Folium

11 minuto(s) de leitura

O Folium é um pacote que possibilita a criação de mapas online, facilitando a visualização dos dados manipulados no Python em um mapa que usa a biblioteca JavaScript Leaflet. É possível inserir basemaps, shapefiles, arquivos geojson e topojson.

OBSERVAÇÃO

Esse post tem a finalidade de mostrar os comandos básicos e me deixar com uma "cola" rápida para meu uso cotidiano, apresentado em site michelmetran.github.io.
Todas os códigos são exemplificativos e podem/devem ser alterados, indicando o nome dos arquivos e diretórios corretamente.

INFORMAÇÃO

É possível acessar esse post em formato html, que possibilita ter uma visualização rápida do código;
Diretamente por meio do repositório, onde está disponível este arquivo .ipynb, que permite fazer edições no código;
Ou ainda, de maneira interativa, usando o MyBinder, que possibilita rodar e editar o código sem a necessidade de instalar nada.

Importando Bibliotecas

As bibliotecas básicas (ou packages) necessárias para criação do mapa são:

O Pandas, que tem a missão de trabalhar com dados, criar subsets, selecionar e filtros dados e;
O Folium, que é a biblioteca que cria, na prática, o mapa!

Diversos outros podem auxiliar, tais como branca, geopandas, seaborn etc.

import os
import json
import folium
import pandas as pd
import branca as bc
import seaborn as sns
import geopandas as gpd
from datetime import date

[os.makedirs(i, exist_ok=True) for i in ['data', 'docs', 'maps']]

Criando um mapa

Basta um par de coordenadas – que pode ser obtida facilmente no link de qualquer endereço usando Google Maps – e um nível de zoom que o mapa já está criado.

folium.Map(
    location=[-23.9619271, -46.3427499],    # Define coordenadas iniciais
    #min_zoom=6,                            # Define qual o menor zoom
    #max_zoom=14,                           # Define qual o maior zoom
    #no_wrap=True,
    max_bounds=True,
    zoom_start=12,                          # Define o zoom do início
    control_scale=True,                     # Define se terá barra de escala
    #width=400,
    #height=1500,
    #min_lat=min_lat,
    #max_lat=max_lat,
    #min_lon=min_lon,
    #max_lon=max_lon
)

Utilizando um conjunto de dados apresentado em Jessica Temporal, contendo coordenadas geográficas de empresas, podemos extrair uma empresa específica e plotar no mapa, ou ainda trabalhar de outras maneiras com esses dados.

# Lendo e filtrando dados
df = pd.read_csv(os.path.join('data', 'empresas.xz'))
df = df[df['state'] == 'SP']
df = df[df['city'] == 'SANTOS']

df.dtypes
#df.head(10)

Inserindo algumas coordenadas

# Cria o mapa
m = folium.Map(
    location=[0,0],
    zoom_start=15,
    min_zoom = 10,
    max_zoom = 15,
    max_bounds = True
    #min_lat = min_lat,
    #max_lat = max_lat,
    #min_lon = min_long,
    #max_lon = max_long
)

# Extrai informações de duas empresas
df1 = df.iloc[0]
df2 = df.iloc[1]

# Adiciona no mapa tais empresas
folium.Marker(
    location=[df1['latitude'], df1['longitude']],
).add_to(m)

folium.Marker(
    location=[df2['latitude'], df2['longitude']],
).add_to(m)

# Limite o zoom às feiçoes inseridas
m.fit_bounds(m.get_bounds())
m.get_bounds()[0]
#min_lat, min_long = m.get_bounds()[1]
#max_lat, max_long = m.get_bounds()[0]

# Apresenta o mapa
m

Inserindo multiplas coordenadas

# Cria o mapa
m = folium.Map(
    location=[-23.9619271,-46.3427499],
    zoom_start=12
)

# Adiciona todas as empresas selecionadas
for index, row in df.iterrows():
    folium.Marker(
        location=[row['latitude'], row['longitude']],
        tooltip=row['neighborhood'],
    ).add_to(m)

# Apresenta o mapa
m

Inserindo feições

As feições que são possiveis de apresentar são àquelas típicas do geoprocessamento:

Pontos;
Linhas;
Polígonos

Abaixo são apresentados alguns tipos de marcadores.

