第22章：交互式地图（Folium）

在前面的章节中，我们学习了如何使用 Matplotlib 创建静态地图。然而，在实际的 GIS 应用中，交互式地图往往能提供更好的用户体验——用户可以缩放、平移、点击要素查看属性信息。本章将介绍如何使用 GeoPandas 的 explore() 方法和 Folium 库创建功能丰富的交互式 Web 地图。

22.1 交互式地图概述

22.1.1 静态地图 vs 交互式地图

静态地图和交互式地图各有其适用场景，了解它们的区别有助于我们做出正确的选择。

特性	静态地图	交互式地图
缩放平移	不支持	支持
属性查询	不支持	点击/悬停查看
底图切换	不支持	支持多种底图
输出格式	PNG/SVG/PDF	HTML
适用场景	论文、报告、印刷	Web 应用、数据探索
渲染方式	服务端渲染	客户端（浏览器）渲染
数据量限制	较大	受浏览器性能限制
依赖库	Matplotlib	Folium / Leaflet.js

# 静态地图示例
import geopandas as gpd
import matplotlib.pyplot as plt

world = gpd.read_file(gpd.datasets.get_path('naturalearth_lowres'))
world.plot(figsize=(12, 6))
plt.title("静态世界地图")
plt.show()

# 交互式地图示例
world = gpd.read_file(gpd.datasets.get_path('naturalearth_lowres'))
m = world.explore()  # 返回一个交互式地图对象
m

22.1.2 Folium 简介与安装

Folium 是一个基于 Leaflet.js 的 Python 库，能够将数据可视化为交互式 Web 地图。GeoPandas 从 0.10 版本开始内置了对 Folium 的支持，通过 explore() 方法即可快速创建交互式地图。

# 安装 Folium
# pip install folium

# 安装 mapclassify（用于分类着色）
# pip install mapclassify

# 验证安装
import folium
import geopandas as gpd

print(f"Folium 版本: {folium.__version__}")
print(f"GeoPandas 版本: {gpd.__version__}")

输出：

Folium 版本: 0.14.0
GeoPandas 版本: 0.14.1

注意： explore() 方法需要额外安装 folium 和 mapclassify 两个包。如果只使用基本的交互式地图功能，只需安装 folium 即可；如果需要按属性分类着色，则还需要 mapclassify。

22.2 explore() 基础用法

22.2.1 GeoDataFrame.explore() 方法

explore() 是 GeoPandas 为 GeoDataFrame 提供的快捷方法，可以一行代码生成交互式地图。

import geopandas as gpd

# 读取示例数据
world = gpd.read_file(gpd.datasets.get_path('naturalearth_lowres'))

# 最简单的用法——一行代码创建交互式地图
m = world.explore()
m  # 在 Jupyter Notebook 中直接显示

# explore() 返回的是 folium.Map 对象
print(type(m))

输出：

<class 'folium.folium.Map'>

# 也可以对筛选后的数据使用 explore()
asia = world[world['continent'] == 'Asia']
asia.explore()

22.2.2 基本参数设置

explore() 方法支持多种参数来定制地图的外观和行为。

# 常用参数一览
m = world.explore(
    column='pop_est',         # 按人口着色
    cmap='YlOrRd',            # 颜色映射
    legend=True,              # 显示图例
    legend_kwds={
        'caption': '人口数量'  # 图例标题
    },
    style_kwds={
        'fillOpacity': 0.7,   # 填充透明度
        'weight': 1,          # 边框宽度
        'color': 'gray'       # 边框颜色
    },
    tooltip=['name', 'continent', 'pop_est'],  # 悬停提示字段
    popup=True,               # 点击弹出所有属性
    tiles='CartoDB positron', # 底图样式
    zoom_start=2,             # 初始缩放级别
    width='100%',             # 地图宽度
    height='500px'            # 地图高度
)
m

参数	类型	说明	默认值
`column`	str	用于着色的属性列名	None
`cmap`	str	Matplotlib 颜色映射名称	None
`color`	str	统一填充颜色	None
`legend`	bool	是否显示图例	True
`tooltip`	bool/list/str	悬停时显示的字段	True
`popup`	bool/list/str	点击时弹出的字段	False
`tiles`	str	底图瓦片样式	‘OpenStreetMap’
`style_kwds`	dict	样式参数字典	None
`zoom_start`	int	初始缩放级别	10
`m`	folium.Map	已有地图对象（用于叠加）	None

22.3 底图选择（tiles）

22.3.1 内置底图选项

Folium 提供了多种内置底图样式，可以通过 tiles 参数指定。

底图名称	说明	适用场景
`OpenStreetMap`	默认底图，信息丰富	通用场景
`CartoDB positron`	浅色简洁底图	数据可视化、专题地图
`CartoDB dark_matter`	深色底图	夜景效果、亮色数据展示
`Stamen Terrain`	地形底图	地形分析、自然地理
`Stamen Toner`	黑白风格	简约设计、印刷风格
`Stamen Watercolor`	水彩风格	艺术效果展示

import geopandas as gpd

world = gpd.read_file(gpd.datasets.get_path('naturalearth_lowres'))
asia = world[world['continent'] == 'Asia']

