GISer还在为地理数据可视化发愁？Streamlit读音读对了吗，一文教你搭建交互式地图应用（附：GeoJSON加载源码）

引言：告别静态地图，拥抱交互式数据之美

作为一名GIS领域的从业者或数据分析师，你是否曾为静态地图的局限性而苦恼？传统的GIS工具虽然强大，但往往操作繁琐，难以快速制作出既美观又交互性强的地图并分享给团队或客户。当你辛辛苦苦处理完地理数据，却发现只能导出一张无法缩放、无法点击查询的图片时，那种无力感想必深有体会。

这正是一个巨大的痛点：**数据价值的传达效率低下**。在数据驱动决策的今天，如何让地理数据“活”起来，让非技术人员也能直观地探索数据背后的规律，成为了提升工作效率的关键。本文将为你介绍一个完美的解决方案——利用 Python 的 Streamlit 库，结合强大的地理处理库，快速搭建交互式地图应用。无论你是 GIS 专家还是编程新手，都能在短时间内上手，将枯燥的 GeoJSON 数据转化为可交互的 Web 应用。

我们将从 Streamlit 的基础认识（包括它的正确读音）讲起，带你一步步编写代码，加载 GeoJSON 数据，并实现地图的交互功能。最后，还会分享一些进阶技巧和常见问题解答，助你彻底掌握这一神器。

核心内容：Streamlit 与地理数据可视化的完美结合

Streamlit 是一个开源的 Python 库，它能将数据脚本快速转化为可共享的 Web 应用。对于 GISer 来说，它最大的魅力在于无需掌握 HTML、CSS 或 JavaScript，只需纯 Python 代码即可实现复杂的交互式地图。而且，它的名字读作 /ˈstriːm.lɪt/（类似 "stream-light"），意为“流式轻量”，正如它的设计理念一样。

为什么选择 Streamlit 进行地理可视化？

在传统的 Web GIS 开发中，通常需要前后端分离，涉及 GeoServer、Leaflet、OpenLayers 等多种技术栈，学习曲线陡峭。而 Streamlit 提供了完全不同的开发体验：

• 极速开发：写完脚本，运行即可看到结果，所见即所得。
• 原生交互：内置的组件（如滑动条、选择框）能直接控制地图显示。
• Python 生态：无缝连接 Pandas、GeoPandas、Shapely 等数据处理库。

环境准备与安装

在开始之前，请确保你的环境中安装了以下库。推荐使用 Anaconda 创建虚拟环境以避免冲突。

打开终端或命令行，运行以下命令：

pip install streamlit pandas geopandas folium streamlit-folium

这里我们使用了 `streamlit-folium` 作为桥接库，因为 Folium 是 Python 中非常成熟的 Leaflet 封装，而 `streamlit-folium` 让它能完美在 Streamlit 界面中渲染。

实战教程：从 GeoJSON 到交互式地图

我们将通过一个简单的案例，展示如何加载一个 GeoJSON 文件并在地图上显示。假设你有一个名为 `data.geojson` 的文件，里面存储了某个城市的 POI（兴趣点）数据。

步骤 1：导入必要的库

创建一个 Python 文件（例如 `app.py`），首先导入所有需要的库。

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

步骤 2：加载与处理 GeoJSON 数据

使用 GeoPandas 读取 GeoJSON 文件非常简单。如果文件较大，建议使用缓存机制来提升应用性能。

@st.cache_data
def load_data(filepath):
return gpd.read_file(filepath)

gdf = load_data('data.geojson')

为了演示方便，如果你没有现成的 GeoJSON 文件，可以使用 URL 直接加载网络上的示例数据（如国家边界数据）：

gdf = gpd.read_file("https://raw.githubusercontent.com/holtzy/D3-graph-gallery/master/DATA/world.geojson")

步骤 3：构建 Streamlit 交互界面

在 Streamlit 中，界面布局极其简单。我们添加一个标题和一个侧边栏用于交互控制。

st.set_page_config(layout="wide")
st.title("交互式 GeoJSON 地图可视化")
st.sidebar.header("地图设置")

为了增加交互性，我们可以添加一个复选框来控制是否显示所有数据，或者筛选特定区域的数据。这里以筛选为例：

selected_region = st.sidebar.selectbox("选择区域", options=gdf['name'].unique())
filtered_gdf = gdf[gdf['name'] == selected_region]

