推荐一个超好用的python包folium, 专门用于地理数据可视化，官方英文教程教程点击这里，查看本文源代码请点击这里。 
使用方法很简单，操作如下：导入包，创建一副世界地图
import folium
import pandas as pd
# define the world map
world_map = folium.Map()
# display world map
world_map
2. 输入经纬度，尺度，在这里我们以旧金山（37.7749° N, 122.4194° W）为例。
# San Francisco latitude and longitude values
latitude = 37.77
longitude = -122.42
# Create map and display it
san_map = folium.Map(location=[latitude, longitude], zoom_start=12)
# Display the map of San Francisco
san_map
更改地图显示，默认为'OpenStreetMap'风格，我们还可以选择'Stamen Terrain', 'Stamen Toner'等。
# Create map and display it
san_map = folium.Map(location=[latitude, longitude], zoom_start=12,tiles='Stamen Toner')
3. 读取数据集（旧金山犯罪数据集）# Read Dataset cdata = pd.read_csv('https://cocl.us/sanfran_crime_dataset')
`
# Read Dataset
cdata = pd.read_csv('https://cocl.us/sanfran_crime_dataset')
cdata.head()
4. 在地图上显示前200条犯罪数据
# get the first 200 crimes in the cdata
limit = 200
data = cdata.iloc[0:limit, :]
# Instantiate a feature group for the incidents in the dataframe
incidents = folium.map.FeatureGroup()
# Loop through the 200 crimes and add each to the incidents feature group
for lat, lng, in zip(cdata.Y, data.X):
incidents.add_child(
folium.CircleMarker(
[lat, lng],
radius=7, # define how big you want the circle markers to be
color='yellow',
fill=True,
fill_color='red',
fill_opacity=0.4
)
)
# Add incidents to map
san_map = folium.Map(location=[latitude, longitude], zoom_start=12)
san_map.add_child(incidents)
5. 添加地理标签
# add pop-up text to each marker on the map
latitudes = list(data.Y)
longitudes = list(data.X)
labels = list(data.Category)
for lat, lng, label in zip(latitudes, longitudes, labels):
folium.Marker([lat, lng], popup=label).add_to(san_map)
# add incidents to map
san_map.add_child(incidents)
6. 统计区域犯罪总数
from folium import plugins
# let's start again with a clean copy of the map of San Francisco
san_map = folium.Map(location = [latitude, longitude], zoom_start = 12)
# instantiate a mark cluster object for the incidents in the dataframe
incidents = plugins.MarkerCluster().add_to(san_map)
# loop through the dataframe and add each data point to the mark cluster
for lat, lng, label, in zip(data.Y, data.X, cdata.Category):
folium.Marker(
location=[lat, lng],
icon=None,
popup=label,
).add_to(incidents)
# add incidents to map
san_map.add_child(incidents)
7. 读取geojson文件，可视化旧金山市10个不同Neighborhood的边界
import json
import requests
url = 'https://cocl.us/sanfran_geojson'
san_geo = f'{url}'
san_map = folium.Map(location=[37.77, -122.4], zoom_start=12)
folium.GeoJson(
san_geo,
style_function=lambda feature: {
'fillColor': '#ffff00',
'color': 'black',
'weight': 2,
'dashArray': '5, 5'
}
).add_to(san_map)
#display map
san_map
8. 统计每个区域的犯罪事件数目
# Count crime numbers in each neighborhood
disdata = pd.DataFrame(cdata['PdDistrict'].value_counts())
disdata.reset_index(inplace=True)
disdata.rename(columns={'index':'Neighborhood','PdDistrict':'Count'},inplace=True)
disdata
9. 创建Choropleth Map （颜色深浅代表各区犯罪事件数目）
m = folium.Map(location=[37.77, -122.4], zoom_start=12)
folium.Choropleth(
geo_data=san_geo,
data=disdata,
columns=['Neighborhood','Count'],
key_on='feature.properties.DISTRICT',
#fill_color='red',
fill_color='YlOrRd',
fill_opacity=0.7,
line_opacity=0.2,
highlight=True,