PS: Um site relevante para obter as cores em formato hexadecimal (bastante utilizado na definição dos styles do folium é usando o site ColorBook.io).

Pontos Simples

# Cria o mapa
m = folium.Map(
    location=[-23.9619271,-46.3427499],
    zoom_start=12,
    #width=767,
    #height=460,
)

# Cria cores para as tags
colors = {
    'PONTA DA PRAIA': 'pink',
    'CENTRO': 'blue',
    'GONZAGA': 'green',
    'JOSÉ MENINO': 'red',
    'EMBARE': 'beige',
    'MACUCO': 'blue',
    'VILA MATHIAS': 'lightblue',
    'POMPEIA': 'red',
    'APARECIDA': 'purple'
}

# Adiciona as diferentes empresas com cores por bairros
for index, row in df.iterrows():
    if row['neighborhood'] in colors.keys():
        folium.Marker(
            location=[row['latitude'], row['longitude']],
            popup=row['name'],
            tooltip=row['neighborhood'],
            icon=folium.Icon(
                color=colors[row['neighborhood']],
                icon='leaf'
            )
        ).add_to(m)

# Apresenta o mapa
m

Ponto com Buffer

# Cria o mapa
m = folium.Map(
    location=[-23.9619271,-46.3427499],
    zoom_start=12
)

# Adiciona as diferentes empresas com cores por bairros
for index, row in df.iterrows():
    if row['neighborhood'] in colors.keys():
        folium.CircleMarker(
        location=[row['latitude'], row['longitude']],
        radius=10,
        popup='<strong>{}</strong>'.format(row['neighborhood']),
        tooltip='Dica',
        fill=True,
        #fill_color='#428bca'
        fill_color=colors[row['neighborhood']]
    ).add_to(m)

# Apresenta o mapa
m

Custom Icon

https://www.w3schools.com/icons/default.asp

https://fontawesome.com/v4.7.0/icons/ (não funciona o 5.0)

https://stackoverflow.com/questions/58607693/how-to-use-folium-icon-with-fontawesome

https://icons.getbootstrap.com/

pointIcon_url = 'http://maps.google.com/mapfiles/kml/shapes/shaded_dot.png'
icon = folium.features.CustomIcon(pointIcon_url, icon_size=(15, 15))
icon

Vegas

O folium tem o vegas https://vega.github.io/vega/ como default.

# Cria o mapa
m = folium.Map(
    location=[-23.9619271,-46.3427499],
    zoom_start=12
)

# Importa bibliotecas e lê o json
vis = os.path.join('data', 'vis.json')

# Adiciona as diferentes empresas com gráficos no popup
for index, row in df.iterrows():
    if row['neighborhood'] in colors.keys():
        folium.Marker(
            location=[row['latitude'], row['longitude']],
            popup=folium.Popup(max_width=450).add_child(folium.Vega(json.load(open(vis)), width=450, height=250))
).add_to(m)

# Display Map
m

Geojson

É possível também inserir desenhos em formato GeoJson, o que abre grandes possibilidades. Para rabiscos aleatórios, anotações etc, é possivel criar o arquivo usando http://geojson.io.

# Cria o mapa
m = folium.Map(
    location=[-23.9619271,-46.3427499],
    zoom_start=12,
)

# Importa bibliotecas e lê o json
shp = os.path.join('data', 'trajetos.geojson')

# Adiciona as diferentes empresas com gráficos no popup
a = folium.GeoJson(shp, name='Trajetos')
folium.GeoJson(shp, name='Trajetos').add_to(m)

# Apresenta o mapa
m

Cor

import folium
import json
import requests
import pandas as pd
import matplotlib.pyplot as plt
import branca
import seaborn as sns
import numpy as np

state_unemp = pd.read_csv("data/us_unemployment.csv")
url = 'https://raw.githubusercontent.com/python-visualization/folium/master/examples/data'
state_geo = f'{url}/us-states.json'

