如何用Folium生成以房价为权重的热力图而非默认频率热力图

嘿，你完全不用靠复制行来模拟权重！Folium的HeatMap插件本身就支持直接传入权重值，这才是高效且正确的做法。

核心原理 #

HeatMap接受的热力数据列表里，每个元素可以是**[纬度, 经度, 权重值]**的三元组，第三个值就会被用作该点的热力权重（数值越大，热力强度越高，颜色越深），完全不需要通过重复行来模拟频率。

修改后的完整代码 #

import pandas as pd
from folium import Map
from folium.plugins import HeatMap

# 你的示例数据
data = pd.DataFrame({
    "house_id" : [1, 2, 3, 4], 
    "latitude": [55.83, 55.79, 55.86, 55.85], 
    "longitude": [12.05, 12.10, 12.07, 12.09], 
    "price": [2000, 2100, 1500, 4500]
})

# 生成包含权重的热力数据：每个元素是[纬度, 经度, 房价]
heat_data = [[row['latitude'], row['longitude'], row['price']] for _, row in data.iterrows()]

# 创建基础地图
m = Map(location=[55.838913, 12.055415], zoom_start=13)

# 添加热力图，自动使用第三个值作为权重
HeatMap(heat_data).add_to(m)

# 显示地图（Jupyter环境直接运行m即可，本地环境可保存为HTML文件）
# m.save('house_price_heatmap.html')

额外优化建议 #

• 如果房价数值差异过大，可以对价格做归一化处理（比如(price - data['price'].min())/(data['price'].max() - data['price'].min())），让热力图的对比度更合理；
• 可以通过HeatMap的参数调整热力效果：比如radius控制点的影响范围，blur控制模糊程度，max_val设置最大权重对应的热力上限，示例：

  HeatMap(heat_data, radius=15, blur=10, max_val=data['price'].max()).add_to(m)
  

这个方法不仅计算效率拉满，还能精准反映每个房源的房价权重，完全避免了复制行带来的内存和性能浪费，大数据集下优势特别明显！

内容的提问来源于stack exchange，提问作者Dennis Hansen