legend_name='Crime Counts in San Francisco'
).add_to(m)
m
10. 创建热力图
from folium.plugins import HeatMap
# let's start again with a clean copy of the map of San Francisco
san_map = folium.Map(location = [latitude, longitude], zoom_start = 12)
# Convert data format
heatdata = data[['Y','X']].values.tolist()
# add incidents to map
HeatMap(heatdata).add_to(san_map)
san_map
本文源代码Jupyter notebook地址：Jupyter Notebook Viewernbviewer.jupyter.orgGitHub下载地址：gaonanlee/Visualization-Practicegithub.com
最后，folium还可以用来创建动态热力图，动态路径图等，具体可参考Medium上的这篇文章。
我的其他回答哪些 Python 库让你相见恨晚？学习python中的pandas有没有好的教程推荐？机器学习中的因果关系: 从辛普森悖论（常见的统计学谬误）谈起欢迎大家关注我的机器学习笔记专栏，我将用小白也能听懂的语言，为大家讲述机器学习中那些有趣好玩的知识 (●'◡'●)
张戎：如何用 PYTHON 绘制漂亮的地图？— FOLIUM 作图工具介绍 Folium 简介作为 Python 的一个可视化工具包 Folium，它通过 Leaflet 的地图服务，可以在 Jupyter Notebook 上实现可视化的地理位置作图，制作各种各样精美的地图信息。它不仅可以针对某个经纬度进行地理位置的可视化操作，还能够根据实时的人群地理位置信息来构建静态与动态热力图，甚至还能够针对经纬度的数量来进行必要的聚类可视化。本文将会基于新加坡的地图，对 Folium 的一些功能做简要的介绍，对此工具有兴趣的读者可以参阅 Folium 的官方文档。创建地图通过 Folium 工具，可以直接作出一张世界地图，其代码也十分地简洁明了。
from folium.plugins import HeatMap
# let's start again with a clean copy of the map of San Francisco
san_map = folium.Map(location = [latitude, longitude], zoom_start = 12)
# Convert data format
heatdata = data[['Y','X']].values.tolist()
# add incidents to map
HeatMap(heatdata).add_to(san_map)
san_map
世界地图除了能够作出一张完整的世界地图之外，通常程序员最常见的需求是针对某个或者某一些经纬度，来作出一张局部地图。地图中不仅需要包括经纬度信息，也需要有街道信息等必要的内容，甚至需要对经纬度的标记做一些必要的定制化工作。在初始化一张地图的时候，需要指定它的经纬度信息，也就是 location 的位置。也需要根据需要放大的尺寸来指定相应的 zoom_start 值。另外，tiles 是 str 型，用于控制绘图调用的地图样式，默认为'OpenStreetMap'，也有一些其他的内建地图样式，如'Stamen Terrain'，'Stamen Toner'。有的时候需要在地图上标识出相应的经纬度，此时需要使用 folium.Marker 函数。其使用方法就是直接输入相应的经纬度信息，以及 icon 的形状（例如 'cloud', 'info-sign' 等）；除此之外，还可以对其颜色进行标记，一般是对参数 color 进行调整即可。另外，在某些经纬度上，还可以使用“点击-弹出“的控件 tooltip 和 popup，一旦鼠标指向该位置，就会呈现出相应的弹出信息。
Folium 的经纬度作图（OpenStreetMap）
Folium 的经纬度作图（Stamen Terrain）
Folium 的经纬度作图（Stamen Toner）有的时候，我们只知道某个地点，但是并不知道相应的经纬度数据，此时，只需要使用 folium.LatLngPopup() 就可以在鼠标指向位置上呈现相应的经纬度值，可以方便的查阅和使用。
点击地图呈现经纬度几何形状在作出关键的经纬度点之后，有的时候我们需要作出相应的几何图形将其显示得更加清楚。Folium 提供线段相连，多边形，圆形，矩形等诸多图形，只需要使用相应的函数即可。
Folium 中的画出各种形状热力图在实际使用经纬度信息的时候，通常来说会针对某个 APP 或者多款 APP 的实时经纬度信息来获取路况的拥挤程度，景区的人流量等信息，在这种情况下，就可以做出热力图。通过实时的热力图信息，我们可以获得相应的人流量信息进行必要的数据分析工作。
除了单张图的热力图之外，Folium 还能够计算一段时间的连续热力图信息。
连续时间的热力图经纬度点的聚类除了热力图能反映人流量的信息，基于地理位置的聚类算法同样能够反映一个地区的拥挤程度，Folium 的 MarkerCluster() 函数可以对一个区域中的点来做聚类，在地图中可以放大和缩小，从而知道局部最拥挤的点在哪里了，最稀疏的区域是哪里。
经纬度的点聚类可视化以上就是关于 Folium 的基础内容，有兴趣的读者可以自行参阅 Folium 的官方文档。参考文献Folium 官方文档：Folium - Folium 0.12.1 documentation
Python地图可视化库有大家熟知的pyecharts、plotly、folium，其他回答都有介绍，还有稍低调的bokeh、basemap、geopandas，也是地图可视化的利器。首先介绍下bokehbokeh擅长制作交互式图表，当然在地图展示方面也毫不逊色。Bokeh支持google地图、geojson数据的地理可视化展示，关键是可以动态交互。
Bokeh官网提供了详细的地图可视化方案，感兴趣的把示例代码拉出来跑一跑。https://docs.bokeh.org/en/latest/docs/user_guide/geo.html basemap是专业的地理信息可视化库 可以毫不夸张的说，basemap是python地图可视化最牛逼的第三方库，没有之一。basemap基于matplotlib开发，所以它具有创建数据可视化的所有功能，必须配合matplotlib使用。只需要几行代码就可以画一张世界地图：
`from
由于basemap无所不能的绘图能力，你还可以画：风勾图
轮廓图
填充轮廓图
伪彩色图
地理标记
矢量场流线图
实景地图
多子图地图
3D地图
注：评论里提醒，由于basemap支持py2，而py2已经停止维护，所以basemap也被matplotlib放弃了。取而代之的是cartopy ，支持py3，完美结合matplotlib。
最后说说geopandas geopandas，顾名思义是基于pandas的地图可视化工具，所以它对地理数据的处理非常方便。推荐大家将geopandas作为地理信息数据处理的主要工具。之前写过一个geopandas的入门教程，供大家参考：朱卫军：geopandas，用python分析地理空间数据原来这么简单！zhuanlan.zhihu.com
配合使用matplotlib，很简单的代码就可以画出漂亮的地图：
