如何使用 Folium 将簇标记添加到 Choropleth

Posted 2023-03-30

【中文标题】如何使用 Folium 将簇标记添加到 Choropleth

【英文标题】：How to add Cluster markers to Choropleth with Folium

【发布时间】：2020-01-22 10:46:56

【问题描述】：

我在 Folium 中使用 Choropleth 和 Cluster 标记图已经有一段时间了（这很棒）。我的问题是是否可以将它们组合在一张地图中，这样我就可以看到一个变量对另一个变量的影响程度。我可以让两种地图类型单独工作，所以那里没有问题。到目前为止，这是我尝试将两者结合起来的代码：

import pandas as pd
import folium
from folium.plugins import MarkerCluster

input_filename="input_filename.csv"
df = pd.read_csv(input_filename,encoding='utf8')
geo = 'blah.json'
comparison = 'comparison.csv'
comparison_data = pd.read_csv(comparison)

m = folium.Map(location=[Lat,Lon], zoom_start=12)

folium.Choropleth(
    geo_data=geo,
    name='choropleth',
    data=comparison_data,
    columns=['col1','col2'],
    key_on='feature.properties.ID',
    fill_color='OrRd',
    fill_opacity=0.5,
    line_opacity=0.5,
    legend_name='Blah (%)'
).add_to(m)

folium.LayerControl().add_to(m)
marker_cluster = MarkerCluster().add_to(m)

for row in df.itertuples():
    folium.Marker(location=[row.Lat,row.Lon],popup=row.Postcode).add_to(marker_cluster)

m

它会生成等值线，但也不会对集群标记进行分层。值得注意的是，我在单独使用集群标记时遇到了问题，它们不会显示在 Jupyter 笔记本中，但我通过将文件保存为 html 来解决它，然后可以查看。

【参考方案1】：

好的，我已经解决了，真的很高兴！！解决方案是先做标记聚类，然后用 Choropleth 跟进：

import pandas as pd
import folium
from folium.plugins import MarkerCluster

m = folium.Map(location=[Lat,Lon], zoom_start=12)

input_filename="input_filename.csv"
df = pd.read_csv(input_filename,encoding='utf8')
geo = 'blah.json'
comparison = 'comparison.csv'
comparison_data = pd.read_csv(comparison)

folium.LayerControl().add_to(m)
marker_cluster = MarkerCluster().add_to(m)

for row in df.itertuples():
    folium.Marker(location=[row.Lat,row.Lon],popup=row.Postcode).add_to(marker_cluster)

folium.Choropleth(
    geo_data=geo,
    name='choropleth',
    data=comparison_data,
    columns=['col1','col2'],
    key_on='feature.properties.ID',
    fill_color='OrRd',
    fill_opacity=0.5,
    line_opacity=0.5,
    legend_name='Blah (%)'
).add_to(m)

m

【参考方案2】：

from random import randint
import folium

def rgb_to_hex(rgb):
    return '#%02x%02x%02x' % rgb

mp = folium.Map(location=[40.6, -73.7], scale = 10)

colors = []
while len(colors) != 50:
    r = randint(0, 255)
    g = randint(0, 255)
    b = randint(0, 255)
    if rgb_to_hex((r, g, b)) not in colors:
        colors.append(rgb_to_hex((r, g, b)))
        
for j in range(df.shape[0]):
    lat = df.iloc[j]['latitude']
    lon = df.iloc[j]['longitude']
    color = colors[int(df.iloc[j]['clust'])]
    
    folium.Circle(location=[lat, lon], radius=8, color = color).add_to(mp)

【讨论】：

您的答案可以通过额外的支持信息得到改进。请edit 添加更多详细信息，例如引用或文档，以便其他人可以确认您的答案是正确的。你可以找到更多关于如何写好答案的信息in the help center。