如何加速Streamlit中集成的Folium地图加载速度？

以下是针对Streamlit中使用streamlit_folium切换地图时加载缓慢的具体优化方法：

• 缓存地图生成逻辑：利用Streamlit的@st.cache_data装饰器缓存地图生成结果，避免用户切换选项时重复执行耗时的渲染逻辑。相同选择下直接复用已生成的地图对象，大幅减少重复计算：

  import streamlit as st
  import folium
  from streamlit_folium import folium_static
  
  @st.cache_data(show_spinner=False)
  def generate_map(selected_option):
      # 根据用户选择初始化地图
      m = folium.Map(location=[45.5236, -122.6750], zoom_start=13)
      # 添加对应选项的图层、标记等内容
      if selected_option == "选项1":
          folium.Marker([45.5236, -122.6750], popup="点位1").add_to(m)
      elif selected_option == "选项2":
          folium.CircleMarker([45.5336, -122.6850], radius=10, color="red").add_to(m)
      return m
  
  # 用户选择组件
  selected = st.selectbox("选择地图内容", ["选项1", "选项2"])
  # 获取缓存的地图对象
  map_obj = generate_map(selected)
  # 渲染地图
  folium_static(map_obj)
  

  注：若地图依赖实时更新的数据，可通过ttl参数设置缓存过期时间，或用hash_funcs处理不可哈希的自定义对象。

• 精简地图元素数量：避免一次性加载过多标记、多边形或图层，仅渲染当前选项所需内容：

  • 用folium.FeatureGroup批量管理元素，减少DOM节点数量
  • 移除不必要的默认控件（如control_scale=False关闭缩放比例尺）

  # 批量添加标记到FeatureGroup
  fg = folium.FeatureGroup(name="批量点位")
  # 仅加载当前选项过滤后的坐标数据
  for coord in filtered_coords:
      folium.Marker(coord).add_to(fg)
  fg.add_to(m)
  # 初始化地图时关闭不必要控件
  m = folium.Map(location=[45.5236, -122.6750], zoom_start=13, control_scale=False)
  

• 优化底图与渲染参数：

  • 选择轻量化底图，如tiles='Stamen Terrain'或tiles='OpenStreetMap'（部分高清商用底图加载耗时更长）
  • 调用folium_static时设置合理的width和height，避免渲染过大尺寸的地图：

    folium_static(map_obj, width=800, height=600)
    

• 静态地图替代（无交互需求场景）：若不需要Folium的交互功能，可将地图转为静态图片后渲染，加载速度会显著提升：

  from PIL import Image
  import io
  
  @st.cache_data
  def convert_map_to_image(map_obj):
      img_bytes = map_obj._to_png()
      return Image.open(io.BytesIO(img_bytes))
  
  st.image(convert_map_to_image(map_obj))
  

• 缓存前置数据处理：若地图内容依赖大量数据过滤、计算，先缓存处理后的数据集，再传入地图生成函数，避免重复执行数据逻辑：

  @st.cache_data
  def get_processed_data(selected_option):
      # 耗时的数据过滤、转换逻辑
      return processed_data
  
  filtered_data = get_processed_data(selected)
  map_obj = generate_map(filtered_data)
  

内容的提问来源于stack exchange，提问作者Mahfoud B.