参考代码：https://nbviewer.jupyter.org/github/python-visualization/folium/tree/master/examples/

初次接触阿里云的天池实验室，对【入门级-用Pandas揭秘美国选民的总统喜好】中的热力图可视化各州捐款数，进行 菜鸟 实践，特别用到了python中的Folium库，打开了新世界的大门。由于之前实践过高德API，也发现Folium库算是地图的底层。（有关地图的库，实际应该还有其他，还未逐一实践）
以下主要总结个人针对Folium库的实践经历，特别是热力图、时间轴和时序数据的绘制，其中也会掺杂其他一些pandas，datetime小tip。
具体请结合 【参考代码】

1.地图初始化：

m = folium.Map([43, -100], tiles="stamentonerbackground", zoom_start=4)
对应：中心点位置，地图样式，地图放大级别
 【地图样式选择：stamentonerbackground,cartodbpositron,OpenStreetMap…(第24条）】
 
2.地图自定义–Colormaps.ipynb
 
def my_color_function(feature):
    """Maps low values to green and high values to red."""
    if unemployment_dict[feature["id"]] > 6.5:
        return "#ff0000"
    else:
        return "#008000"
m = folium.Map([43, -100], tiles="cartodbpositron", zoom_start=4)
folium.GeoJson(
    geo_json_data,
    style_function=lambda feature: {
        "fillColor": my_color_function(feature),
        "color": "black",
        "weight": 2,
        "dashArray": "5, 5",  #边界线设置
).add_to(m)
自定义地图层颜色，引入geo_json_date数据集，是对美国各州边界的划分。设置颜色函数，对区域进行填充。
 针对geo_json_date数据集的格式如下；
 
import json
import folium
import pandas as pd
import requests
url = (
    "https://raw.githubusercontent.com/python-visualization/folium/master/examples/data"
us_states = f"{url}/us-states.json"
geo_json_data = json.loads(requests.get(us_states).text) #边界
folium对于美国各州绘制的数据格式为：
 {‘type’: ‘FeatureCollection’,
 ‘features’: [{‘type’: ‘Feature’,
 ‘id’: ‘AL’, –州简称
 ‘properties’: {‘name’: ‘Alabama’},–州全称
 ‘geometry’: {‘type’: ‘Polygon’,–州的形状
 ‘coordinates’: [[[-87.359296, 35.00118], –边界点
 [-85.606675, 34.984749],
 [-85.431413, 34.124869],
 [-85.184951, 32.859696]…]]}},
 {‘type’: ‘Feature’,
 ‘id’: ‘AK’,
 ‘properties’: {‘name’: ‘Alaska’},
 ‘geometry’: {‘type’: ‘MultiPolygon’,
 ‘coordinates’: [[[[-131.602021, 55.117982],…
 
3.渐变色选择–Colormaps.ipynb
 OrRd_09 等等
 
4.放置标记–ContinuousWorld.ipynb
 
folium.Marker(
    location=[0, 0], popup="I will disapear when moved outside the wrapped map domain."
).add_to(m)
对应 放置位置，点击后marker的话语，
 
5.放置图片–CustomIcon.ipynb
 
※6. 放置标签–CustomPanes.ipynb
 
(1)未放置标签：
 
m = folium.Map([43, -100], zoom_start=4, tiles="stamentoner")
folium.GeoJson(geo_json_data).add_to(m)

 (2) 放置标签
 
m = folium.Map([43, -100], zoom_start=4, tiles="stamentonerbackground")
folium.GeoJson(geo_json_data).add_to(m)
folium.map.CustomPane("labels").add_to(m)  #放置1
# Final layer associated to custom pane via the appropriate kwarg
folium.TileLayer("stamentonerlabels", pane="labels").add_to(m)  #放置2

 逐步放大可显示各个州的名称。
 
7.图标分层–FeatureGroup.ipynb
 LayerControl()–使得图标可展示可不展示
 
8.加各种形状图标以及画子图—Features.ipynb
 (1)画图标：ColorLine–画圆
 
(2)Marker:标记属性，标记大小，位置，标记点击显示提示内容…
 
(3)子图：
 
mport branca
N = 100
multi_iter2 = {
    "x": np.random.uniform(size=(N,)),
    "y": np.random.uniform(size=(N,)),
scatter = vincent.Scatter(multi_iter2, iter_idx="x", height=250, width=420)
data = json.loads(scatter.to_json())
f = branca.element.Figure()
# Create two maps.
m = folium.Map(
    location=[0, 0],
    tiles="stamenwatercolor",
    zoom_start=1,
    position="absolute",
    left="0%",
    width="50%",
    height="50%",
m2 = folium.Map(
    location=[46, 3],
    tiles="OpenStreetMap",
    zoom_start=4,
    position="absolute",
    left="50%",
    width="50%",
    height="50%",
    top="50%",
# Create two Vega.
v = features.Vega(data, position="absolute", left="50%", width="50%", height="50%")
v2 = features.Vega(
    data, position="absolute", left="0%", width="50%", height="50%", top="50%"
f.add_child(m)
f.add_child(m2)
f.add_child(v)
f.add_child(v2)
两个地图+两个散点图
 
