想用Streamlit开发GIS Web应用？手把手教你搭建（附：3个GIS项目源码）

引言

你是否曾为开发一个简单的GIS（地理信息系统）Web应用而感到头疼？传统的Web GIS框架如Leaflet、OpenLayers往往需要复杂的前端配置，对后端集成也要求苛刻。对于数据分析师或后端开发者来说，这无疑是一道陡峭的学习曲线。

与此同时，Python作为数据科学领域的通用语言，拥有Pandas、GeoPandas等强大的地理数据处理库。但如何将这些数据快速转化为交互式Web应用，一直是许多开发者的痛点。

Streamlit 的出现打破了这一僵局。它允许你仅用纯Python脚本，就能在几分钟内构建出美观、交互式的Web应用。本文将手把手教你如何利用Streamlit搭建GIS Web应用，并附带3个可直接运行的项目源码，帮助你跨越从数据分析到Web部署的鸿沟。

核心内容

一、为什么选择 Streamlit 开发 GIS 应用？

在深入代码之前，我们需要明确为什么 Streamlit 是开发轻量级 GIS 应用的首选方案。与传统的 Web GIS 开发方式相比，它在效率和易用性上具有显著优势。

Streamlit 的核心优势在于数据驱动。你不需要处理 DOM 操作或状态管理，只需关注数据处理逻辑和可视化参数。对于 GIS 应用，这意味着你可以直接将 GeoJSON 或 CSV 数据流式传输到前端地图组件中。

二、环境准备与基础地图搭建

在开始之前，请确保你的环境中安装了以下库。我们将使用 Streamlit 作为 Web 框架，PyDeck 作为 3D 地图渲染引擎（Streamlit 的原生支持），以及 GeoPandas 处理矢量数据。

1. 安装依赖库：
   在终端运行：pip install streamlit pydeck geopandas pandas
2. 创建基础项目结构：
   新建一个名为 gis_app.py 的文件。
3. 编写第一行代码：
   我们需要引入必要的模块并设置 Streamlit 页面配置。

import streamlit as st
import pydeck as pdk
import geopandas as gpd
import pandas as pd

# 设置页面标题
st.set_page_config(page_title="GIS 数据可视化平台", layout="wide")

注意： Streamlit 会自动处理 Web 服务器的启动，你只需在终端运行 streamlit run gis_app.py 即可看到结果。

三、加载与处理地理数据 (GeoPandas 实战)

Web 应用的核心是数据。在 Streamlit 中，我们可以通过文件上传器让用户加载自己的 GIS 数据，或者直接读取本地文件。

以下步骤演示如何加载一个 GeoJSON 文件并将其转换为 PyDeck 可用的图层：

1. 数据加载逻辑：
   使用 st.file_uploader 获取用户上传的文件流，然后通过 GeoPandas 读取。
2. 数据预处理：
   确保坐标系为 WGS84 (EPSG:4326)，这是 Web 地图的标准坐标系。

uploaded_file = st.file_uploader("上传 GeoJSON 文件", type=["geojson"])

if uploaded_file is not None:
    # 读取 GeoDataFrame
    gdf = gpd.read_file(uploaded_file)
    
    # 坐标系转换 (如果需要)
    if gdf.crs != "EPSG:4326":
        gdf = gdf.to_crs("EPSG:4326")
    
    st.write("数据预览:", gdf.head())
else:
    st.info("请上传一个 GeoJSON 文件以开始可视化。")
    gdf = None