# 使用 CartoDB 浅色底图
m1 = asia.explore(
    tiles='CartoDB positron',
    color='steelblue',
    tooltip='name'
)

# 使用 CartoDB 暗色底图
m2 = asia.explore(
    tiles='CartoDB dark_matter',
    color='#ff6b6b',
    tooltip='name'
)

# 使用 Stamen 地形底图
m3 = asia.explore(
    tiles='Stamen Terrain',
    style_kwds={'fillOpacity': 0.3},
    tooltip='name'
)

22.3.2 自定义瓦片服务

除了内置底图，还可以使用自定义瓦片服务 URL。

import folium
import geopandas as gpd

world = gpd.read_file(gpd.datasets.get_path('naturalearth_lowres'))
china = world[world['name'] == 'China']

# 使用自定义瓦片 URL
# 天地图示例（需要申请 token）
tianditu_url = (
    'http://t0.tianditu.gov.cn/vec_w/wmts?'
    'SERVICE=WMTS&REQUEST=GetTile&VERSION=1.0.0'
    '&LAYER=vec&STYLE=default&TILEMATRIXSET=w'
    '&FORMAT=tiles&TILECOL={x}&TILEROW={y}&TILEMATRIX={z}'
    '&tk=YOUR_TOKEN'
)

m = china.explore(
    tiles=tianditu_url,
    attr='天地图',  # 底图版权信息
    tooltip='name'
)
m

# 也可以在 folium.Map 中直接设置自定义瓦片
m = folium.Map(
    location=[35, 105],
    zoom_start=4,
    tiles=None  # 不使用默认底图
)

# 添加多个底图图层
folium.TileLayer('OpenStreetMap', name='OSM 标准').add_to(m)
folium.TileLayer('CartoDB positron', name='CartoDB 浅色').add_to(m)
folium.TileLayer('CartoDB dark_matter', name='CartoDB 暗色').add_to(m)

# 添加图层控制器以切换底图
folium.LayerControl().add_to(m)
m

注意： 使用第三方瓦片服务时，请遵守其使用条款和访问限制。部分服务（如天地图）需要注册获取 API Token。

22.4 按属性着色

22.4.1 column 和 cmap 参数

通过 column 参数指定着色字段，cmap 参数指定颜色映射方案。

import geopandas as gpd

world = gpd.read_file(gpd.datasets.get_path('naturalearth_lowres'))

# 按 GDP 估值着色
m = world.explore(
    column='gdp_md_est',          # 使用 GDP 字段着色
    cmap='Greens',                # 绿色系颜色映射
    legend=True,
    legend_kwds={
        'caption': 'GDP（百万美元）'  # 图例标题
    },
    tiles='CartoDB positron',
    tooltip=['name', 'gdp_md_est'],
    style_kwds={
        'fillOpacity': 0.8,
        'weight': 0.5
    }
)
m

# 常用颜色映射方案
cmap_options = {
    '连续型': ['viridis', 'plasma', 'inferno', 'magma', 'cividis'],
    '顺序型': ['Blues', 'Greens', 'Reds', 'YlOrRd', 'YlGnBu'],
    '发散型': ['RdYlGn', 'RdBu', 'coolwarm', 'BrBG', 'PiYG'],
    '定性型': ['Set1', 'Set2', 'Set3', 'Paired', 'tab10']
}

for category, cmaps in cmap_options.items():
    print(f"{category}: {', '.join(cmaps)}")

输出：

连续型: viridis, plasma, inferno, magma, cividis
顺序型: Blues, Greens, Reds, YlOrRd, YlGnBu
发散型: RdYlGn, RdBu, coolwarm, BrBG, PiYG
定性型: Set1, Set2, Set3, Paired, tab10

22.4.2 分类着色与连续着色

GeoPandas 的 explore() 方法支持分类着色和连续着色两种模式。

import geopandas as gpd

world = gpd.read_file(gpd.datasets.get_path('naturalearth_lowres'))

# 分类着色——按大洲着色（分类变量）
m_categorical = world.explore(
    column='continent',
    cmap='Set2',              # 定性颜色映射
    legend=True,
    tooltip=['name', 'continent'],
    tiles='CartoDB positron'
)

# 连续着色——按人口着色（连续变量）
m_continuous = world.explore(
    column='pop_est',
    cmap='YlOrRd',
    scheme='NaturalBreaks',   # 自然断点分类法
    k=5,                      # 分为 5 类
    legend=True,
    legend_kwds={
        'caption': '人口数量',
        'fmt': '{:.0f}'       # 数字格式
    },
    tiles='CartoDB positron'
)