 (4)GeoJson:一次性添加多个marker
 
9.FloatImage.ipynb–地图上添加图片
 
10.GeoJSONWithoutTitles.ipynb–背景自定义（可以加栅格，但是栅格大小会变）
 
※11. 地理数据处理及热力图（区域）-- GeoJSON_and_choropleth.ipynb
 （1）数据准备：上面的GeoJson或者geopandas库
 geopandas库包含地理数据：
 
import geopandas
gdf = geopandas.read_file(us_states)
m = folium.Map([43, -100], zoom_start=4)
folium.GeoJson(
    gdf,
).add_to(m)
（2）点击地图某一位置，自动放大-- zoom_on_click
 
m = folium.Map([43, -100], zoom_start=4)
folium.GeoJson(geo_json_data, zoom_on_click=True).add_to(m)
（3）自定义显示颜色




    
 
#提供函数的好处在于，您可以根据特性指定样式。例如，如果你想用绿色显示所有名字中包含字母“E”的州，只需:
m = folium.Map([43, -100], zoom_start=4)
folium.GeoJson(
    geo_json_data,
    style_function=lambda feature: {
        "fillColor": "green"
        if "e" in feature["properties"]["name"].lower()
        else "#ffff00",
        "color": "black",
        "weight": 2,
        "dashArray": "5, 5",
).add_to(m)
※(4)热力图（区域）–Choropleth
 
m = folium.Map([43, -100], zoom_start=4)
folium.Choropleth(
    geo_data=us_states,
    fill_opacity=0.3,
    line_weight=2,
).add_to(m)
这个类可以将GeoJSON的图形覆盖到地图上。如果不绑定数据则显示单色的地图，如果绑定数据则通过值得大小显示不同颜色。具体使用方法：
 
class folium.features.Choropleth(geo_data, data=None, columns=None, key_on=None, bins=6, fill_color=None, nan_fill_color='black', fill_opacity=0.6, nan_fill_opacity=None, line_color='black', line_weight=1, line_opacity=1, name=None, legend_name='', overlay=True, control=True, show=True, topojson=None, smooth_factor=None, highlight=None, **kwargs)
参数说明：
 
geo_data：指定GeoJSON，可以是JsonURL、file path或其他类型 (json、dict、geopandas等)的GeoJSON几何数据
data：需要绑定的GeoJSON的数据，默认为空。传入的数据可以是Pandas DataFrame或Series，具体Series没有使用过,拆测如果传Series需要将index设置为匹配项。
columns：当数据传入的时Pandas DataFrame设定想要的值，第一列需要与GeoJSON匹配的列，第二列为具体的值
key_on：GeoJSON中需要绑定的列，默认为空。格式中需要以feature对象开头，如id或 feature.properties.statename
bins：设定对值要划分的数量，默认为6，如果传入的是数值，则传入数字时，会使用data中的最大值和最小值进行平均划分。如果传入的是一个序列，则会按序列定义边界。同时也可以传入字符串，可传入的字符串可以从histogram的文档中找到。
fill_color：区域需要填充的颜色，默认为blue，可以传入16进制的颜色代码或颜色名称，如果绑定了数据，则可以传入“颜色地图”，比如：‘BuGn’, ‘BuPu’, ‘GnBu’, ‘OrRd’, ‘PuBu’, ‘PuBuGn’, ‘PuRd’, ‘RdPu’, ‘YlGn’, ‘YlGnBu’, ‘YlOrBr’, and ‘YlOrRd’.
nan_fill_color：NaN区域填充的颜色，默认为’black’，即GeoJSON中没有匹配到的图形填充的颜色。
fill_opacity ：填充颜色的透明度，默认为6，可选值为0-1
nan_fill_opacity：NaN区域填充颜色透明度，默认取fill_opacity的值。
line_color：区域边框颜色，默认为’black’
line_weight：区域边框款对，默认为1
line_opacity：区域边框透明度，默认为1
legend_name：图例标识名称
topojson：除了GeoJson外，同时也支持TopoJSON格式的的边界数据。 (string, default None) – If using a TopoJSON, passing “objects.yourfeature” to the topojson keyword argument will enable conversion to GeoJSON. TopoJSONs can be passed as “geo_data”, but the “topojson” keyword must also be passed with the reference to the topojson objects to convert. See the topojson.feature method in the TopoJSON API reference: https://github.com/topojson/topojson/wiki/API-Reference
smooth_factor：平滑因子，主要为了简化每个缩放级别的折线。数值越大表示越平滑，同时性能也更好，数值越小说明越精确，Leaflet中的默认值为0
highlight：当鼠标悬停在区域上时是否要突出显示，默认为False
name：层的名字，可选。如果设置了可以在LayerControls中出现。
overlay：添加层的设置，默认为True（覆盖层），如果传False则为基础层。
control：是否将图层包含到LayerControls中，默认为True
show：是否在地图打开时就显示层，默认为True
e.g.:
 
