度, 经度]与[纬度, 经度, 权重]、完整参数配置、数据校验规则以及它与 LayerControls、图层体系集成的底层原理。一、插件定位什么是 folium HeatMapHeatMap是 folium 内置在folium.plugins命名空间下的一个图层插件用于把大量坐标点转换为颜色渐变的热力区域直观呈现某个要素在地图上的密度分布。它背后由 Leaflet.heat 这个小而快的 Leaflet 热力图插件驱动其 JS 实现基于 Vladimir Agafonkin 的 simpleheat使用 Canvas 绘制被打包在仓库的 folium/templates/leaflet_heat.min.js 中插件启动时会自动从 CDN 引入该脚本。从源码结构看HeatMap继承自 folium 的Layer基类见 folium/map.py因此天然具备 folium 图层的通用能力可以被加入地图、出现在 LayerControls 中、支持 overlay/control/show 等开关。类的完整定义位于 folium/plugins/heat_map.py并在 folium/plugins/init.py 中被导出因此只需from folium.plugins import HeatMap即可使用。二、快速上手基于坐标列表创建热力图HeatMap 的用法非常简单把数据作为第一个参数传入数据是一个[纬度, 经度]坐标对的列表。官方文档给出一个非常直观的案例——把 2026 年从 OpenStreetMap 获取的罗马披萨店坐标渲染成热力图观察披萨店在城区的聚集情况import folium from folium.plugins import HeatMap # List of latitude, longitude coordinates of pizza restaurants in Rome (acquired from OpenStreetMap) pizzeria_coords [[41.8883, 12.4738], [41.897, 12.5127], [41.8821, 12.4762], [41.8741, 12.5135], [41.8983, 12.4704], [41.8742, 12.5171], [41.9067, 12.4467], [41.8995, 12.4762], [41.8876, 12.4717], # ... 更多坐标 ... [41.8988, 12.4773], [41.914, 12.4748]] m folium.Map([41.9, 12.5], zoom_start12) HeatMap(pizzeria_coords).add_to(m) m代码的核心只有三步folium.Map([41.9, 12.5], zoom_start12)以罗马市中心为中心创建地图HeatMap(pizzeria_coords)把坐标列表包装成热力图图层.add_to(m)将图层挂到地图上最终在 Notebook 中渲染m即可看到结果。坐标越多、越密集的区域热力颜色越热默认从蓝到红渐变罗马老城区披萨店扎堆的街区间会呈现明显的红色高亮。三、加权数据三元组 [纬度, 经度, 权重]仅凭坐标只能表达点在这里的布尔信息无法体现每个点的重要性差异。HeatMap 支持传入[纬度, 经度, 权重]三元组第三列作为该点的强度权重weight参与渲染。官方文档用随机数据演示了这一用法import numpy as np # Generate some random data data np.random.normal(size(100, 3)) np.array([[48, 5, 1]]) m folium.Map([48.0, 5.0], zoom_start6) HeatMap(data).add_to(m) m这段代码用np.random.normal(size(100, 3))生成 100 行、3 列的随机数据再加上[48, 5, 1]的偏移量得到一组以 (48, 5) 为中心、权重围绕 1 波动的三元组。传入 HeatMap 后热力图会综合点的密度与权重值决定着色强度。实际上data参数不仅支持 Python 列表也支持numpy.array形状(n, 2)或(n, 3)的数组见 folium/plugins/heat_map.py 的 docstring。更进一步从 folium/utilities.py 的if_pandas_df_convert_to_numpy工具函数可以看出pandas DataFrame 也会在构造时被自动转换为 numpy 数组再处理——原因是直接迭代 DataFrame 会产生列名作为首行等副作用转成 numpy 更安全。也就是说从数据库、CSV 或 GeoPandas 属性表读出的经纬度表格可以直接喂给 HeatMap。在 examples/Heatmap.ipynb 中还可以找到更多可运行的完整示例。四、完整参数配置HeatMap 的构造函数签名如下见 folium/plugins/heat_map.pyHeatMap( data, nameNone, min_opacity0.5, max_zoom18, radius25, blur15, gradientNone, overlayTrue, controlTrue, showTrue, **kwargs, )各参数含义与默认值整理如下参数默认值说明data必填坐标点列表形式为[lat, lng]或[lat, lng, weight]也支持(n,2)/(n,3)的 numpy 数组nameNone图层名称将显示在 LayerControls 中不传则使用自动生成的内部名min_opacity0.5热力渲染的最低不透明度源码签名中的实际默认值max_zoom18点达到最大强度的缩放级别即随缩放比例缩放强度的上限radius25热力图中每个点的半径像素blur15模糊程度gradientNone颜色渐变配置默认为{0.4: blue, 0.6: cyan, 0.7: lime, 0.8: yellow, 1: red}overlayTrueTrue作为可选叠加图层False作为底图图层controlTrue是否纳入 LayerControls 图层控件showTrue地图打开时是否默认显示该图层**kwargs—其他透传给底层 Leaflet 热力图选项的扩展参数其中overlay、control、show、name四个参数来自Layer基类见 folium/map.py与 folium 其他所有图层的语义完全一致overlayTrue的图层在 LayerControls 中表现为复选框overlayFalse则表现为单选按钮组controlFalse可让图层不出现在控件中showFalse则默认隐藏。官方文档也提示更多选项请参阅 HeatMap 的 API 参考文档。值得说明的是gradient它是从冷色到暖色的强度映射字典键是 0~1 之间的归一化强度阈值值是 CSS 颜色。JS 端会把它转成 256 级线性渐变色带再对每个像素按其强度查色。给每个坐标点加权重、再用自定义渐变就能做出低值区域偏蓝、高值区域偏红的差异化表达。