# 支持的分类方案（需要 mapclassify）
classification_schemes = [
    'BoxPlot',          # 箱线图分类
    'EqualInterval',    # 等间隔分类
    'FisherJenks',      # Fisher-Jenks 分类
    'HeadTailBreaks',   # 头尾断裂分类
    'JenksCaspall',     # Jenks-Caspall 分类
    'MaximumBreaks',    # 最大断裂分类
    'NaturalBreaks',    # 自然断点分类
    'Quantiles',        # 分位数分类
    'StdMean',          # 标准差分类
]

for scheme in classification_schemes:
    print(f"  - {scheme}")

输出：

  - BoxPlot
  - EqualInterval
  - FisherJenks
  - HeadTailBreaks
  - JenksCaspall
  - MaximumBreaks
  - NaturalBreaks
  - Quantiles
  - StdMean

注意： 使用 scheme 参数进行分类着色时，需要安装 mapclassify 库。连续着色适合数值型数据，分类着色适合类别型数据。

22.5 弹出框与提示

tooltip 控制鼠标悬停时显示的信息。

import geopandas as gpd

world = gpd.read_file(gpd.datasets.get_path('naturalearth_lowres'))

# tooltip=True 时显示所有属性
m1 = world.explore(
    tooltip=True,
    tiles='CartoDB positron'
)

# tooltip 指定显示特定字段
m2 = world.explore(
    tooltip=['name', 'continent', 'pop_est'],
    tiles='CartoDB positron'
)

# tooltip=False 禁用悬停提示
m3 = world.explore(
    tooltip=False,
    tiles='CartoDB positron'
)

# 使用 GeoJsonTooltip 自定义提示样式
import folium

m = world.explore(
    tooltip=folium.GeoJsonTooltip(
        fields=['name', 'continent', 'pop_est'],
        aliases=['国家名称：', '所在大洲：', '人口数量：'],  # 字段别名
        localize=True,             # 本地化数字格式
        sticky=True,               # 跟随鼠标
        style="""
            background-color: #F0EFEF;
            border: 2px solid #333;
            border-radius: 5px;
            padding: 8px;
            font-size: 13px;
        """
    ),
    tiles='CartoDB positron'
)
m

popup 控制鼠标点击时弹出的信息窗口。

import geopandas as gpd

world = gpd.read_file(gpd.datasets.get_path('naturalearth_lowres'))

# popup=True 显示所有属性
m1 = world.explore(
    popup=True,
    tooltip='name',
    tiles='CartoDB positron'
)

# popup 指定显示特定字段
m2 = world.explore(
    popup=['name', 'pop_est', 'gdp_md_est'],
    tooltip='name',
    tiles='CartoDB positron'
)

# 使用 GeoJsonPopup 自定义弹出内容
import folium

m = world.explore(
    popup=folium.GeoJsonPopup(
        fields=['name', 'continent', 'pop_est', 'gdp_md_est'],
        aliases=['国家：', '大洲：', '人口：', 'GDP（百万$）：'],
        localize=True,
        labels=True,
        style='background-color: white; font-size: 12px;'
    ),
    tooltip='name',
    tiles='CartoDB positron'
)
m

22.5.3 自定义弹出内容

可以通过创建新列或使用 HTML 来自定义弹出框中的内容。

import geopandas as gpd

world = gpd.read_file(gpd.datasets.get_path('naturalearth_lowres'))

# 创建格式化的信息列
world['info'] = world.apply(
    lambda row: f"国家：{row['name']}<br>"
                f"大洲：{row['continent']}<br>"
                f"人口：{row['pop_est']:,.0f}<br>"
                f"GDP：${row['gdp_md_est']:,.0f}M",
    axis=1
)

# 使用自定义信息列作为弹出内容
m = world.explore(
    popup=['info'],
    tooltip='name',
    tiles='CartoDB positron',
    style_kwds={'fillOpacity': 0.6}
)
m

# 计算人均 GDP 并在弹出框中展示
world['gdp_per_capita'] = (
    world['gdp_md_est'] * 1e6 / world['pop_est']
).round(0)

m = world.explore(
    column='gdp_per_capita',
    cmap='RdYlGn',
    legend=True,
    legend_kwds={'caption': '人均 GDP（美元）'},
    popup=['name', 'gdp_per_capita'],
    tooltip=['name', 'gdp_per_capita'],
    tiles='CartoDB positron'
)
m

22.6 多图层叠加

22.6.1 使用 m 参数叠加图层

通过 m 参数可以将多个 GeoDataFrame 叠加到同一张地图上。

import geopandas as gpd
from shapely.geometry import Point

world = gpd.read_file(gpd.datasets.get_path('naturalearth_lowres'))
cities = gpd.read_file(gpd.datasets.get_path('naturalearth_cities'))