# https://medium.com/analytics-vidhya/create-and-visualize-choropleth-map-with-folium-269d3fd12fa0
unemployment_dict = state_unemp.set_index('State')['Unemployment']
geo_json_data = json.loads(requests.get(state_geo).text)
usa_step = folium.Map([48, -102], tiles='cartodbpositron', zoom_start=3)

folium.GeoJson(
    geo_json_data,
    style_function=lambda x: {
        'fillColor': step(unemployment_dict[x['id']]),
        'color': 'black',       #border color for the color fills
        #'weight': 1,            #how thick the border has to be
        #'dashArray': '5, 3'  #dashed lines length,space between them
    }
).add_to(usa_step)
step.add_to(usa_step)     #adds colorscale or legend
usa_step

Geojson in URL

# Map Object
m = folium.Map(location=(0,0),
               zoom_start=2)

# Data: Link to geojson
json_url = 'https://raw.githubusercontent.com/datasets/geo-boundaries-world-110m/master/countries.geojson'

# Folium Object
folium.Choropleth(
    geo_data=json_url,
    fill_color='YlGn',
    fill_opacity=0.7,
    line_opacity=0.2,
    legend_name='Limites').add_to(m)

# Display Map
m

GeoDataFrame

# Cria geopandas Object
gdf = gpd.read_file(os.path.join('data', 'Piracicaba.shp'))

# Transform Coordenate and Format
gjson = gdf.to_crs(epsg='4326').to_json()

# Cria mapa
m = folium.Map([-15.783333, -47.866667],
               min_zoom=9,
               tiles='cartodbpositron')

shp = folium.features.GeoJson(gjson)
m.add_child(shp)
a.add_to(m)
m.fit_bounds(m.get_bounds())

# Plota Mapa
m

WMS

m = folium.Map(location=[28, -81], zoom_start=6)

folium.raster_layers.WmsTileLayer(
    url='http://mesonet.agron.iastate.edu/cgi-bin/wms/nexrad/n0r.cgi',
    name='test',
    fmt='image/png',
    layers='nexrad-n0r-900913',
    attr=u'Weather data © 2012 IEM Nexrad',
    transparent=True,
    overlay=True,
    control=True,
).add_to(m)

m

m = folium.Map(
    location=[-22, -55],
    zoom_start=6
)

folium.raster_layers.WmsTileLayer(
    url='http://datageo.ambiente.sp.gov.br/geoserver/ows?SERVICE=WMS&',
    name='test',
    fmt='image/png',
    layers='vwm_car_propriedades_publico_ugrhi_5_pol',
    attr=u'Weather data © 2012 IEM Nexrad',
    transparent=True,
    overlay=True,
    control=True,
).add_to(m)

#m

from folium.plugins import MousePosition
#m = folium.Map()
MousePosition().add_to(m)
m

Join e Categorias

# Data
states = os.path.join('data', 'us-states.json')
unemployement_data = os.path.join('data', 'us_unemployment.csv')
df = pd.read_csv(unemployement_data)

#
print(df.head())

# Map Object
m = folium.Map(
    location=[48, -102],
    zoom_start=3
)

# Folium Object
folium.Choropleth(
    geo_data=states,
    name='States',
    data=df,
    columns=['State', 'Unemployment'],
    key_on='feature.id',                    # Campo, no geojson, que tem o identificador
    fill_color='YlGn',
    fill_opacity=0.7,
    line_opacity=0.2,
    legend_name='Unemployment Rate %'
).add_to(m)

# Add Features
folium.LayerControl().add_to(m)

# Display Map
m

#json.load(open(states))

Basemap

Por nome

O mapa pode ter diferentes basemaps, que são, na essência, o mapa de fundo renderizado em titles. O folium utiliza, por default, o basemap do OpenStreetMap, contudo existe a possibilidade de adicionar outros serviços, conforme se vê abaixo.

