该公众号将为您奉上Python地学分析、爬虫、数据分析、Web开发、机器学习、深度学习等热门源代码。
本人的
GitHub
代码资料主页（持续更新中，多给Star，多Fork
）：
https://github.com/xbr2017
CSDN也在同步更新：
https://blog.csdn.net/XBR_2014
“本节通过folium模块来绘制全国PM2.5热力分布图，并生成对应的html文件。”
今天的遥感之美—歌曲《欧若拉》中的阿拉斯加。阿拉斯加州位于北美大陆西北端，东与加拿大接壤，另三面环北冰洋、白令海和北太平洋。卫星俯瞰神秘北极圈，阿拉斯加的山巅，谁的脸出现海角的天边（盗用歌词捂脸）。
哥伦比亚冰川位于美国阿拉斯加州，从海拔3,050米的冰原开始下降，沿着楚加奇山脉的侧翼下降，进入一个狭窄的入口，通往阿拉斯加东南部的威廉王子湾，它是世界上变化最快的冰川之一。科学家使用Landsat 4,5,7和8跟踪哥伦比亚冰川的变化已超过30年。哥伦比亚冰川是一个大型的潮水冰川，最终流入大海。
由Landsat系列卫星捕获的假彩色图像显示了自1986年以来冰川及其周围景观的变化。图像由以下传感器收集—专题制图仪（TM），增强型专题制图仪（ETM +）和陆地成像仪（OLI）—来自四种不同的Landsat卫星（4,5,7和8）。
Landsat图像结合了电磁波谱的短波红外，近红外和绿光波段。通过这种波长组合，雪和冰呈现明亮的青色，植被为绿色，云为白色或浅橙色，水体为深蓝色。暴露的基岩呈棕色，而冰川表面的岩石碎片呈灰色。
在过去三十年里，终点站向北退缩了20公里。在某些年份，终点站退缩了一公里以上，但速度不均匀。例如，终点站的运动在2000年至2006年之间停滞不前，因为大努纳塔克峰和卡丁峰（直接向西）限制了冰川的运动并将冰块固定。自20世纪80年代以来，冰川已经失去了其总厚度和体积的一半左右（译自Landsat官网）。
folium是Python中一个绘制地图的模块，并可以在地图（底图）上打点，画圈，做颜色标记的工具类。简单易学，和pandas可以很好的融合，是地图可视化的一款神器。
在命令行中直接在线安装即可，快速、简洁、方便、高效。
pip install folium
这个开源库中有许多来自OpenStreetMap、MapQuest Open、MapQuestOpen Aerial、Mapbox和Stamen的内建地图组件，而且支持使用Mapbox或Cloudmade的API密钥来定制个性化的地图组件。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。
本节先来展示一下它的简单应用，主要以2018年1月全国1000多个PM2.5地面观测站点为例，将这些数据以热力图（heat map）的形式展现给大家，并生成相应的html文件。
代码实现：
# _*_ coding: utf-8 _*_
__author__ = 'xbr'
__date__ = '2019/1/9 15:47'
import numpy as np
import pandas as pd
import folium
import webbrowser
from folium.plugins import HeatMap
# 读取csv文件,以Dataframe形式保存
df = pd.read_csv(r"D:\data\PM25-20180101.csv")
# 获取数据个数
num = df.shape[0]
# 获取纬度
lat = np.array(df["lat"][0:num])
# 获取经度
lon = np.array(df["lon"][0:num])
# 获取PM2.5，转化为numpy浮点型
pm25 = np.array(df["PM25"][0:num], dtype=float)
# 将数据制作成[lats, lons, weights]的形式
data1 = [[lat[i], lon[i], pm25[i]] for i in range(num)]
# 绘制Map，中心经纬度[32, 120],开始缩放程度是5倍
map_osm = folium.Map(location=[32, 120], zoom_start=5)
# 将热力图添加到前面建立的map里
HeatMap(data1).add_to(map_osm)
file_path = r"D:\AirQualityMap.html"
# 保存为html文件
map_osm.save(file_path)
# 默认浏览器打开
webbrowser.open(file_path)
对结果图局部放大：
对结果图局部放大：
缩小后全景图：
欢迎关注博主的微信公众号：“智能遥感”。该公众号将为您奉上Python地学分析、爬虫、数据分析、Web开发、机器学习、深度学习等热门源代码。本人的GitHub代码资料主页（持续更新中，多给Star，多Fork）：https://github.com/xbr2017CSDN也在同步更新：https://blog.csdn.net/XBR_2014“本节通过folium模块...