# 第一层：世界国家边界
m = world.explore(
    color='lightblue',
    style_kwds={
        'fillOpacity': 0.3,
        'weight': 1,
        'color': 'gray'
    },
    tooltip='name',
    name='国家边界',           # 图层名称
    tiles='CartoDB positron'
)

# 第二层：城市点（叠加到已有地图上）
cities.explore(
    m=m,                       # 关键参数：传入已有地图对象
    color='red',
    marker_kwds={
        'radius': 5,
        'fill': True
    },
    tooltip='name',
    name='主要城市'             # 图层名称
)

m

# 叠加不同类型的几何要素
import geopandas as gpd
from shapely.geometry import LineString

world = gpd.read_file(gpd.datasets.get_path('naturalearth_lowres'))

# 创建一些示例航线数据
routes = gpd.GeoDataFrame(
    {
        'route': ['北京-东京', '北京-新加坡', '上海-悉尼'],
        'geometry': [
            LineString([(116.4, 39.9), (139.7, 35.7)]),
            LineString([(116.4, 39.9), (103.8, 1.35)]),
            LineString([(121.5, 31.2), (151.2, -33.9)])
        ]
    },
    crs='EPSG:4326'
)

# 底图：国家
m = world.explore(
    color='lightyellow',
    style_kwds={'weight': 0.5, 'fillOpacity': 0.2},
    tiles='CartoDB positron',
    name='国家'
)

# 叠加航线
routes.explore(
    m=m,
    color='red',
    style_kwds={'weight': 3, 'dashArray': '10 5'},
    tooltip='route',
    name='航线'
)

m

22.6.2 图层控制 (LayerControl)

添加图层控制器允许用户在浏览器中切换图层的显示与隐藏。

import geopandas as gpd
import folium

world = gpd.read_file(gpd.datasets.get_path('naturalearth_lowres'))
cities = gpd.read_file(gpd.datasets.get_path('naturalearth_cities'))

# 创建多图层地图
m = world.explore(
    column='continent',
    cmap='Set3',
    tooltip='name',
    name='国家（按大洲着色）',
    tiles='CartoDB positron'
)

cities.explore(
    m=m,
    color='darkred',
    marker_kwds={'radius': 4},
    tooltip='name',
    name='主要城市'
)

# 添加图层控制器
folium.LayerControl(
    collapsed=False     # 默认展开图层列表
).add_to(m)

m

# 按大洲分别创建图层
continents = ['Asia', 'Europe', 'Africa', 'North America', 'South America']
colors = ['#e41a1c', '#377eb8', '#4daf4a', '#984ea3', '#ff7f00']

m = folium.Map(location=[20, 0], zoom_start=2, tiles='CartoDB positron')

for continent, color in zip(continents, colors):
    subset = world[world['continent'] == continent]
    subset.explore(
        m=m,
        color=color,
        style_kwds={'fillOpacity': 0.5, 'weight': 1},
        tooltip='name',
        name=continent  # 每个大洲作为独立图层
    )

folium.LayerControl().add_to(m)
m

22.7 使用 Folium 直接创建地图

22.7.1 folium.Map 基础

有时需要更精细地控制地图，可以直接使用 Folium API。

import folium

# 创建基础地图（以北京为中心）
m = folium.Map(
    location=[39.9042, 116.4074],  # 中心点坐标 [纬度, 经度]
    zoom_start=10,                  # 初始缩放级别
    tiles='OpenStreetMap',          # 底图
    width='100%',                   # 宽度
    height='500px',                 # 高度
    min_zoom=2,                     # 最小缩放级别
    max_zoom=18,                    # 最大缩放级别
    control_scale=True              # 显示比例尺
)
m

# folium.Map 的常用属性和方法
print(f"地图中心: {m.location}")
print(f"缩放级别: {m.options.get('zoom', 'N/A')}")

# 获取地图的 HTML 表示
html = m._repr_html_()
print(f"HTML 长度: {len(html)} 字符")

输出：

地图中心: [39.9042, 116.4074]
缩放级别: N/A
HTML 长度: 5832 字符

22.7.2 添加标记 (Marker)

folium.Marker 用于在地图上添加位置标记。

import folium

m = folium.Map(location=[39.9, 116.4], zoom_start=11)

# 添加基本标记
folium.Marker(
    location=[39.9042, 116.4074],
    popup='天安门广场',
    tooltip='点击查看详情'
).add_to(m)

# 添加带自定义弹出窗口的标记
popup_html = """
<div style="font-family: sans-serif; width: 200px;">
    <h4 style="color: #333;">故宫博物院</h4>
    <p>世界上现存规模最大的宫殿建筑群</p>
    <p><b>开放时间：</b>8:30-17:00</p>
</div>
"""

folium.Marker(
    location=[39.9163, 116.3972],
    popup=folium.Popup(popup_html, max_width=250),
    tooltip='故宫博物院'
).add_to(m)

