手把手|如何用Python绘制JS地图？

Folium是建立在Python生态系统的数据整理（Datawrangling）能力和Leaflet.js库的映射能力之上的开源库。用Python处理数据，然后用Folium将它在Leaflet地图上进行可视化。

概念

Folium能够将通过Python处理后的数据轻松地在交互式的Leaflet地图上进行可视化展示。它不单单可以在地图上展示数据的分布图，还可以使用Vincent/Vega在地图上加以标记。

这个开源库中有许多来自OpenStreetMap、MapQuest Open、MapQuestOpen Aerial、Mapbox和Stamen的内建地图元件，而且支持使用Mapbox或Cloudmade的API密钥来定制个性化的地图元件。Folium支持GeoJSON和TopoJSON两种文件格式的叠加，也可以将数据连接到这两种文件格式的叠加层，最后可使用color-brewer配色方案创建分布图。

安装

安装folium包

开始创建地图

创建底图，传入起始坐标到Folium地图中：

importfolium

map_osm= folium.Map(location=[45.5236, -122.6750]) #输入坐标

map_osm.create_map(path=osm.html)

Folium默认使用OpenStreetMap元件，但是Stamen Terrain, Stamen Toner, Mapbox Bright 和MapboxControl空间元件是内置的：

#输入位置，tiles，缩放比例

stamen =folium.Map(location=[45.5236, -122.6750], tiles=Stamen Toner,zoom_start=13)

stamen.create_map(path=stamen_toner.html)#保存图片

Folium也支持Cloudmade 和 Mapbox的个性化定制地图元件，只需简单地传入API_key ：

custom =folium.Map(location=[45.5236, -122.6750], tiles=Mapbox,

API_key=wrobstory.map-12345678)

最后，Folium支持传入任何与Leaflet.js兼容的个性化地图元件：

tileset= rhttp://{s}.tiles.yourtiles.com/{z}/{x}/{y}.png

map =folium.Map(location=[45.372, -121.6972], zoom_start=12,

tiles=tileset, attr=My DataAttribution)

地图标记

Folium支持多种标记类型的绘制，下面从一个简单的Leaflet类型的位置标记弹出文本开始：

map_1 =folium.Map(location=[45.372, -121.6972], zoom_start=12,

tiles=Stamen Terrain)

map_1.simple_marker([45.3288,-121.6625], popup=Mt. Hood Meadows)#文字标记

map_1.simple_marker([45.3311,-121.7113], popup=Timberline Lodge)

map_1.create_map(path=mthood.html)

Folium支持多种颜色和标记图标类型：

map_1 =folium.Map(location=[45.372, -121.6972], zoom_start=12,tiles=Stamen Terrain)

map_1.simple_marker([45.3288,-121.6625], popup=Mt. Hood Meadows,marker_icon=cloud) #标记图标类型为云

map_1.simple_marker([45.3311,-121.7113], popup=Timberline Lodge,marker_color=green) #标记颜色为绿色

map_1.simple_marker([45.3300,-121.6823], popup=Some OtherLocation,marker_color=red,marker_icon=info-sign)

#标记颜色为红色，标记图标为“info-sign”)

map_1.create_map(path=iconTest.html)

Folium也支持使用个性化的尺寸和颜色进行圆形标记：

map_2 =folium.Map(location=[45.5236, -122.6750], tiles=Stamen Toner,

zoom_start=13)

map_2.simple_marker(location=[45.5244,-122.6699], popup=The Waterfront)

简单树叶类型标记

map_2.circle_marker(location=[45.5215,-122.6261], radius=500,

popup=Laurelhurst Park,line_color=#3186cc,

fill_color=#3186cc)#圆形标记

map_2.create_map(path=portland.html)

Folium有一个简便的功能可以使经/纬度悬浮于地图上：

map_3 =folium.Map(location=[46.1991, -122.1889], tiles=Stamen Terrain,zoom_start=13)

map_3.lat_lng_popover()

map_3.create_map(path=sthelens.html)

Click-for-marker功能允许标记动态放置：

map_4 =folium.Map(location=[46.8527, -121.7649], tiles=Stamen Terrain,zoom_start=13)

map_4.simple_marker(location=[46.8354,-121.7325], popup=Camp Muir)

map_4.click_for_marker(popup=Waypoint)

map_4.create_map(path=mtrainier.html)

Folium也支持来自Leaflet-DVF的Polygon（多边形）标记集：

map_5 =folium.Map(location=[45.5236, -122.6750], zoom_start=13)

map_5.polygon_marker(location=[45.5012,-122.6655], popup=Ross Island Bridge,fill_color=#132b5e, num_sides=3,radius=10)#三边形标记

map_5.polygon_marker(location=[45.5132,-122.6708], popup=Hawthorne Bridge,fill_color=#45647d, num_sides=4,radius=10)#四边形标记

map_5.polygon_marker(location=[45.5275,-122.6692], popup=Steel Bridge,fill_color=#769d96, num_sides=6, radius=10)#四边形标记

map_5.polygon_marker(location=[45.5318,-122.6745], popup=Broadway Bridge,fill_color=#769d96, num_sides=8,radius=10) #八边形标记

map_5.create_map(path=bridges.html)

