GIS研习社 GIS研习社
编程与开发 Streamlit

地理空间分析Web应用开发难题？Streamlit快速搭建实战攻略（含：GIS数据可视化技巧）

编程与开发
Dr.GIS
wowwwai GIS研习社 · 工具流程与项目排障

如果你正在被“地理空间分析Web应用开发难题？Streamlit快速搭建实战攻略（含：GIS数据可视化技巧）”这个问题卡住，通常不是因为你不会做GIS分析，而是因为传统WebGIS开发链路太长：前端框架、地图组件、接口服务、空间数据库、部署环境都要懂。本文用一个可复现的Streamlit方案，带你快速搭建一个面向GIS数据可视化和简单空间分析的Web应用。

引言：为什么GIS分析人员适合用Streamlit做原型应用

Streamlit是一个面向Python数据应用的轻量级Web框架。它的优势是：不用写复杂前端代码，就能把Python脚本变成可交互的网页应用。对于GIS学生、空间数据分析师和初级GIS工程师来说，Streamlit非常适合做以下场景：

  • 把GeoJSON、Shapefile、GeoPackage等GIS数据快速可视化。
  • 给项目汇报做一个可交互地图，而不是只导出静态截图。
  • 把GeoPandas、Folium、PyDeck、Rasterio等Python GIS分析结果包装成网页。
  • 在正式开发WebGIS系统前，快速验证业务流程和分析逻辑。

需要先说明：Streamlit不是传统意义上的大型WebGIS框架。它更适合快速原型、内部工具、教学演示、数据分析看板，而不是高并发、多角色权限、复杂前端交互的生产级GIS平台。

Streamlit地理空间分析Web应用开发与GIS数据可视化流程
Streamlit快速搭建GIS Web应用的典型流程：读取数据、空间分析、交互筛选、地图展示。

背景：地理空间分析Web应用开发常见难题

很多GIS人员在做Web应用时会遇到一个现实问题：空间分析逻辑已经用Python跑通了，但想把结果做成网页给别人使用时，难度突然上升。

常见难题包括：

  • 前端门槛高：Leaflet、OpenLayers、Mapbox GL JS都很好用，但需要掌握JavaScript、HTML、CSS和前端工程化。
  • 后端接口复杂：如果要做成传统Web服务，通常要写FastAPI、Flask或Django接口。
  • 空间数据格式不统一：Shapefile、GeoJSON、GeoPackage、CSV坐标点数据经常混在一起。
  • 坐标系问题频繁：数据如果不是WGS84，经纬度地图底图可能出现偏移、错位或不显示。
  • 性能容易失控：大GeoJSON直接加载到浏览器，地图会明显卡顿。

Streamlit解决的不是所有WebGIS问题，而是降低“从Python空间分析到可交互Web展示”的门槛。对于地理空间分析Web应用开发，Streamlit的核心价值在于：让GIS人员优先关注数据、分析逻辑和可视化表达。

原理：Streamlit如何连接Python GIS分析和Web地图

Streamlit的运行方式可以理解为：用户在网页上操作控件，Streamlit重新执行Python脚本，并把新的结果渲染到页面。它适合GIS应用，是因为Python生态中已经有成熟的空间数据处理和地图可视化库。

任务 推荐工具 作用
矢量数据读取 GeoPandas 读取Shapefile、GeoJSON、GeoPackage等矢量数据
坐标系转换 GeoPandas、PyProj 将数据转换到适合Web地图展示的WGS84坐标系
交互式地图 Folium、streamlit-folium 在Streamlit页面中嵌入Leaflet地图
大规模点渲染 PyDeck 适合点、线、热力图等WebGL可视化
栅格分析 Rasterio、rioxarray 读取和处理遥感影像、DEM等栅格数据

在最小可用方案中，我们可以用Streamlit负责页面控件，用GeoPandas负责GIS数据处理，用Folium负责地图显示。这条技术路线对初学者比较友好，也便于后续扩展。

步骤：用Streamlit快速搭建GIS数据可视化应用

步骤1：准备Python环境

建议使用独立虚拟环境，避免和已有ArcGIS Pro、QGIS或其他Python环境互相影响。以下示例适合普通Python环境，不建议直接安装到ArcGIS Pro自带环境中。

python -m venv streamlit-gis-env
streamlit-gis-envScriptsactivate
pip install streamlit geopandas folium streamlit-folium pyogrio shapely

如果你使用的是macOS或Linux，激活命令通常是：

source streamlit-gis-env/bin/activate

安装GeoPandas时如果遇到GDAL相关错误，建议优先使用conda环境：

conda create -n streamlit-gis python=3.11
conda activate streamlit-gis
conda install -c conda-forge streamlit geopandas folium streamlit-folium pyogrio shapely

