Python Folium库制作地图热力图的完整步骤

在Python地理空间数据可视化中，制作交互式热力图的核心路径是利用Folium库的基础地图对象结合其内置插件folium.plugins.HeatMap。完整的实现过程分为五个明确环节：安装必要依赖环境、组织并清洗经纬度与权重数据、初始化基础瓦片地图、配置热力扩散参数并添加图层、最终将交互式地图导出为独立的HTML文件。遵循这一标准流程，读者无需搭建复杂的GIS后端即可快速完成空间热点聚集分析与展示。

图1：Folium热力图开发生命周期全景流程

一、准备运行环境与必要依赖

Folium本身是基于Leaflet.js库封装的Python接口，其底层借助Jinja2进行网页模板渲染，并通过branca生成HTML组件。在开始编写代码前，必须确保Python运行环境中已安装Folium以及处理矩阵数据的Pandas或NumPy。

在终端或命令行执行以下命令完成安装：

pip install folium pandas

若在Jupyter Notebook环境中开发，安装完成后可以直接在单元格内导入并测试版本：

import folium
import pandas as pd

print(folium.__version__)

二、整理经纬度与权重数据结构

热力图插件HeatMap对输入数据的组织形式有严格要求。输入数据必须是由坐标构成的嵌套列表（二维数组或NumPy Array），其元素形式主要有两种：

• 双元组格式 [[lat_1, lon_1], [lat_2, lon_2], ...]：仅包含位置坐标，每个点位在计算热力聚集时默认权重均为1。
• 三元组格式 [[lat_1, lon_1, weight_1], [lat_2, lon_2, weight_2], ...]：包含位置与权重，第三列为数值权重（如人流量、消费额、事件发生频次）。

图2：二维空间数据到HeatMap标准列表的数据切片映射关系

利用Pandas提取对应列的代码模式如下：

# 从 DataFrame 中提取特定的三列，并直接转为标准Python列表
heat_data = df[['latitude', 'longitude', 'count']].values.tolist()

三、初始化基础地图容器（folium.Map）

热力图层不能独立存在，它必须依附于基础底图对象。通过folium.Map()构造函数可以实例化一张交互式地图，最关键的参数包括定位点与缩放级：

• location：地图初始展示的地理中心点坐标，采用[lat, lon]列表格式。通常可以取所有数据点纬度与经度的平均值。
• zoom_start：初始缩放级别。城市级通常设为11~13，省份级为7~9，全国级为4~5。
• tiles：底图切片样式。默认是'OpenStreetMap'，如果希望背景色更淡以突显热力渐变色彩，建议使用低对比度底图如'CartoDB positron'。

# 计算数据中心点坐标
center_lat = df['latitude'].mean()
center_lon = df['longitude'].mean()

# 实例化基础地图容器
m = folium.Map(
    location=[center_lat, center_lon],
    zoom_start=12,
    tiles='CartoDB positron'
)

四、配置并加载热力图插件（plugins.HeatMap）

基础地图容器就绪后，需要引入folium.plugins.HeatMap类生成热力图层，并调用其add_to(m)方法完成图层挂载。在这个阶段，视觉表现主要由四个关键超参数共同决定：

图3：HeatMap图层四项核心调节参数机理对比

参数配置的具体代码样例如下：

from folium.plugins import HeatMap

# 定义自拟热力阶梯色彩
custom_gradient = {
    0.2: '#2b83ba',
    0.4: '#abdda4',
    0.6: '#ffffbf',
    0.8: '#fdae61',
    1.0: '#d7191c'
}

# 实例化热力图层并配置渲染超参数
heatmap_layer = HeatMap(
    data=heat_data,
    radius=18,
    blur=12,
    max_zoom=14,
    min_opacity=0.3,
    gradient=custom_gradient
)

# 将热力图层挂载至基础地图
heatmap_layer.add_to(m)

五、保存产物与完整可执行案例

完成图层挂载后，调用地图对象的save()方法，即可将所有JavaScript脚本、Leaflet依赖、瓦片链接和坐标数据整合成一个独立的HTML静态文件。该文件可以在任何现代浏览器中直接离线打开，支持无缝缩放、平移与交互。

下面是一个包含测试数据生成、底图构建、热力图层挂载以及最终导出的完整单文件代码：

import folium
from folium.plugins import HeatMap
import numpy as np

# 1. 模拟生成以北京为中心的随机热力点数据 (纬度, 经度, 权重)
np.random.seed(42)
n_points = 300
latitudes = np.random.normal(loc=39.9042, scale=0.03, size=n_points)
longitudes = np.random.normal(loc=116.4074, scale=0.04, size=n_points)
weights = np.random.uniform(low=1.0, high=10.0, size=n_points)

# 2. 组装成嵌套列表结构
heat_data = [[lat, lon, float(w)] for lat, lon, w in zip(latitudes, longitudes, weights)]

# 3. 初始化底图中心与缩放级别
beijing_map = folium.Map(
    location=[39.9042, 116.4074],
    zoom_start=12,
    tiles='CartoDB positron'
)

# 4. 创建热力图层并挂载
HeatMap(
    data=heat_data,
    radius=20,
    blur=15,
    min_opacity=0.2,
    max_zoom=13
).add_to(beijing_map)

# 5. 导出为独立可交互 HTML 文件
output_path = "beijing_traffic_heatmap.html"
beijing_map.save(output_path)
print(f"热力图已成功生成并保存至：{output_path}")

六、排查指南与常见问题矩阵

在实际操作与项目落地过程中，初学者常会遇到地图呈现异常的情况。以下总结最典型的三种故障现象、底层诱因以及对应的标准化修复手段：

图4：三大类常见渲染异常表现、归因与针对性解决方案

核心检查清单归纳