# 添加多个标记
landmarks = [
    {'name': '颐和园', 'lat': 39.9998, 'lon': 116.2755},
    {'name': '天坛', 'lat': 39.8822, 'lon': 116.4066},
    {'name': '鸟巢', 'lat': 39.9929, 'lon': 116.3966},
]

for lm in landmarks:
    folium.Marker(
        location=[lm['lat'], lm['lon']],
        popup=lm['name'],
        tooltip=lm['name']
    ).add_to(m)

m

22.7.3 添加圆形标记 (CircleMarker)

CircleMarker 和 Circle 用于在地图上绘制圆形。

import folium

m = folium.Map(location=[35, 105], zoom_start=4)

# 城市数据（名称、纬度、经度、人口-万）
cities = [
    ('北京', 39.90, 116.41, 2189),
    ('上海', 31.23, 121.47, 2428),
    ('广州', 23.13, 113.26, 1868),
    ('深圳', 22.54, 114.06, 1756),
    ('成都', 30.57, 104.07, 2094),
]

for name, lat, lon, pop in cities:
    # CircleMarker —— 半径以像素为单位（不随缩放变化）
    folium.CircleMarker(
        location=[lat, lon],
        radius=pop / 200,           # 半径与人口成正比
        color='#3186cc',            # 边框颜色
        fill=True,
        fill_color='#3186cc',       # 填充颜色
        fill_opacity=0.6,
        popup=f'{name}：{pop}万人',
        tooltip=name
    ).add_to(m)

m

# Circle —— 半径以米为单位（随缩放变化）
m = folium.Map(location=[39.9, 116.4], zoom_start=11)

# 在天安门广场周围画同心圆，表示距离范围
for radius_km in [3, 6, 9]:
    folium.Circle(
        location=[39.9042, 116.4074],
        radius=radius_km * 1000,     # 半径（米）
        color='red',
        weight=2,
        fill=True,
        fill_opacity=0.05,
        popup=f'{radius_km}公里范围'
    ).add_to(m)

m

22.8 GeoJSON 与 Choropleth

22.8.1 folium.GeoJson

folium.GeoJson 允许在地图上叠加 GeoJSON 数据并自定义样式。

import folium
import geopandas as gpd
import json

world = gpd.read_file(gpd.datasets.get_path('naturalearth_lowres'))
asia = world[world['continent'] == 'Asia']

m = folium.Map(location=[35, 90], zoom_start=3, tiles='CartoDB positron')

# 使用 GeoJson 添加矢量数据
folium.GeoJson(
    data=asia.to_json(),            # GeoJSON 字符串
    name='亚洲国家',
    style_function=lambda feature: {
        'fillColor': '#3186cc',
        'color': 'white',
        'weight': 1,
        'fillOpacity': 0.5,
    },
    highlight_function=lambda feature: {
        'weight': 3,
        'color': '#666',
        'fillOpacity': 0.8,
    },
    tooltip=folium.GeoJsonTooltip(
        fields=['name', 'pop_est'],
        aliases=['国家：', '人口：'],
        localize=True
    )
).add_to(m)

folium.LayerControl().add_to(m)
m

# 根据属性动态设置样式
import branca.colormap as cm

# 创建颜色映射
colormap = cm.LinearColormap(
    colors=['green', 'yellow', 'red'],
    vmin=asia['pop_est'].min(),
    vmax=asia['pop_est'].max(),
    caption='人口数量'
)

m = folium.Map(location=[35, 90], zoom_start=3, tiles='CartoDB positron')

folium.GeoJson(
    data=asia.to_json(),
    style_function=lambda feature: {
        'fillColor': colormap(feature['properties']['pop_est']),
        'color': 'gray',
        'weight': 1,
        'fillOpacity': 0.7,
    },
    tooltip=folium.GeoJsonTooltip(
        fields=['name', 'pop_est'],
        aliases=['国家：', '人口：']
    )
).add_to(m)

colormap.add_to(m)
m

22.8.2 folium.Choropleth

folium.Choropleth 是创建分级统计图的便捷方法。

import folium
import geopandas as gpd
import pandas as pd

world = gpd.read_file(gpd.datasets.get_path('naturalearth_lowres'))

m = folium.Map(location=[20, 0], zoom_start=2, tiles='CartoDB positron')

# 创建 Choropleth 地图
folium.Choropleth(
    geo_data=world.to_json(),             # GeoJSON 数据
    data=world,                            # 属性数据
    columns=['name', 'pop_est'],           # [关联字段, 值字段]
    key_on='feature.properties.name',      # GeoJSON 中的关联键
    fill_color='YlOrRd',                   # 填充颜色方案
    fill_opacity=0.7,
    line_opacity=0.3,
    nan_fill_color='lightgray',            # 无数据区域颜色
    legend_name='世界各国人口数量',          # 图例名称
    bins=6                                 # 分类数
).add_to(m)

m

# 结合外部 CSV 数据创建 Choropleth
# 假设有一个包含各国指标的 CSV 文件
import pandas as pd
import geopandas as gpd
import folium

world = gpd.read_file(gpd.datasets.get_path('naturalearth_lowres'))