R = np.linspace(0, 2 * np.pi, size)
x = np.linspace(start=0, stop=size, num=size, dtype=np.int)
y = np.l
之前写过一篇博客，使用basemap实现的，
Basemap绘制中国地图
今天发现另一个软件库folium可以实现对openstreetmap的调用，参考链接http://blog.csdn.net/qq_14906811/article/details/74906275 ，下面是操作步骤：
下载2015Cities-CHINA.xlsx ，包含中国各城市的经纬度，自己网上搜索整理，数据可能过
这本书相当于一本大数据相关内容的大串讲吧。读完了并不能有短期的提高，但似乎能涨点内力。。虽然和算法有点不相关，但还是读一读吧！这篇文章写一点收获，相当于书本上额外的感悟。
第一章，可靠性、可扩展性、可维护性：
1、由于CPU比较器，所以处理数据密集型的应用程序的问题更棘手。
2、Sql 的拼接：select …from… join … on…=… 相当于先从 …=… 中选定两个表应选取的行，...
# 数据：经纬度和权重
data = [[40.04666663299843, 116.59569796477264, 0.9667425547098781],
[39.86836537517533, 116.28201445195315, 0.8708549157348728],
[40.08123232852134, 116.56884585184197, 0.910495
图片可能看不太清楚，可以看我的知乎链接来源https://zhuanlan.zhihu.com/p/85824404
作为一个小白，最近花了好长时间研究如何制作热力图，终于做出来啦！过程如下。
总体思路：
①收集到地名（如：407库住宅区 、八府庄小区）（xlsx格式）---->
②地名转化为经纬度（运用到百度地图api）---->
③新建一个...
在数据分析过程中，有时候需要一些数据以热力图的形式进行显示出来，从而能够更加直观地查看分析数据。下面以实际情况为例，展示热力图在两种不同情况下的应用。
一、识别图片中行人的关注点，并绘制热力图
我们在做超市商品卖场力分析的时候，可以通过分析超市密集人群的关注点，生成热力图，给厂商直观的视觉感受。步骤分为以下几步：
1、首先用行人检测技术检测出超市场景中的顾客，再用眼动追踪技术得到顾客眼睛凝视点的中心坐标。
2、将所有凝视点的中心坐标放入一个list类型的变量data中，即data = [[x1,y1],[x
要在 Python 中可视化地图，可以使用以下库：
1. folium：folium 是一个基于 Leaflet.js 的 Python 库，用于创建交互式地图。它可以显示地图、标记物、地形等。
2. cartopy：cartopy 是一个专门用于制作地图的 Python 库。它可以创建带有地图投影的地图，支持多种不同的地图投影方式。
3. geopandas：geopandas 是一个基于 pandas 库的地理数据处理库。它可以读取和处理各种地理数据格式，并支持绘制地图。
这里简单介绍一下使用 folium 库制作地图的方法：
首先，安装 folium 库：
pip install folium
然后，创建一个地图对象并添加标记：
```python
import folium
# 创建地图对象
map = folium.Map(location=[40.7589, -73.9851], zoom_start=13)
# 添加标记
folium.Marker([40.7589, -73.9851], popup='Times Square').add_to(map)
folium.Marker([40.7069, -74.0113], popup='Statue of Liberty').add_to(map)
# 显示地图
这段代码会创建一个地图对象，将地图中心设置为纽约市中心（40.7589, -73.9851），缩放级别为 13。然后，添加两个标记：时代广场和自由女神像。最后，显示地图。