五、数据校验与预处理HeatMap 内部做了什么在把数据交给 JS 之前HeatMap 的__init__见 folium/plugins/heat_map.py会做一系列校验与规范化pandas DataFrame 自动转 numpy经由if_pandas_df_convert_to_numpy处理坐标校验每一行的前两列交给validate_location验证定义于 folium/utilities.py要求是长度恰好为 2、可索引、数值可转换为 float 且不能为 NaN否则抛出带明确信息的TypeError或ValueError权重强制转 float第三列及以后的所有值通过[float(w) for w in line[2:]]统一转为 Python 原生 float。这一点对整数型 numpy 数组尤为重要——np.int64不是 Pythonint的子类直接 JSON 序列化会报 Object of type int64 is not JSON serializable转成 float 后即可正常渲染全局 NaN 检查np.any(np.isnan(self.data))一旦发现任何 NaN立即抛出ValueError(data may not contain NaNs.)避免把坏数据一路带进浏览器max_val已弃用旧版参数max_val若被传入会触发warnings.warn提示最大强度现在会自动计算不再需要该参数——这意味着权重归一化由前端自动完成无需用户干预空值清理构造后的选项字典经过remove_empty见 folium/utilities.py过滤掉值为None的键保证传给 JS 的配置干净整洁。这些校验逻辑在 tests/plugins/test_heat_map.py 中都有对应测试覆盖例如test_heat_map_exception验证了含 NaN 数据抛ValueError、错误形状抛异常test_heatmap_integer_numpy_weights与test_heatmap_integer_numpy_no_weight则验证了整数型 numpy 数组含权重与不含权重两种形态都能正确渲染。六、渲染原理坐标如何变成 L.heatLayerHeatMap 的渲染模板非常精简见 folium/plugins/heat_map.pyvar {{ this.get_name() }} L.heatLayer( {{ this.data|tojson }}, {{ this.options|tojavascript }} );也就是说folium 在生成 HTML 时会把规范化后的数据用tojson序列化为 JSON把配置选项用tojavascript序列化为驼峰命名的 JS 配置对象如minOpacity、maxZoom、radius、blur、gradient然后调用 Leaflet 的L.heatLayer(latlngs, options)工厂函数创建图层。测试用例 tests/plugins/test_heat_map.py 中手写的参考模板正是以minOpacity、maxZoom等驼峰键名来断言输出结构的。前端 folium/templates/leaflet_heat.min.js 中L.heatLayer会把坐标投影到屏幕坐标把每个点的权重即三元组第三列缺省为 1累加进网格单元并实时求最大值用于归一化然后通过simpleheat在 Canvas 上绘制带模糊的光圈并逐像素按渐变上色——这正是密度越高颜色越深、权重越大颜色越热的视觉来源。此外HeatMap实现了_get_self_bounds方法见 folium/plugins/heat_map.py遍历所有坐标用none_min/none_max求出[[lat_min, lon_min], [lat_max, lon_max]]边界因此当调用m.fit_bounds(...)或m.get_bounds()时地图可以自动缩放到恰好包含全部热力数据点的范围。七、与地图图层的集成实践由于 HeatMap 是标准Layer子类你可以像操作其他 folium 图层一样操作它import folium from folium.plugins import HeatMap m folium.Map([41.9, 12.5], zoom_start12) # 给图层起名方便在 LayerControls 中识别 HeatMap(pizzeria_coords, namePizzerias in Rome, radius30, blur20).add_to(m) folium.LayerControl().add_to(m) m想让热力图与其他图层Marker、Polygon、瓦片图层等同屏叠加直接把多个对象add_to(m)即可想让用户在界面上自由开关热力图加上folium.LayerControl()就能让 HeatMap 出现在图层控件中其开关状态由control/show参数控制如果只是把热力图当作叠加分析的辅助层保持overlayTrue默认值即可。八、相关资源速查官方用户指南docs/user_guide/plugins/heatmap.md插件源码folium/plugins/heat_map.py插件注册与导出folium/plugins/init.py前端热力渲染脚本folium/templates/leaflet_heat.min.js工具函数坐标校验、DataFrame 转换、空值清理folium/utilities.py测试用例数据格式、异常、整数权重tests/plugins/test_heat_map.py完整示例 Notebookexamples/Heatmap.ipynb九、小结HeatMap 是 folium 生态中开箱即用的密度可视化组件只需传入[纬度, 经度]列表即可生成热力图传入[纬度, 经度, 权重]三元组即可表达强度差异配合radius、blur、gradient、min_opacity等参数可以精细控制视觉效果底层的数据校验保证了非法坐标、NaN 与整数权重等边界情况都被妥善处理。无论是 POI 聚集分析、事件热区监控还是轨迹与出行密度研究它都是把大量点位转化为可读信息的高效工具。赞分享数据可视化数据分析GIS【免费下载链接】foliumPython Data. Leaflet.js Maps.项目地址https://gitcode.com/gh_mirrors/fo/folium点击查看免费下载相关推荐Vega 二维密度热力图实战用 kde2d 与 heatmap 变换构建小倍数密度图Vega 二维密度热力图实战用 kde2d 与 heatmap 变换构建小倍数密度图本篇文章以 Vega 官方示例 Density Heatmapsden数据可视化react-native-maps Heatmap 组件实战在 Google Maps 上渲染数据密度热力图react native maps Heatmap 组件实战在 Google Maps 上渲染数据密度热力图本篇指南围绕 react native maps移动开发UI组件前端Filmy WorkManager应用后台任务调度与定时数据刷新策略Filmy WorkManager应用后台任务调度与定时数据刷新策略 Filmy是一款基于TMDB API的开源电影应用它通过Android WorkMan移动开发上一篇CANN/Ascend C Concat函数下一篇Gin框架终极指南10个经典示例快速掌握Go Web开发创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考