# 模拟外部数据（互联网普及率）
internet_data = pd.DataFrame({
    'country': ['China', 'India', 'United States of America',
                'Brazil', 'Russia', 'Japan'],
    'internet_rate': [73.0, 43.0, 87.0, 74.0, 80.0, 92.0]
})

m = folium.Map(location=[20, 0], zoom_start=2, tiles='CartoDB positron')

folium.Choropleth(
    geo_data=world.to_json(),
    data=internet_data,
    columns=['country', 'internet_rate'],
    key_on='feature.properties.name',
    fill_color='BuGn',
    fill_opacity=0.7,
    line_opacity=0.3,
    nan_fill_color='#f0f0f0',
    legend_name='互联网普及率（%）'
).add_to(m)

m

注意： 使用 Choropleth 时，columns 中的关联字段必须与 key_on 指定的 GeoJSON 属性字段匹配。如果名称不一致会导致部分区域无法着色。

22.9 标记与图标

22.9.1 自定义图标 (Icon)

Folium 支持多种图标样式来美化地图标记。

import folium

m = folium.Map(location=[39.9, 116.4], zoom_start=12)

# 使用默认图标（蓝色标记）
folium.Marker(
    location=[39.9042, 116.4074],
    popup='默认图标',
    icon=folium.Icon()
).add_to(m)

# 使用 Font Awesome 图标
folium.Marker(
    location=[39.9163, 116.3972],
    popup='故宫',
    icon=folium.Icon(
        color='red',
        icon='university',
        prefix='fa'           # 使用 Font Awesome 图标库
    )
).add_to(m)

# 使用 Glyphicon 图标
folium.Marker(
    location=[39.9929, 116.3966],
    popup='鸟巢体育场',
    icon=folium.Icon(
        color='green',
        icon='flag',
        prefix='glyphicon'    # 使用 Glyphicon 图标库
    )
).add_to(m)

# 自定义颜色的图标
folium.Marker(
    location=[39.8822, 116.4066],
    popup='天坛',
    icon=folium.Icon(
        color='purple',
        icon_color='white',
        icon='star',
        prefix='fa'
    )
).add_to(m)

m

# 可用的图标颜色
icon_colors = [
    'red', 'blue', 'green', 'purple', 'orange',
    'darkred', 'lightred', 'beige', 'darkblue', 'darkgreen',
    'cadetblue', 'darkpurple', 'white', 'pink', 'lightblue',
    'lightgreen', 'gray', 'black', 'lightgray'
]
print(f"可用图标颜色（共 {len(icon_colors)} 种）：")
print(', '.join(icon_colors))

输出：

可用图标颜色（共 19 种）：
red, blue, green, purple, orange, darkred, lightred, beige, darkblue, darkgreen, cadetblue, darkpurple, white, pink, lightblue, lightgreen, gray, black, lightgray

22.9.2 标记聚类 (MarkerCluster)

当地图上有大量标记时，使用 MarkerCluster 可以自动将邻近标记聚类显示。

import folium
from folium.plugins import MarkerCluster
import random

m = folium.Map(location=[35, 105], zoom_start=4)

# 创建标记聚类对象
marker_cluster = MarkerCluster(name='城市标记').add_to(m)

# 模拟大量城市数据
cities_data = [
    ('北京', 39.90, 116.41), ('上海', 31.23, 121.47),
    ('广州', 23.13, 113.26), ('深圳', 22.54, 114.06),
    ('成都', 30.57, 104.07), ('杭州', 30.27, 120.15),
    ('武汉', 30.59, 114.31), ('西安', 34.26, 108.94),
    ('南京', 32.06, 118.80), ('重庆', 29.56, 106.55),
    ('天津', 39.13, 117.20), ('苏州', 31.30, 120.62),
    ('郑州', 34.75, 113.65), ('长沙', 28.23, 112.94),
    ('青岛', 36.07, 120.38), ('大连', 38.91, 121.60),
    ('厦门', 24.48, 118.09), ('昆明', 25.04, 102.71),
    ('哈尔滨', 45.75, 126.65), ('沈阳', 41.80, 123.43),
]

for name, lat, lon in cities_data:
    folium.Marker(
        location=[lat, lon],
        popup=name,
        tooltip=name,
        icon=folium.Icon(color='blue', icon='info-sign')
    ).add_to(marker_cluster)  # 添加到聚类对象而非地图

folium.LayerControl().add_to(m)
m

# 使用 FastMarkerCluster 处理更大量的数据
from folium.plugins import FastMarkerCluster
import numpy as np

m = folium.Map(location=[35, 105], zoom_start=4)