https://github.com/nextgis/quickmapservices_contrib/tree/master/data_sources
https://xyz.michelstuyts.be/
https://www.trailnotes.org/FetchMap/TileServeSource.html

folium.Map(location=[-23.9619271,-46.3427499],
           #tiles='Mapbox Bright',
           #tiles='Mapbox Control Room',
           #tiles='Stamen Toner',
           #tiles='Stamen Terrain',
           #tiles='OpenStreetMap',
           zoom_start=12
          )

Um outro jeito de inserir basemaps é utilizado o MapBox, onde é possível customizar um basemap personalizado, bem como utilizar outros basemaps pré-existentes, incluindo imagens de satélite de alta resolução, etc.

Para melhor utilização, com a possiblidade de disponibilizar códigos, é necessário estudar a melhor maneira de ocultar a API key. Um início:

http://www.blacktechdiva.com/hide-api-keys/
https://www.quora.com/How-do-you-hide-your-API-customer-key-token-when-youre-pushing-code-to-Github

#folium.Map(location=[-23.9619271,-46.3427499],
#           tiles='Mapbox',
#           API_key='your.API.key',
#           zoom_start=12
#          )

Por endereço do title (x, y, z)

Por fim, é possivel ainda inserir basemaps personalizados, disponibilizados em algum servidor.

folium.Map(location=[-23.9619271,-46.3427499],
           zoom_start=3,
           #tiles='http://{s}.tile.osm.org/{z}/{x}/{y}.png',
           tiles='http://prettymaps.stamen.com/201008/tiles/isola/{z}/000/{x}/000/{y}.png',
           attr=' '
          )

folium.raster_layers.TileLayer(
    tiles='http://{s}.google.com/vt/lyrs=m&x={x}&y={y}&z={z}',
    attr='google',
    name='google street view',
    max_zoom=20,
    subdomains=['mt0', 'mt1', 'mt2', 'mt3'],
    overlay=False,
    control=True,
).add_to(m)

m

def create_tiles_folium(tile_service=2, location=[-23.9619271, -46.3427499], zoom_start=10):
    """
    Function to create map using tiles... a list of them
    - https://xyz.michelstuyts.be/
    :param tile_service:
    :param location:
    :param zoom_start:
    :return:
    """
    # Import Packages
    import pandas as pd
    import folium

    # Read table with all tiles servers
    #tiles_services = pd.read_csv('data/tiles.csv', index_col=0)
    df = pd.read_csv('https://raw.githubusercontent.com/michelmetran/package_folium/master/data/tiles.csv', index_col=0)
    #print(df)
    #Mais serviços! https://leaflet-extras.github.io/leaflet-providers/preview/

    # Create reference to attribution
    ref = ('<a href="' +
           df.loc[tile_service, 'attribution'] +
           '" target="blank">' +
           df.loc[tile_service, 'name'] +
           '</a>')

    m = folium.Map(location=location,
                   zoom_start=zoom_start,
                   tiles=[],
                  )

    folium.TileLayer(tiles=df.loc[tile_service, 'link'],
                     attr=ref,
                     name=df.loc[tile_service, 'name'],
                    ).add_to(m)

    folium.LayerControl().add_to(m)

    return m

create_tiles_folium(4)

Multiplos

Ainda, é possível criar um objeto que não tenha nenhum mapa por padrão. Daí, em seguinda, se inserem diversos mapas.

m = folium.Map(
    location=[-23.9619271,-46.3427499],
    zoom_start=12,
    tiles=None,
)
folium.TileLayer('openstreetmap').add_to(m)
folium.TileLayer('stamentoner').add_to(m)
folium.TileLayer('stamenTerrain').add_to(m)
folium.TileLayer('stamenwatercolor', name='Qualquer coisa').add_to(m)
folium.TileLayer('cartodbpositron').add_to(m)
folium.TileLayer('cartodbdark_matter').add_to(m)
folium.LayerControl().add_to(m)

m

def create_map_multitiles(location=[-23.9619271, -46.3427499], zoom_start=10):
    """
    :param tile_service:
    :param location:
    :param zoom_start:
    :return:
    """
    # Import Packages
    import pandas as pd
    import folium

