用folium.plugins.heatmap可快速渲染带坐标的热力图，是最轻量且无需服务器部署的方案，适合小到中等规模数据。
用 folium.plugins.HeatMap 快速渲染带坐标的热力图
直接用 folium + HeatMap 是最轻量、无需服务器部署的方案，适合小到中等规模数据（[lat, lon] 顺序，不是 [lon, lat] —— 这是初学者最常翻车的地方。
实操建议：
- 确保输入数据是
list of [lat, lon]或numpy.ndarray形状为(n, 2)，且lat在前； - 如果原始数据是 DataFrame，用
df[['latitude', 'longitude']].values.tolist()转换，别用df.values直接转——列序错会导致地图错位； - 支持
weight参数传入每个点的强度值（如事件频次），需与坐标一一对应，长度必须相同； - 默认半径
radius=25，密集区域可调小（如12），稀疏区域可略增大，但超过40易糊成一片。
当坐标量级超 10 万时，HeatMap 卡顿或崩溃怎么办
folium.plugins.HeatMap 本质是把所有点塞进前端 JS 数组，浏览器内存和渲染压力会陡增。不是代码写错了，是技术边界到了。
可行解法：
- 先用
scipy.spatial.cKDTree或sklearn.cluster.DBSCAN对点做空间聚合，生成带权重的网格中心点（例如每 500m×500m 一个代表点）； - 改用
folium.plugins.MarkerCluster+ 自定义 icon 颜色映射，虽非严格热力图，但交互更流畅； - 真要高密度渲染，切到
kepler.gl（Python 绑定为keplergl-jupyter），它走 WebGL，100 万点也能拖拽缩放，但需本地启动 Jupyter。
plotly.express.density_mapbox 为什么报 “No token found”
因为 density_mapbox 依赖 Mapbox 服务，必须提供合法的 Mapbox Access Token，且免费额度有限（每月 5 万次加载）。没配 token 就会卡在白底或抛出 ValueError: Mapbox access token not found。
配置步骤：
- 去 https://www.php.cn/link/7224d4068a5dd6666b8e62fbe047451e 注册，复制
Default public token； - 在 Python 中执行
plotly.express.set_mapbox_access_token("your_token_here")，**必须在绘图前调用**； - 注意：token 不要硬编码进脚本，推荐从环境变量读取：
os.getenv("MAPBOX_TOKEN")； - 若仅作内部演示，可临时用
mapbox_style="carto-positron"配合离线底图（但热力计算仍走 Mapbox 服务器，token 不可省）。
坐标系搞错导致热力图飘到海里或非洲
绝大多数国内公开地理数据（如高德、百度导出的 CSV）用的是 GCJ-02（火星坐标系），而 folium 和 plotly 默认按 WGS-84 渲染。两者偏移可达 500 米，直观表现就是整片热力“漂移”。
判断和修复：
- 拿一个已知位置的点（比如天安门：39.9042°N, 116.4074°E），在地图上搜，看热力点是否落在附近；
- 若明显偏移，大概率是 GCJ-02 → 需用
gcoord库转换：gcoord.gcj02_to_wgs84([[lat, lon]])； - 百度坐标（BD-09）更要单独转，不能混用 GCJ-02 转换函数；
- 转换后务必保留小数点后 6 位，少于 5 位会损失精度，导致聚合不准。
热力图看着简单，真正落地时坐标系、数据量、服务依赖三座山得一座座搬。尤其是 GCJ-02 转换和 Mapbox token，不踩一次坑很难信它真能影响最终呈现。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