# 生成大量随机点（模拟海量数据）
np.random.seed(42)
n_points = 1000
lats = np.random.uniform(20, 50, n_points)
lons = np.random.uniform(80, 130, n_points)

# FastMarkerCluster 接受坐标列表，性能更优
callback = """
function (row) {
    var marker = L.marker(new L.LatLng(row[0], row[1]));
    marker.bindPopup('位置: ' + row[0].toFixed(2) + ', ' + row[1].toFixed(2));
    return marker;
}
"""

FastMarkerCluster(
    data=list(zip(lats, lons)),
    callback=callback,
    name='随机点聚类'
).add_to(m)

folium.LayerControl().add_to(m)
m

22.10 导出与嵌入

22.10.1 保存为 HTML

交互式地图可以保存为独立的 HTML 文件，在任何浏览器中打开。

import folium
import geopandas as gpd

world = gpd.read_file(gpd.datasets.get_path('naturalearth_lowres'))

# 创建交互式地图
m = world.explore(
    column='continent',
    cmap='Set2',
    legend=True,
    tooltip=['name', 'continent'],
    tiles='CartoDB positron'
)

# 保存为 HTML 文件
m.save('world_interactive_map.html')
print("地图已保存为 world_interactive_map.html")

输出：

地图已保存为 world_interactive_map.html

# 获取 HTML 字符串（用于动态生成）
html_string = m._repr_html_()
print(f"HTML 字符串长度: {len(html_string)} 字符")
print(f"前 200 个字符:\n{html_string[:200]}...")

输出：

HTML 字符串长度: 158432 字符
前 200 个字符:
<div style="width:100%;"><div style="position:relative;width:100%;height:0;padding-bottom:60%;"><span style="color:#565656">Make this Notebook Trusted to load map: File -> Trust No...

22.10.2 在 Jupyter 中显示

在 Jupyter Notebook/Lab 中，交互式地图会自动渲染。

import geopandas as gpd

world = gpd.read_file(gpd.datasets.get_path('naturalearth_lowres'))

# 方式 1：在 Cell 末尾直接引用变量
m = world.explore(tiles='CartoDB positron')
m  # 自动渲染地图

# 方式 2：使用 display() 函数
from IPython.display import display
display(m)

# 方式 3：使用 HTML 组件
from IPython.display import HTML
HTML(m._repr_html_())

# 控制地图在 Notebook 中的尺寸
m = world.explore(
    tiles='CartoDB positron',
    width='100%',       # 宽度占满容器
    height='400px'      # 固定高度 400 像素
)
m

# 在 Jupyter Lab 中使用 IFrame 嵌入保存的 HTML 文件
from IPython.display import IFrame

# 先保存为文件
m.save('my_map.html')

# 再用 IFrame 嵌入
IFrame('my_map.html', width=800, height=500)

22.10.3 嵌入网页

将 Folium 地图嵌入到现有网页中有多种方式。

# 方式 1：使用 iframe 嵌入
import geopandas as gpd

world = gpd.read_file(gpd.datasets.get_path('naturalearth_lowres'))
m = world.explore(tiles='CartoDB positron', tooltip='name')
m.save('map_embed.html')

# 在 HTML 页面中使用 iframe 引用
iframe_code = """
<!-- 在你的网页中添加以下代码 -->
<iframe
    src="map_embed.html"
    width="100%"
    height="600"
    style="border: 1px solid #ccc; border-radius: 4px;"
    loading="lazy"
></iframe>
"""
print(iframe_code)

输出：

<!-- 在你的网页中添加以下代码 -->
<iframe
    src="map_embed.html"
    width="100%"
    height="600"
    style="border: 1px solid #ccc; border-radius: 4px;"
    loading="lazy"
></iframe>

# 方式 2：直接嵌入 HTML 代码
html_content = m.get_root().render()

# 提取地图部分的 HTML（去掉完整页面包装）
map_div = m._repr_html_()

page_template = f"""
<!DOCTYPE html>
<html>
<head>
    <title>我的交互式地图</title>
    <style>
        body 
        h1 
        .map-container 
    </style>
</head>
<body>
    <h1>世界地图展示</h1>
    <p>以下是使用 GeoPandas 和 Folium 生成的交互式地图：</p>
    <div class="map-container">
        {map_div}
    </div>
    <p>数据来源：Natural Earth</p>
</body>
</html>
"""

with open('full_page_map.html', 'w', encoding='utf-8') as f:
    f.write(page_template)

print("完整网页已保存为 full_page_map.html")

输出：

完整网页已保存为 full_page_map.html

注意： 嵌入地图时请注意文件大小。如果 GeoDataFrame 包含大量几何数据，生成的 HTML 文件可能很大。建议在嵌入前简化几何（使用 simplify() 方法）或筛选必要的字段。