Vincent/Vega标记

Folium能够使用vincent 进行任何类型标记，并悬浮在地图上。

buoy_map= folium.Map(location=[46.3014, -123.7390], zoom_start=7,

tiles=StamenTerrain)

buoy_map.polygon_marker(location=[47.3489,-124.708], fill_color=#43d9de,radius=12, popup=(vis1, vis1.json))

buoy_map.polygon_marker(location=[44.639,-124.5339], fill_color=#43d9de,radius=12, popup=(vis2, vis2.json))

buoy_map.polygon_marker(location=[46.216,-124.1280], fill_color=#43d9de,radius=12, popup=(vis3, vis3.json))

GeoJSON/TopoJSON层叠加

GeoJSON 和TopoJSON层都可以导入到地图，不同的层可以在同一张地图上可视化出来：

geo_path= rdata/antarctic_ice_edge.json

topo_path= rdata/antarctic_ice_shelf_topo.json

ice_map= folium.Map(location=[-59.1759, -11.6016],tiles=Mapbox Bright, zoom_start=2)

ice_map.geo_json(geo_path=geo_path)#导入geoJson层

ice_map.geo_json(geo_path=topo_path,topojson=objects.antarctic_ice_shelf)#导入Toposon层

ice_map.create_map(path=ice_map.html)

分布图

Folium允许PandasDataFrames/Series类型和Geo/TopoJSON类型之间数据转换。Color Brewer 颜色方案也是内建在这个库，可以直接导入快速可视化不同的组合：

importfolium

importpandas as pd

state_geo= rdata/us-states.json#地理位置文件

state_unemployment= rdata/US_Unemployment_Oct2012.csv#美国失业率文件

state_data= pd.read_csv(state_unemployment)

#LetFolium determine the scale

map =folium.Map(location=[48, -102], zoom_start=3)

map.geo_json(geo_path=state_geo,data=state_data,

columns=[State, Unemployment],

key_on=feature.id,

fill_color=YlGn,fill_opacity=0.7, line_opacity=0.2,

legend_name=Unemployment Rate(%))

map.create_map(path=us_states.html)

基于D3阈值尺度，Folium在右上方创建图例，通过分位数创建最佳猜测值，导入设定的阈值很简单：

map.geo_json(geo_path=state_geo,data=state_data,

columns=[State, Unemployment],

threshold_scale=[5, 6, 7, 8, 9,10],

key_on=feature.id,

fill_color=BuPu,fill_opacity=0.7, line_opacity=0.5,

legend_name=Unemployment Rate(%),

reset=True)

map.create_map(path=us_states.html)

通过Pandas DataFrame进行数据处理，可以快速可视化不同的数据集。下面的例子中，df DataFrame包含6列不同的经济数据，我们将在下面可视化一部分数据：

2011年就业率分布图

map_1 =folium.Map(location=[48, -102], zoom_start=3)

map_1.geo_json(geo_path=county_geo,data_out=data1.json, data=df,

columns=[GEO_ID,Employed_2011],key_on=feature.id,

fill_color=YlOrRd,fill_opacity=0.7, line_opacity=0.3,

topojson=objects.us_counties_20m)#2011就业率分布图

map_1.create_map(path=map_1.html)

2011年失业率分布图

map_2 =folium.Map(location=[40, -99], zoom_start=4)

map_2.geo_json(geo_path=county_geo,data_out=data2.json, data=df,

columns=[GEO_ID,Unemployment_rate_2011],

key_on=feature.id,

threshold_scale=[0, 5, 7, 9, 11,13],

fill_color=YlGnBu, line_opacity=0.3,

legend_name=Unemployment Rate2011 (%),

topojson=objects.us_counties_20m)#2011失业率分布图

map_2.create_map(path=map_2.html)

2011年中等家庭收入分布图

map_3 =folium.Map(location=[40, -99], zoom_start=4)

map_3.geo_json(geo_path=county_geo,data_out=data3.json, data=df,

columns=[GEO_ID,Median_Household_Income_2011],

key_on=feature.id,

fill_color=PuRd,line_opacity=0.3,

legend_name=Median Household Income2011 ($),

topojson=objects.us_counties_20m)#2011中等家庭收入分布图

map_3.create_map(path=map_3.html)

原文发布时间为：2016-01-11

本文来自云栖社区合作伙伴“大数据文摘”，了解相关信息可以关注“BigDataDigest”微信公众号