四、使用 PyDeck 实现 3D 地图可视化

PyDeck 是 Deck.gl 的 Python 封装，专为大规模地理空间数据可视化设计。它能生成 WebGL 图形，性能远超传统的 SVG 渲染。

我们将创建一个 PyDeck 图层，并将其集成到 Streamlit 的 `st.pydeck_chart` 组件中。

1. 定义地图图层：
   根据数据类型选择图层。如果是点数据，可以使用 ScatterplotLayer；如果是建筑或地形，可以使用 GeoJsonLayer。
2. 配置初始视角 (View State)：
   设置地图的初始中心点和缩放级别。
3. 渲染图表：
   将图层和视角传递给 Streamlit。

if gdf is not None:
    # 提取中心点作为初始视角
    centroid = gdf.geometry.centroid
    view_state = pdk.ViewState(
        longitude=centroid.x.mean(),
        latitude=centroid.y.mean(),
        zoom=11,
        pitch=30  # 倾斜角度，实现 3D 效果
    )

    # 定义图层
    layer = pdk.Layer(
        "GeoJsonLayer",
        gdf,
        get_fill_color=[255, 0, 0, 140],  # 红色半透明填充
        get_line_color=[255, 255, 255],   # 白色边框
        get_line_width=2,
        extruded=True,                    # 开启 3D 拉伸
        get_elevation=100                 # 基础高度
    )

    # 创建 Deck 对象
    r = pdk.Deck(
        layers=[layer],
        initial_view_state=view_state,
        tooltip={"text": "{name}n{geometry.type}"}
    )

    # 在 Streamlit 中渲染
    st.pydeck_chart(r)

扩展技巧

利用 Sidebar 实现动态参数控制

一个优秀的 GIS 应用不应只是静态展示，而应允许用户交互。Streamlit 的 st.sidebar 是放置控制组件的最佳位置。

你可以通过侧边栏的滑块或颜色选择器，实时更新地图图层的属性。例如，让用户调整图层的透明度或 3D 建筑的高度系数。由于 Streamlit 的响应式特性，数据流会自动触发图表重绘。

处理大规模数据的性能优化

当处理数万条记录的 GeoJSON 时，浏览器可能会因为渲染压力而卡顿。此时有两个优化策略：

1. 数据抽样：在展示全量数据前，先展示部分数据或使用 st.slider 进行分页加载。
2. 聚合渲染：对于点数据，使用 PyDeck 的 HexagonLayer 或 HeatmapLayer 代替散点图。这两种图层在 WebGL 层面进行聚合计算，性能极高，且视觉效果更佳。

FAQ 问答

1. Streamlit 支持哪些 GIS 数据格式？

Streamlit 本身是一个 Web 框架，它依赖后端的 Python 库来处理数据。因此，只要你的 Python 环境支持（如 GeoPandas），它就能处理 GeoJSON、Shapefile、KML、GPX 以及数据库导出的 CSV（含经纬度）格式。推荐使用 GeoJSON，因为它是 Web 地图的原生标准格式。

2. Streamlit GIS 应用能否在移动端运行？

可以。Streamlit 生成的 Web 页面是响应式设计的，能够自动适配桌面和移动端屏幕。PyDeck 渲染的地图在移动端支持触摸操作（缩放、平移）。不过，如果你的 GIS 数据量非常大，移动端的加载速度可能会受到网络带宽和 GPU 性能的限制。

3. 如何将 Streamlit GIS 应用部署到公网？

Streamlit 提供了多种部署方式：

• Streamlit Community Cloud：最简单，直接连接 GitHub 仓库即可免费部署。
• Docker + 云服务器：将应用打包为 Docker 镜像，部署在 AWS、阿里云等服务器上，适合企业级应用。
• Hugging Face Spaces：另一个免费的托管平台，支持 GPU 加速，适合运行重型地理计算任务。

总结

利用 Streamlit 开发 GIS Web 应用，不仅大幅降低了前端开发的门槛，还保留了 Python 在数据处理方面的强大生态。通过 PyDeck 的集成，你可以轻松实现高性能的 3D 地图可视化。

从简单的数据预览到复杂的交互式 3D 地图，Streamlit 都能胜任。现在，就去安装必要的库，尝试加载你的第一份地理数据，亲手构建属于你的 GIS 应用吧！