### 使用Python根据经纬度数据创建Heatmap地图可视化 #### 方法一：利用 `folium` 创建交互式热力图 `folium` 是一个强大的库，它能够将 Python 数据处理功能与 Leaflet.js 的绘图能力相结合。对于创建基于经纬度的热力图来说，可以先准备一组包含纬度、经度以及权重的数据集。 ```python import folium from folium.plugins import HeatMap # 示例数据列表 [(latitude, longitude, weight)] data = [ (39.9042, 116.4074, 5), # 北京市 (31.2304, 121.4737, 8), ... ] # 初始化中心位置的地图对象 m = folium.Map(location=[39.9042, 116.4074], zoom_start=5) # 添加热力层至地图 HeatMap(data).add_to(m) # 保存为HTML文件以便查看 m.save('heatmap.html') ``` 此方法适用于希望得到具有较高互动性的在线地图展示效果的情况[^1]。 #### 方法二：采用 `pyecharts` 实现静态或动态热力图 `pyecharts` 提供了一种简单的方式来构建各种类型的图表，包括热力图。当涉及到特定地理位置上的热点分布时，可以通过向 `Geo` 类传递自定义坐标来实现这一点。 ```python from pyecharts.charts import Geo from pyecharts.globals import ChartType geo = ( Geo() .add_schema(maptype="china") # 设置底图为中国地图 .add( "地点", [("北京", 10), ("上海", 20)], # 自定义城市名称及其对应的数值 type_=ChartType.HEATMAP, ) .set_series_opts(label_opts=options.LabelOpts(is_show=False)) .render("custom_heatmap.html") ) ``` 这种方法适合那些更倾向于生成易于分享和嵌入网页中的静态图像的人群[^2]。 #### 结合OpenCV绘制场景热力图 除了上述两种方式外，还可以考虑使用 OpenCV 来叠加热度信息到实际图片上形成所谓的“场景热力图”。这种方式通常用于显示某些事件发生的频率或者强度在一个具体环境中是如何变化的。 ```python import numpy as np import cv2 hit_img = np.zeros((height, width)) # 构建空白热度图 for point in points: # 遍历所有兴趣点并增加对应像素值 hit_img[int(point[1]), int(point[0])] += value alpha = 0.5 # 调整透明度参数 overlay = cv2.applyColorMap(np.uint8(255 * hit_img / max_value), cv2.COLORMAP_JET) output_image = cv2.addWeighted(src1=image, alpha=(1 - alpha), src2=overlay, beta=alpha, gamma=0) cv2.imwrite('scene_heatmap.png', output_image) ``` 这段代码展示了如何读取一系列的兴趣点（即发生过某类活动的位置），并将这些位置的信息转换成颜色编码后的视觉表示形式[^3]。