folium HeatMap 插件实战：用坐标点密度生成交互式热力图

相关推荐

TTL线刷破解运营商限制：天邑TY1613从定制盒子到全网通播放器

本地图库语义搜索实战：用多模态向量接口实现“一句话找图”

跨境电商AI获客全解析：多技术路径、服务商体系与从0到1落地指南

更多资讯

实验室样品全流程管控：CMA/CNAS 评审中样品流转的常见缺陷解析

Trae插件开发：用TaoToken统一Key打通IDE智能工作流

广州专业的免费建站5个坑：避开这些注意事项流量翻倍

广州海珠网站建设新手入门：3步算清预算不踩坑

Spring AI 搭建 MCP 天气服务：TaoToken 统一 Key 接入与 config.toml 配置骨架

企石镇网站仿做避坑指南:3类建站报价拆解与备案真相

今日更新

济南做网站多少钱：3个案例拆解，防黑源码下载全攻略

婚恋网站实战案例：避开3个高价坑，省钱50%还能跑赢流量

制作网页比较方便的软件怎么选?一文搞懂避坑指南

本周精选

如何彻底离线使用 Laya-CoreML：Hugging Face 下载、缓存机制与 local_files_only 详解

基于1Panel 部署MySQL MCP 服务：TaoToken 统一 Key 接入与 config.toml 配置实战

崇州园区营销网站建设避坑指南：5大注意事项保备案安全

本月热门

基于YOLO的焊缝缺陷检测：从数据标注到工业部署全流程实践

分布式服务的决策记录

创业产品的首版范围

读完文章，想聊聊您的网站？