import folium
import pandas as pd
geo_json_data = "data/china_city.json"
df = pd.read_excel("data/orders.xlsx")
m = folium.Map(location=[32, 120], zoom_start=5)
folium.Choropleth(
    geo_data=geo_json_data,
    data=df,
    columns=["cityname", "order_count"],
    key_on="feature.properties.name",
    fill_color="BuPu",
    fill_opacity=0.7,
    line_opacity=0.2,
    legend_name="Order Count",
).add_to(m)
12.在每个边界对象上显示注释–GeoJsonPopupAndTooltip.ipynb
 【这里主要涉及对DataFrame对象的处理】
 （觉得画出来的还挺好看的，但是未实践，待补）
 
13.热力图（点状）–HeatMapWithTime.ipynb，Heatmap.ipynb
 可以随时间变化显示点的热力情况
 后续会有基于区域热力图进行详细试验，主要涉及时序数据的处理。
 
14.地图画线-- Highlight_Function.ipynb
 
15.ImageOverlay.ipynb
 
16.画多组Marker–MarkerCluster.ipynb
 
17.添加多个圆–MinMaxLimits.ipynb
 
18.地图中加小地图–MiniMap.ipynb
 
19.在设定位置上加图表式的图标–Minicharts.ipynb
 可以直观反映这个地方某方面的占比
 
20.点聚合–Plugins.ipynb
 放置多个Marker,放大zoom时，可以将点聚合，显示这一区域有对应几个Marker
 
21.加各种形状的线以及流动的线-- PolyLineTextPath_AntPath.ipynb
 
import folium
from folium import plugins
m = folium.Map([30, 0], zoom_start=3)
##流动线的数据形式，注意经纬度放置顺序
wind_locations = [
    [59.35560, -31.992190],
    [55.178870, -42.89062],
    [47.754100, -43.94531],
    [38.272690, -37.96875],
    [27.059130, -41.13281],
    [16.299050, -36.56250],
    [8.4071700, -30.23437],
    [1.0546300, -22.50000],
    [-8.754790, -18.28125],
    [-21.61658, -20.03906],
    [-31.35364, -24.25781],
    [-39.90974, -30.93750],
    [-43.83453, -41.13281],
    [-47.75410, -49.92187],
    [-50.95843, -54.14062],
    [-55.97380, -56.60156],
wind_line = folium.PolyLine(wind_locations, weight=15, color="#8EE9FF").add_to(m)
m = folium.Map()
folium.plugins.AntPath(
    locations=wind_locations, reverse="True", dash_array=[20, 30]
).add_to(m)
m.fit_bounds(m.get_bounds())
22.画封闭图形（点连线成面）–Polygons_from_list_of_points.ipynb
 
23.SmoothFactor.ipynb–边界线平滑
 默认情况下，单张中的折线对象是平滑的。这将从行中删除点，在绘图时减少浏览器的负载。
 平滑的级别可以在创建任何Polyline对象时通过smoothFactor作为一个选项来指定。在folium中，平滑的级别可以在初始化GeoJson、TopoJson和Choropleth对象时通过传递smooth_factor作为参数来确定。平滑水平没有上界和下界;传单的默认值是1。
 
folium.TopoJson(
    data=topo,
    object_path="objects.antarctic_ice_shelf",
    name="default_smoothing",
    smooth_factor=10,  #1的时候不平滑，10的时候，在放大时是很平滑
    style_function=lambda x: {"color": "#004c00", "opacity": "0.7"},
).add_to(m)
smooth_factor为平滑程度，随着地图的放大加载，边界显示越来越曲折。
 