    # Create Maps
    m = folium.Map(
        location=location,
        zoom_start=zoom_start,
        tiles=None,
    )

    # Read table with all tiles servers
    #df = pd.read_csv('data/tiles.csv', index_col=0)
    df = pd.read_csv('https://raw.githubusercontent.com/michelmetran/package_folium/master/data/tiles.csv', index_col=0)
    #print(df)

    # Filter some tiles
    #df = df[2:4]
    #df = df.loc[(df['name'] == 'ESRI Satelite') | (df['name'] == 'ESRI Street')]
    df = df[df['name'].str.startswith(('Google'))]

    # For
    for index, row in df.iterrows():
        # Create multiples tiles layers
        folium.TileLayer(
            tiles=row['link'],
            attr=('<a href="{}" target="blank">{}</a>'.
                  format(row['attribution'], row['name'])),
            name=row['name'],
        ).add_to(m)

    # Results
    return m

m = create_map_multitiles(
    location=[-23.9619271, -46.3427499],
    zoom_start=10
)

folium.LayerControl().add_to(m)
m

Outros elementos do WebMap

Logo

import base64
import folium
import requests
from folium.plugins import FloatImage

# Cria o mapa
m = folium.Map(location=[-23.9,-46.7])

# Dados do Logo
#src = 'https://raw.githubusercontent.com/michelmetran/michelmetran.github.io/master/img/mm.png'
src = 'https://avatars3.githubusercontent.com/u/10374538?v=4&s=60'
#src = 'https://i.imgur.com/XRdd9RL.png'

site = 'https://michelmetran.github.io'
alt = 'MichelMetran'
size = '30px'

# HTML
#html = "<a href={}><img alt={} src={} width={}></a>".format(site, alt, src, size)
#html = "<img src={}>".format(src)
#html = '<img src=https://michelmetran.github.io/img/mm.png width=40px>'

# Not Work
#FloatImage(html, bottom=40, left=10).add_to(m)
FloatImage(src, bottom=1.3, left=1).add_to(m)           # Works, but huge!

# Imagem Encode e Decode
#png = base64.b64encode(requests.get(src).content).decode()
#png = '<img src="data:image/png;base64,{}" width=90px>'.format(png)
#FloatImage(png, bottom=40, left=1).add_to(m)

# Print HTML
#print(html)

m

from PIL import Image
import requests
from io import BytesIO

response = requests.get(src)
img = Image.open(BytesIO(response.content))

basewidth = 70
wpercent = (basewidth/float(img.size[0]))
hsize = int((float(img.size[1])*float(wpercent)))
img = img.resize((basewidth,hsize), Image.ANTIALIAS)

type(img)

Ordena Layers

# Ordena Layers
m.keep_in_front(a)

tooltip=folium.features.GeoJsonTooltip(
    fields=["SA12019_V1_00", "category"],
    aliases=["SA1 code", "category"],
    sticky=True,
    opacity=0.9,
    direction="bottom")

On MouseOver

highlight_function=lambda x: {"weight": 3},

Adiciona Legenda

Ver ipynb próprio

Adiciona Layer Control

# Create Map
m = folium.Map(location=[-23.9619271,-46.3427499], zoom_start=12)

# Add Layer Control
#folium.LayerControl().add_to(m)
folium.LayerControl('topright', collapsed=False).add_to(m)

m

A pontos on-the-fly

# Create Map
m = folium.Map(location=[-23.9619271,-46.3427499], zoom_start=12)

m.add_child(folium.ClickForMarker(popup='Waypoint'))
m

Adiciona coordenadas no clique

# Create Map
m = folium.Map(location=[-23.9619271,-46.3427499], zoom_start=12)

m.add_child(folium.LatLngPopup())
m

Tamanho do Mapa

https://github.com/python-visualization/folium/issues/37

#f = folium.Figure(width=1920, height=1080)

m = folium.Map(
    location=[-23.9619271,-46.3427499],
    tiles='Open Streetmap',
    zoom_start=12,
    min_zoom=2,
)

