如何基于带数值的Geohash绘制分级设色地图？

你之前用错了方法——polygon_to_geohashes是把多边形拆分成Geohash网格，和你需要的“单个Geohash转多边形”逻辑完全相反。下面是简单可行的解决步骤：

步骤1：安装依赖库 #

确保安装以下必要库：

pip install pandas geopandas folium polygon-geohasher

（如果不想额外依赖polygon-geohasher，也可以用geohash库替代）

步骤2：将Geohash转为多边形并关联数值 #

直接遍历每行数据，把每个Geohash转成对应的Polygon对象，和原数值绑定成GeoDataFrame：

方法一：用polygon-geohasher库（更简便） #

import pandas as pd
import geopandas as gpd
from polygon_geohasher import geohash_to_polygon
import folium

# 假设你的原始数据是DataFrame（也可从CSV/Excel读取）
data = pd.DataFrame({
    '数值': [2, 5],
    'Geohash': ['w21zgk', 'w21z4q']
})

# 为每行生成对应的多边形
data['geometry'] = data['Geohash'].apply(geohash_to_polygon)

# 转为GeoDataFrame，指定坐标系为WGS84（EPSG:4326）
gdf = gpd.GeoDataFrame(data, crs="EPSG:4326")

方法二：用geohash库手动构建多边形 #

如果不想依赖polygon-geohasher，可以自己解码Geohash边界生成多边形：

import pandas as pd
import geopandas as gpd
from shapely.geometry import Polygon
import geohash
import folium

def gh_to_polygon(gh_str):
    # 解码Geohash得到经纬度边界：(min_lon, min_lat, max_lon, max_lat)
    min_lon, min_lat, max_lon, max_lat = geohash.bounds(gh_str)
    # 构建四边形Polygon
    return Polygon([
        (min_lon, min_lat),
        (max_lon, min_lat),
        (max_lon, max_lat),
        (min_lon, max_lat),
        (min_lon, min_lat)
    ])

data = pd.DataFrame({
    '数值': [2, 5],
    'Geohash': ['w21zgk', 'w21z4q']
})

data['geometry'] = data['Geohash'].apply(gh_to_polygon)
gdf = gpd.GeoDataFrame(data, crs="EPSG:4326")

步骤3：用folium绘制分级设色地图 #

基于生成的GeoDataFrame，直接用folium的Choropleth组件绘图：

# 创建底图，中心设为所有Geohash区域的中心点
map_center = [gdf.geometry.centroid.y.mean(), gdf.geometry.centroid.x.mean()]
m = folium.Map(location=map_center, zoom_start=12)

# 添加分级设色图层
folium.Choropleth(
    geo_data=gdf,
    data=gdf,
    columns=['Geohash', '数值'],  # 关联的键列和数值列
    key_on='feature.properties.Geohash',  # GeoJSON中匹配的属性名
    fill_color='YlOrRd',  # 配色方案（可更换为其他folium支持的配色）
    fill_opacity=0.7,
    line_opacity=0.2,
    legend_name='数值分级'
).add_to(m)

# 添加鼠标悬停提示
folium.GeoJsonTooltip(['Geohash', '数值']).add_to(m)

# 保存地图为HTML文件
m.save('geohash_choropleth.html')

关键说明 #

核心逻辑是一对一将Geohash转成Polygon，确保每个多边形和原数据的数值一一对应，这样GeoDataFrame才能正确关联数据。如果你的原始数据量很大，这种逐行转换的效率也足够应对，因为Geohash转多边形是轻量操作。

内容的提问来源于stack exchange，提问作者imguessing