24.地图样式类型–TilesExample.ipynb
 
※25.时间轴热力图（区域）–TimeSliderChoropleth.ipynb
 后续以入门赛为背景详讲
 
26.在图层上画圆–VectorLayers.ipynb
 
27.自定义画图形–plugin-Draw.ipynb
 
28.地图宽高设置-- WidthHeight.ipynb
 
29.搜索功能–plugin-Search.ipynb
 输入城市名字，会地图展现至对应地方
 
感觉高德API中很多功能和Folium如出一辙，只是高德有更准确的地理数据，操作简洁，页面美观。Folium库的功能，高德上大部分都有对应的（时间轴的好像没有，一般例如加标记，搜索，路线图，热力图，聚合等等高德都是有的）。
 但是高德只能做固定结果的呈现。对Folium，可以自己改代码，跑代码，更进一步体会Python的魅力~
 
后面写Folium在【入门级-用Pandas揭秘美国选民的总统喜好】的应用~~
 (加※号的在里面有更具体的实践）
                                    丫Folium是一个基于Python的库，用于将地理数据转换为交互式地图。它使用Leaflet.js前端库来生成地图，并且可以轻松集成到Web应用程序中。Folium特别适合于数据科学和地理信息系统（GIS）领域的可视化。
                                    是一个功能强大且易于使用的地理可视化工具，它能够帮助开发者轻松创建交互式地图，并为地理数据的展示提供多种丰富的可视化效果。无论是数据科学中的地理分析、物流配送的路径规划，还是地理教学中的互动演示，Folium都能够提供直观且高效的解决方案。通过本文的介绍和示例代码，希望大家能够掌握Folium的基本和高级功能，并灵活地将其应用于各种实际场景中。我们还为大家准备了Python资料，感兴趣的小伙伴快来找我领取一起交流学习哦！🌟 学习大礼包包含内容Python全领域学习路线图。
                                    folium基础内容介绍
1. 简介
​	folium是js上著名的地理信息可视化库leafet.js为Python提供的接口，通过它，我们可以通过在Python端编写代码操纵数据，来调用leaflet的相关功能，基于内建的osm或自行获取的osm资源和地图原件进行地理信息内容的可视化，以及制作优美的可交互地图，是通过不断添加图层元素来定义一个Map对象，最后以几种方式将Map对象展现出来。
​	而在Map对象的生成形式上，可以在定义所有的图层内容之后，将其保存为html文件在浏览器中独立显示，也可以基于j
　　folium是js上著名的地理信息可视化库leaflet.js为Python提供的接口，通过它，我们可以通过在Python端编写代码操纵数据，来调用leaflet的相关功能，基于内建的osm或自行获取的osm资源和地图原件进行地理信息内容的可视化，以及制作优美的可交互地图。其语法格式类似ggplot2，是通过不断添加图层元素来定义一个Map对象，最后以几种方式将Map对象展现出来。
                                    更多Python学习内容：ipengtao.comFolium是一个基于Python的地理数据可视化库，它通过简洁的接口将Python的数据操作能力与Leaflet.js的地图呈现能力结合在一起。Folium使得创建交互式地图变得非常简单，广泛应用于数据分析、地理信息系统（GIS）和Web应用程序。本文将详细介绍Folium库的安装、主要功能、基本操作、高级功能及其实践应用，并提供丰富的示例代码。...
                                    Folium是一个基于Python的数据可视化库，它使用Leaflet.js库来生成交互式地图。Folium可以帮助我们在Python中创建各种类型的地图，包括散点图、热力图、轮廓图等。它简单易用，具有丰富的功能和可定制性。Folium是一个强大的数据可视化库，它能够帮助我们在Python中创建各种类型的地图。无论是散点图、热力图还是轮廓图，Folium都提供了简单易用的方法来实现。希望本文对你对Folium库有了更详细的了解！以下是一个简单的示例代码，用于在地图上显示某个城市的房价热力图。
                                    geojson_obj = folium.GeoJson(points, style_function=style_one).add_to(marker_cluster)
statesearch = Search(layer=marker_cluster,
geom_type=‘Point’,
placeholder=“Search”,
collapsed=True,
search_label=‘name’,
search_zoom=14,
position=‘topright’
).add_to(m)
                                    Folium 是一个 Python 库，用于将数据可视化在地图上。它构建在 Leaflet.js 的基础上，提供了一种简单而强大的方式来创建交互式地图。Folium 可以在地图上绘制标记、绘制形状、添加信息弹出窗口，并与地图上的元素进行交互。使用 Folium，可以创建各种类型的地图，包括散点图、热力图、轨迹图等。这使得 Folium 成为数据科学家、地理信息系统（GIS）专业人员以及任何对地理信息感兴趣的人的理想选择。# 创建一个地图对象# 在地图上添加一个标记',# 显示地图m。
                                    Folium 是一个 Python 库，用于地图数据可视化。它构建在 Leaflet.js 的基础上，可以在地图上绘制标记、绘制形状、添加信息弹出窗口，并与地图上的元素进行交互。以jupyter为例，展示代码和结果。