步骤2：准备示例GIS数据

本文示例假设你有一个行政区或项目范围面数据，文件名为：

data/districts.geojson

数据中至少包含：

  • geometry：空间几何字段。
  • name：区域名称字段。
  • type：区域类型或分类字段。

如果你的数据是Shapefile，也可以读取：

data/districts.shp

但Shapefile要注意编码、字段名长度和多个附属文件缺失问题。对于Streamlit演示应用，GeoJSON或GeoPackage通常更省心。

步骤3：创建Streamlit应用文件

新建文件：

app.py

写入以下最小可运行代码：

import streamlit as st
import geopandas as gpd
import folium
from streamlit_folium import st_folium

st.set_page_config(page_title="GIS数据可视化应用", layout="wide")

st.title("Streamlit GIS数据可视化示例")

@st.cache_data
def load_data(path):
    gdf = gpd.read_file(path)

    if gdf.crs is None:
        st.warning("数据缺少坐标系信息，请确认原始数据坐标系。示例暂按EPSG:4326处理。")
        gdf = gdf.set_crs(epsg=4326)

    if gdf.crs.to_epsg() != 4326:
        gdf = gdf.to_crs(epsg=4326)

    return gdf

gdf = load_data("data/districts.geojson")

st.sidebar.header("筛选条件")

if "type" in gdf.columns:
    type_list = sorted(gdf["type"].dropna().unique().tolist())
    selected_types = st.sidebar.multiselect("选择区域类型", type_list, default=type_list)
    gdf_show = gdf[gdf["type"].isin(selected_types)]
else:
    gdf_show = gdf

st.write("当前显示要素数量：", len(gdf_show))

center = gdf_show.geometry.unary_union.centroid
m = folium.Map(location=[center.y, center.x], zoom_start=10, tiles="OpenStreetMap")

folium.GeoJson(
    gdf_show,
    name="区域数据",
    tooltip=folium.GeoJsonTooltip(
        fields=[col for col in ["name", "type"] if col in gdf_show.columns],
        aliases=["名称", "类型"][:len([col for col in ["name", "type"] if col in gdf_show.columns])]
    ),
    style_function=lambda feature: {
        "fillColor": "#3388ff",
        "color": "#1f4e79",
        "weight": 1,
        "fillOpacity": 0.35
    }
).add_to(m)

folium.LayerControl().add_to(m)

st_folium(m, width=None, height=650)

步骤4：运行应用

在命令行进入项目目录，执行：

streamlit run app.py

浏览器会自动打开本地地址。你应该能看到一个带有侧边栏筛选条件和交互地图的页面。

步骤5：加入GIS数据可视化技巧

基础地图能显示数据，但并不等于表达清楚。做GIS数据可视化时，建议加入分类配色、透明度、边界样式和提示信息。

例如，可以根据不同类型设置不同颜色：

color_map = {
    "居住区": "#fdae61",
    "商业区": "#abd9e9",
    "工业区": "#d7191c",
    "生态区": "#1a9641"
}

def style_by_type(feature):
    area_type = feature["properties"].get("type")
    return {
        "fillColor": color_map.get(area_type, "#cccccc"),
        "color": "#333333",
        "weight": 1,
        "fillOpacity": 0.55
    }

然后把原来的style_function替换为：

style_function=style_by_type

这类GIS数据可视化技巧虽然简单，但对阅读地图很关键。尤其是项目汇报、空间规划分析、选址分析等场景，颜色和图例逻辑要比“能显示出来”更重要。

步骤6：增加属性表查看功能

很多GIS Web应用不只需要看地图，还需要看属性。可以在地图下方增加属性表：

st.subheader("属性表预览")

show_columns = [col for col in gdf_show.columns if col != "geometry"]
st.dataframe(gdf_show[show_columns], use_container_width=True)

如果字段很多，建议只展示业务相关字段，避免把所有原始字段都暴露给用户。

步骤7：增加空间分析结果

Streamlit的优势在于可以直接调用Python分析逻辑。例如计算每个面的面积。注意：面积计算不能直接用经纬度坐标系，否则单位和结果都不可靠。

gdf_area = gdf_show.to_crs(epsg=3857)
gdf_show["area_km2"] = gdf_area.geometry.area / 1_000_000

st.subheader("面积统计")
st.dataframe(
    gdf_show[[col for col in ["name", "type", "area_km2"] if col in gdf_show.columns]],
    use_container_width=True
)

这里使用EPSG:3857只是为了演示。正式面积统计建议使用适合研究区的投影坐标系，例如CGCS2000高斯投影、UTM分带或当地标准投影。

常见坑：Streamlit开发GIS Web应用最容易出错的地方

坑1：数据坐标系不对，地图显示偏移或不显示

Web底图通常使用经纬度坐标或Web墨卡托切片体系。Folium接收的矢量坐标一般应为EPSG:4326。如果你的数据是投影坐标系，必须转换：

gdf = gdf.to_crs(epsg=4326)

如果原始数据没有CRS信息，不要盲目转换，应先确认数据真实坐标系，再使用set_crs声明。

坑2：直接加载大GeoJSON导致页面卡顿

GeoJSON方便，但体积大。上万面要素或复杂边界直接加载到浏览器，Streamlit地图会变慢。可以考虑：

  • 先用QGIS或GeoPandas简化几何。
  • 按行政区、类别、时间范围筛选后再加载。
  • 只展示必要字段，删除冗余属性。
  • 点数据较多时改用PyDeck或聚合显示。
  • 生产场景考虑PostGIS加空间索引和瓦片服务。