步骤 4：渲染交互式地图

这是最关键的一步。我们使用 Folium 创建地图对象，并使用 `st_folium` 将其渲染到 Streamlit 页面上。

# 初始化地图，中心点设为数据的地理中心
m = folium.Map(location=[filtered_gdf.geometry.centroid.y.mean(), filtered_gdf.geometry.centroid.x.mean()], zoom_start=3)

# 将 GeoDataFrame 添加到地图图层
folium.GeoJson(filtered_gdf, name='geojson').add_to(m)

# 在 Streamlit 中显示地图，并返回交互状态
map_data = st_folium(m, width=800, height=600)

运行指令：streamlit run app.py。你将看到一个完整的 Web 应用，可以在侧边栏切换国家，地图会自动刷新并缩放到该国家。

扩展技巧：提升应用性能与体验的高级玩法

虽然基础功能已经实现，但在处理大规模地理数据或追求更佳用户体验时，以下技巧至关重要。

技巧一：利用 PyDeck 进行大规模数据渲染

当你的 GeoJSON 包含成千上万个点（例如共享单车位置）时，使用 Folium 可能会导致浏览器卡顿。此时，PyDeck 是更好的选择。PyDeck 基于 WebGL，能够利用 GPU 加速渲染海量数据。

在 Streamlit 中集成 PyDeck 非常容易：

import pydeck as pdk
layer = pdk.Layer(
'ScatterplotLayer',
data=gdf,
get_position='[longitude, latitude]',
get_radius=100,
get_color=[255, 0, 0],
)
st.pydeck_chart(pdk.Deck(layers=[layer]))

这样可以轻松在浏览器中渲染数十万级别的点数据，流畅度远超传统方法。

注意事项：坐标系统一（CRS）

在 GIS 数据处理中，坐标参考系统（CRS）是一个极易踩坑的地方。GeoPandas 读取的数据可能有不同的 CRS（如 EPSG:4326 或 EPSG:3857）。在进行空间运算或可视化前，务必统一坐标系。

通常，Web 地图（如 Folium、Google Maps）默认使用 WGS84（EPSG:4326）。如果你的数据是其他坐标系，请先转换：

if gdf.crs != "EPSG:4326":
gdf = gdf.to_crs("EPSG:4326")

忽略这一步会导致地图上的位置出现严重偏移，甚至完全消失。

FAQ：关于 Streamlit 与地理可视化的常见问题

1. Streamlit 支持哪些地图类型？

Streamlit 本身不直接绘制地图，但它通过第三方库支持几乎所有主流地图类型。最常用的是基于 Leaflet 的 Folium（适合矢量地图、热力图），以及基于 WebGL 的 PyDeck（适合大规模点云、3D 地图）。此外，也可以通过 `folium.plugins` 加载百度地图、高德地图等底图。

2. 我的 GeoJSON 文件很大，Streamlit 加载很慢怎么办？

这是常见问题，主要受限于浏览器内存。优化方案有三点：第一，使用 `@st.cache_data` 缓存数据加载过程；第二，在服务器端进行数据简化（Simplification），使用 GeoPandas 的 `simplify` 方法减少多边形顶点数；第三，考虑将 GeoJSON 转换为矢量切片（Vector Tiles）并在前端加载，但这需要更复杂的架构。

3. Streamlit 地图应用可以部署到公网吗？

当然可以。Streamlit 提供了免费的 Streamlit Community Cloud，你可以直接连接 GitHub 仓库进行一键部署。对于企业级应用，也可以部署在 AWS、Azure 或 Kubernetes 集群上。部署时需注意 `requirements.txt` 中包含了所有必要的地理库（如 GDAL），这有时会增加部署难度，建议使用 Docker 容器化部署以确保环境一致性。

总结：从现在开始，让你的数据动起来

GIS 数据可视化不应止步于静态图纸。通过 Streamlit，我们打破了编程与可视化之间的壁垒，让地理数据的探索变得直观、高效且充满乐趣。无论你是需要制作快速的原型，还是构建复杂的数据仪表盘，Streamlit 都能成为你工具箱中不可或缺的一员。

现在，请打开你的编辑器，复制上述代码，尝试加载你手中的 GeoJSON 数据。当你亲手拖动地图、筛选数据、看到结果实时变化的那一刻，你会明白技术带来的效率提升是多么直观。去尝试吧，你的下一个项目或许就因此而不同。