# Adiciona as diferentes empresas com cores por bairros
for index, row in df.iterrows():
    if row['neighborhood'] in colors.keys():
        folium.CircleMarker(
        location=[row['latitude'], row['longitude']],
        radius=10,
        popup='<strong>'+row['neighborhood']+'</strong>',
        tooltip='Dica',
        fill=True,
        #fill_color='#428bca'
        fill_color=colors[row['neighborhood']]
    ).add_to(m)

m.fit_bounds(m.get_bounds())

m.save(os.path.join('maps', 'map.html'))
m

Localização Mouse

from folium.plugins import MousePosition

# Create Map
m = folium.Map(location=[-23.9619271,-46.3427499], zoom_start=12)

#MousePosition().add_to(m)

formatter = "function(num) {return L.Util.formatNum(num, 3) + ' º';};"

MousePosition(
    position='topright',
    separator=' | ',
    empty_string='NaN',
    lng_first=True,
    num_digits=20,
    prefix='Coordinates:',
    lat_formatter=formatter,
    lng_formatter=formatter,
).add_to(m)

m

Fit map

min_lat=0
max_lat=0
min_lon=0
max_lon=0

# Create Map
m = folium.Map(
    #location=[-23.9619271,-46.3427499],
    #location=[-20,-50],
    #zoom_start=10,
    min_lat=min_lat,
    max_lat=max_lat,
    min_lon=min_lon,
    max_lon=max_lon,
)

# Adiciona as diferentes empresas com cores por bairros
for index, row in df.iterrows():
    if row['neighborhood'] in colors.keys():
        folium.CircleMarker(
        location=[row['latitude'], row['longitude']],
        radius=10,
        popup='<strong>'+row['neighborhood']+'</strong>',
        tooltip='Dica',
        fill=True,
        #fill_color='#428bca'
        fill_color=colors[row['neighborhood']]
    ).add_to(m)

bounds = m.get_bounds()
#m.fit_bounds(m.get_bounds())
#m.fit_bounds((max_lat, max_lon), (min_lat, min_lon))
print(bounds)
m

import numpy as np

bounds = np.array(bounds) - np.array(bounds)*(20/100)
bounds = bounds.tolist()
#m.fit_bounds(bounds)
print(bounds)

min_lat=bounds[0][0]
max_lat=bounds[1][0]
min_lon=bounds[0][1]
max_lon=bounds[1][1]

Full Screen

# Create Map
m = folium.Map(location=[-23.9619271,-46.3427499], zoom_start=12)

# Maximiza/Minimiza o mapa
from folium import plugins
plugins.Fullscreen(
    position='topleft',
    title='Clique para Maximizar',
    title_cancel='Mininizar',
    force_separate_button=True).add_to(m)

m

Medição

# Create Map
m = folium.Map(location=[-23.9619271,-46.3427499], zoom_start=12)

# Adiciona ferramenta de medição
from folium.plugins import MeasureControl
m.add_child(MeasureControl())

m

Mapas Complexos

Heat Map

# HeatMap https://minerandodados.com.br/visualizando-mapas-interativos-com-python/
from folium.plugins import HeatMap

# Create Map
m = folium.Map(location=[-23.9619271,-46.3427499], zoom_start=12)

# Lendo e filtrando dados
df = pd.read_csv('data/empresas.xz')

# HeapMap
hm_wide = HeatMap(list(zip(df['latitude'].values,
                           df['longitude'].values)),
                  min_opacity=0.10,
                  radius=10,
                  blur=15,
                  max_zoom=1
                 )

m.add_child(hm_wide)

# Apresenta o mapa
m

Dual Map

# DualMap accepts the same arguments as Map:
from folium.plugins import DualMap

m = DualMap(location=(0, 0), tiles='cartodbpositron', zoom_start=5)