22.11 本章小结

本章介绍了使用 GeoPandas 和 Folium 创建交互式 Web 地图的方法。从 explore() 快速生成地图到直接使用 Folium API 进行精细控制，涵盖了交互式地图开发的各个方面。

主题	方法/参数	关键要点
explore() 基础	`gdf.explore()`	一行代码创建交互式地图，返回 folium.Map 对象
底图选择	`tiles='CartoDB positron'`	内置多种底图，支持自定义瓦片 URL
按属性着色	`column`, `cmap`, `scheme`	支持分类着色和连续着色，需要 mapclassify
弹出与提示	`tooltip`, `popup`	tooltip 悬停显示，popup 点击弹出
多图层叠加	`m=existing_map`	将多个 GeoDataFrame 叠加到同一张地图
图层控制	`folium.LayerControl()`	允许用户切换图层显示/隐藏
Folium Map	`folium.Map()`	直接创建地图对象，精细控制参数
标记	`Marker`, `CircleMarker`	Marker 固定图标，CircleMarker 可缩放
GeoJson	`folium.GeoJson()`	自定义样式函数、高亮和提示
Choropleth	`folium.Choropleth()`	快速创建分级统计地图
自定义图标	`folium.Icon()`	支持 Font Awesome 和 Glyphicon 图标
标记聚类	`MarkerCluster`	大量标记自动聚类，提升性能
导出 HTML	`m.save('map.html')`	独立 HTML 文件，可在浏览器打开
网页嵌入	`<iframe>` / 内联 HTML	通过 iframe 或直接嵌入代码集成到网页

核心要诀：

快速探索用 explore()：GeoPandas 内置的 explore() 方法是最快捷的交互式地图创建方式
精细控制用 Folium API：需要自定义标记、图标、弹出框时直接使用 Folium
多图层叠加靠 m 参数：通过传递已有地图对象实现图层叠加
大数据集注意性能：使用 simplify() 简化几何、FastMarkerCluster 处理海量点
底图选择影响效果：浅色底图适合数据可视化，深色底图适合亮色数据展示
导出与分享用 HTML：save() 方法生成独立 HTML 文件，便于分享和嵌入

下一章我们将学习 第23章 的内容，继续深入探索 GeoPandas 的高级功能。

znlgis 博客

第22章：交互式地图（Folium）

22.1 交互式地图概述

22.1.1 静态地图 vs 交互式地图

22.1.2 Folium 简介与安装

22.2 explore() 基础用法

22.2.1 GeoDataFrame.explore() 方法

22.2.2 基本参数设置

22.3 底图选择（tiles）

22.3.1 内置底图选项

22.3.2 自定义瓦片服务

22.4 按属性着色

22.4.1 column 和 cmap 参数

22.4.2 分类着色与连续着色

22.5 弹出框与提示

22.5.1 tooltip 参数 (hover)

22.5.3 自定义弹出内容

22.6 多图层叠加

22.6.1 使用 m 参数叠加图层

22.6.2 图层控制 (LayerControl)

22.7 使用 Folium 直接创建地图

22.7.1 folium.Map 基础

22.7.2 添加标记 (Marker)

22.7.3 添加圆形标记 (CircleMarker)

22.8 GeoJSON 与 Choropleth

22.8.1 folium.GeoJson

22.8.2 folium.Choropleth

22.9 标记与图标

22.9.1 自定义图标 (Icon)

22.9.2 标记聚类 (MarkerCluster)

22.10 导出与嵌入

22.10.1 保存为 HTML

22.10.2 在 Jupyter 中显示

22.10.3 嵌入网页

22.11 本章小结

第22章：交互式地图（Folium）

22.1 交互式地图概述

22.1.1 静态地图 vs 交互式地图

22.1.2 Folium 简介与安装

22.2 explore() 基础用法

22.2.1 GeoDataFrame.explore() 方法

22.2.2 基本参数设置

22.3 底图选择（tiles）

22.3.1 内置底图选项

22.3.2 自定义瓦片服务

22.4 按属性着色

22.4.1 column 和 cmap 参数

22.4.2 分类着色与连续着色

22.5 弹出框与提示

22.5.1 tooltip 参数 (hover)

22.5.2 popup 参数 (click)

22.5.3 自定义弹出内容

22.6 多图层叠加

22.6.1 使用 m 参数叠加图层

22.6.2 图层控制 (LayerControl)

22.7 使用 Folium 直接创建地图

22.7.1 folium.Map 基础

22.7.2 添加标记 (Marker)

22.7.3 添加圆形标记 (CircleMarker)

22.8 GeoJSON 与 Choropleth

22.8.1 folium.GeoJson

22.8.2 folium.Choropleth

22.9 标记与图标

22.9.1 自定义图标 (Icon)

22.9.2 标记聚类 (MarkerCluster)

22.10 导出与嵌入

22.10.1 保存为 HTML

22.10.2 在 Jupyter 中显示

22.10.3 嵌入网页

22.11 本章小结