坑3：面积、长度计算直接在EPSG:4326下完成

经纬度单位是度，不是米。直接在EPSG:4326下计算面积和长度，结果通常不适合作为业务结论。正确做法是先投影到适合研究区的平面坐标系，再计算面积、长度或缓冲区。

坑4：Streamlit缓存使用不当

GIS数据文件可能较大，如果每次交互都重新读取，会明显拖慢应用。建议使用st.cache_data缓存读取结果。但如果数据文件经常更新，也要注意缓存刷新问题。

坑5：把Streamlit当作完整WebGIS平台

Streamlit很适合快速搭建地理空间分析Web应用原型，但它不擅长复杂权限体系、多人协同编辑、海量矢量瓦片渲染和复杂前端交互。如果需求已经接近正式平台，应考虑Leaflet、OpenLayers、Cesium、PostGIS、GeoServer等更完整的WebGIS技术栈。

方法比较：Streamlit、传统WebGIS和GIS桌面软件怎么选

方案 适合场景 优势 限制
Streamlit 快速原型、内部分析工具、教学演示、项目汇报 Python上手快，开发成本低，适合GIS分析人员 复杂前端交互和大规模并发能力有限
Leaflet或OpenLayers 正式WebGIS系统、业务地图平台 前端控制能力强，地图交互丰富 需要JavaScript和Web开发能力
QGIS或ArcGIS Pro 专业数据编辑、制图、空间分析 GIS功能完整，适合专业生产 不适合直接给非GIS用户在线交互使用
PostGIS加GeoServer 多用户、空间数据库、地图服务发布 适合生产级空间数据服务 部署和运维成本更高

如果你的目标是“尽快把Python GIS分析结果做成可交互页面”，Streamlit是非常合适的起点。如果目标是“建设长期运行的WebGIS平台”，Streamlit更适合作为原型验证工具，而不是最终架构。

检查清单：发布前确认这些GIS细节

  • 坐标系：地图展示数据是否已转换为EPSG:4326？面积和长度计算是否使用合适投影？
  • 数据量：GeoJSON是否过大？复杂边界是否需要简化？
  • 字段：是否只展示必要字段？是否包含敏感属性？
  • 交互：筛选条件是否符合用户实际查询习惯？
  • 样式：分类颜色是否有明确含义？透明度是否影响底图阅读？
  • 性能：是否使用st.cache_data缓存数据读取？
  • 异常：空数据、缺字段、缺CRS时是否有提示？
  • 部署：依赖库是否写入requirements.txt或环境文件？

一个简单的requirements.txt可以这样写：

streamlit
geopandas
folium
streamlit-folium
pyogrio
shapely

如果使用conda部署，建议导出环境：

conda env export > environment.yml

FAQ：Streamlit地理空间分析Web应用常见问题

Streamlit适合做正式的WebGIS系统吗？

如果只是内部工具、分析看板、演示系统或轻量级业务应用，Streamlit可以胜任。如果涉及高并发访问、复杂权限、在线编辑、矢量瓦片、三维场景，建议使用更完整的WebGIS架构。

Streamlit能直接加载Shapefile吗？

可以。GeoPandas可以读取Shapefile，但Shapefile由多个文件组成，缺少.shp、.dbf、.shx等文件会读取失败。为了部署方便，建议转换为GeoPackage或GeoJSON。

为什么我的GIS数据在Streamlit地图上位置不对？

最常见原因是坐标系错误。Folium地图显示通常需要EPSG:4326经纬度数据。如果原始数据是投影坐标系，需要先用GeoPandas转换。如果数据本身缺少CRS，需要先确认真实坐标系，再声明。

Streamlit GIS数据可视化性能差怎么办？

先检查数据量和几何复杂度。可以简化边界、减少字段、按条件筛选后再加载，或把大规模点数据改用PyDeck。如果是生产级大数据地图，应考虑PostGIS、矢量瓦片或专门地图服务。

Streamlit和Folium、PyDeck怎么选？

Folium适合常规Leaflet地图、面数据展示、简单弹窗和图层控制。PyDeck适合大量点、热力图、轨迹线和WebGL可视化。如果是初学者，建议先用Folium跑通流程，再根据性能和视觉需求引入PyDeck。

Streamlit能做空间查询吗？

可以。小数据量可以直接用GeoPandas做点选、多边形筛选、缓冲区分析和叠加分析。数据量较大时，建议把空间查询放到PostGIS中执行，再把结果返回给Streamlit展示。

结论：用Streamlit先解决“能交互展示”的关键一步

地理空间分析Web应用开发的难点，往往不在单个GIS算法，而在如何把数据、分析和交互界面连接起来。Streamlit提供了一条低门槛路径：用Python读取GIS数据，用GeoPandas处理空间逻辑，用Folium或PyDeck完成GIS数据可视化，再通过Streamlit把这些能力包装成Web应用。

对于GIS学习、项目汇报、内部分析工具和原型验证，Streamlit快速搭建方案非常实用。只要注意坐标系、数据量、缓存、投影计算和部署依赖，就可以在较短时间内完成一个可用的地理空间分析Web应用。