# Add the same marker to both maps:
folium.Marker((0, 0)).add_to(m)

# The individual maps are attributes called `m1` and `m2`:
folium.Marker((0, 1)).add_to(m.m1)

folium.LayerControl().add_to(m)

m

m = folium.plugins.DualMap(location=(52.1, 5.1), tiles=None, zoom_start=8)

folium.TileLayer('openstreetmap').add_to(m.m1)
folium.TileLayer('cartodbpositron').add_to(m.m2)

folium.LayerControl(collapsed=False).add_to(m)
m

m = folium.plugins.DualMap(layout='vertical')
m

m = folium.plugins.DualMap(location=(52.1, 5.1), tiles='cartodbpositron', zoom_start=8)

fg_both = folium.FeatureGroup(name='markers_both').add_to(m)
fg_1 = folium.FeatureGroup(name='markers_1').add_to(m.m1)
fg_2 = folium.FeatureGroup(name='markers_2').add_to(m.m2)

icon_red = folium.Icon(color='red')
folium.Marker((52.0, 5.0), tooltip='both', icon=icon_red).add_to(fg_both)
folium.Marker((52.4, 5.0), tooltip='1').add_to(fg_1)
folium.Marker((52.0, 5.4), tooltip='2').add_to(fg_2)

folium.LayerControl(collapsed=False).add_to(m)
m

Editando o HTML

É possível alterar o .html gerado, acrescentando customizações diretamente no arquivo.

legend_html = '''
<div style="position: fixed; bottom: 50px; left: 50px; width: 100px; height: 90px; border:2px solid grey; z-index:9999; font-size:14px;">

Cool Legend <br>
East
<i class=”fa fa-map-marker fa-2x" style="color:green”></i><br>
West
<i class="fa fa-map-marker fa-2x" style="color:red"></i>
</div>
'''

m.get_root().html.add_child(folium.Element(legend_html))
m

meta = '''<meta http-equiv="content-type" content="text/html; charset=UTF-8"/>'''

m.get_root().header.add_child(folium.Element(meta))
m

# https://stackoverflow.com/questions/50517620/django-and-folium-integration

html_head: str = m.get_root().header.render()
html_body: str = m.get_root().html.render()
html_scrt: str = m.get_root().script.render()

html_head

Salva Mapa

Em png

import io
from PIL import Image

img_data = m._to_png(5)
img = Image.open(io.BytesIO(img_data))
img.save(os.path.join('maps', 'map.png'))

Em HTML

A grande vantagem é salvar o mapa como um arquivo .html, bastante possivel para dar um embed em qualquer página. Para salvar o resultado em um dado local, criei uma função que pode contribuir, avaliando se determinadas pastas estão criadas e, em caso negativo, cria as mesmas. Em uma destas pastas que ficará salvo o arquivo .html criado

m.save(os.path.join('maps', 'map.html'))

O mapa em .html, que é possivel acessar por usando o githack.com. conforme segue:

Fiz a tentativa de usar o domínio raw.githubusercontent.com sem sucesso, que possibilita acessar diretamente, porém recebi a seguinte mensagem de erro ao tentar renderizar o conteúdo do .html.

Bloqueado pela diretiva X-Frame-Options
Ocorreu um erro durante uma conexão com raw.githubusercontent.com.
O Firefox impediu que esta página fosse carregada neste contexto porque a página tem uma política X-Frame-Options que não permite.

Referências

https://www.freecodecamp.org/news/real-world-data-science-project-traffic-accident-analysis-e5a36775ee11/
Muita coisa interessante em https://www.youtube.com/watch?v=4RnU5qKTfYY
https://jtemporal.com/folium/
https://www.kaggle.com/rachan/how-to-folium-for-maps-heatmaps-time-analysis
Muitos exemplos de ipynb https://nbviewer.jupyter.org/github/python-visualization/folium/tree/master/examples/

Explorar

https://github.com/ArchaDoriya/Interactive-Choropleth-Map-in-Python-and-Folium
https://medium.com/analytics-vidhya/interactive-choropleth-map-in-python-using-folium-4e1479d9e568

Compartilhe

Twitter Facebook LinkedIn

Michel Metran