今回は、地図作成ライブラリfoliumの数あるPluginsの中の１つHeatMapを使ってみる。

HeatMap(ヒートマップ)とは

二次元データの数値の高低を、色やその濃淡で表したもの。「マップ」と付いてますが必ずしも地図で表現する訳ではなく、テーブルを値で色分けしたものなどもヒートマップと呼ぶ。色んな種類のヒートマップがある。

地図を色分けする方法として、他に似たものでは コロプレス図(階級区分図) がある。例えば地図を都道府県ごとに境界線で別けて、なにかの統計データによって色分けする。アメリカ大統領選州ごとに赤と青で色分けされた地図など。

使い方

HeatMapクラスの引数と、デフォルト値。

folium.plugins.HeatMap(
    data,
    name=None,
    min_opacity=0.5,
    max_zoom=18,
    radius=25,
    blur=15,
    gradient=None,
    overlay=True,
    control=True,
    show=True,
    **kwargs,
)


     
Heatmapのレイヤー(層)を作ります。

パラメータの説明

引数	形式	説明
data	[ lat, lng ] か [ lat, lng, weight ]の、２次元のリストかNumpy配列	この座標群に点が置かれる
name	string型。デフォルトは`None`	レイヤー(層)に名前をつける。LayerControlで表示する用
min_opacity	int型。デフォルトは`1`。	ヒートの色をスタートする時の不透明度。
max_zoom	int型。デフォルトは`18`	ズームレベルが最大強度 (ズームのしかたの強弱)
radius	int型。デフォルトは`25`	ヒートマップの点の半径。
blur	int型。デフォルトは`15`	ブラー(ぼかし)の程度。
gradient	dict型。デフォルトは `None`	色のグラデーションの設定。例 {0.4: 'blue', 0.65: 'lime', 1: 'red'}
overlay	bool型。デフォルトは`True`	オプションとして、層を追加する。overlay層(True) または base層(False)
control	bool型。デフォルトは`True`	レイヤー(層)を LayerControlに含めるかどうか。
show	bool型。デフォルトは`True`	レイヤー(層)を開いて表示するかどうか。 (overlay のみ)。

HeatMapのヘルプ

以下を実行で表示されます。

# ヘルプ
help(folium.plugins.HeatMap)


# または (Jupyter上で
?folium.plugins.HeatMap

ヒートマップ地図作成

引数がたくさんあるが、簡単なものだけを。

座標のみ指定

複数の座標のみ指定します。

HeatMap()の引数の座標は２次元で！ さもないとエラーが出ます。

import folium
from folium import plugins

# 中心座標(適当
center = [32, 131]

# ベースの地図作成
m = folium.Map(center, zoom_start=12)

# ヒートマップ層を地図に追加
folium.plugins.HeatMap(
    data=[center] # 注意！ ２次元にして渡す
).add_to(m)


# 表示
m

Make this Notebook Trusted to load map: File -> Trust Notebook

ただ座標を置いただけのHeatMapレイヤーを生成し、ベースの地図に追加させたもの。

都道府県庁の座標と何かのデータ

都道府県ごとの何かのデータを、都道府県庁の座標と結合させた自作のデータを使ってプロットしてみます。

# 保存済みの変数読み込み
%store -r

# 緯度、経度、何かの数
df_ll

	1	2	何かの数
0
愛知県庁	35.180319	136.906107	55523
秋田県庁	39.718600	140.102334	1044
青森県庁	40.824229	140.740106	2793
千葉県庁	35.604977	140.123051	53284
愛媛県庁	33.841658	132.765660	3048
福井県庁	36.065094	136.221754	1759
福岡県庁	33.606314	130.418029	42183
福島県庁	37.750046	140.467769	6223
岐阜県庁	35.391149	136.722199	9785
群馬県庁	36.390642	139.060315	9451
広島県庁	34.396563	132.459628	12516
北海道庁	43.064309	141.346832	45830
兵庫県庁	34.690972	135.183318	45908
茨城県庁	36.341807	140.447210	13516
石川県庁	36.594783	136.625839	5519
岩手県庁	39.703327	141.152920	2078
香川県庁	34.340297	134.043326	2424
鹿児島県庁	31.560183	130.557968	4159
神奈川県庁	35.447771	139.642542	90931
高知県庁	33.559497	133.531136	2144
熊本県庁	32.789826	130.741478	7467
東京都庁	35.689634	139.692101	19371
京都府庁	35.020934	135.755311	6030
三重県庁	34.730421	136.508835	10241
宮城県庁	38.268672	140.872170	3358
宮崎県庁	31.910908	131.423898	5539
長野県庁	36.651282	138.180972	3630
長崎県庁	32.750336	129.867908	9261
奈良県庁	34.685311	135.832908	4317
新潟県庁	37.902242	139.023511	3791
大分県庁	33.238200	131.612674	8627
岡山県庁	34.661847	133.934679	27085
沖縄県庁	26.212523	127.680771	118923
大阪府庁	34.686401	135.520129	2877
佐賀県庁	33.249439	130.298804	62131
埼玉県庁	35.857315	139.648722	6404
滋賀県庁	35.004461	135.868534	780
島根県庁	35.472679	133.050725	11613
静岡県庁	34.977156	138.383126	8919
栃木県庁	36.565806	139.883615	1834
徳島県庁	34.065955	134.559303	236119
鳥取県庁	35.504091	134.237919	917
富山県庁	36.695565	137.211249	2434
和歌山県庁	34.225808	135.167491	3145
山形県庁	38.240320	140.363574	2259
山口県庁	34.185893	131.470725	3370
山梨県庁	35.664140	138.568556	2673

HeatMap()の引数dataは、[緯度, 経度, weight]を２次元のリストかNumpy配列で渡すこともできるとなっているので、このまま使います。

↑のデータフレームをvaluesでNumpy配列に変換して渡した例が次。

import folium
from folium import plugins
import pandas as pd

# 中心座標(平均値を列で出す
center = df_ll.iloc[:,0:2].mean(axis=0).values
center

array([ 35.38254685, 136.03995172])

# ベースの地図作成
m = folium.Map(location=center, zoom_start=5)

# ヒートマップ層を地図に追加
folium.plugins.HeatMap(
    data = df_ll.values, # ２次元を渡す
    radius=15,    
).add_to(m)

# 保存
m.save('pcr_positive.html')

# 表示
m

Make this Notebook Trusted to load map: File -> Trust Notebook

実はコロナの陽性者数のデータを都道府県庁の座標と結合させたデータだったのですが、結合をミスったみたいでw徳島が熱い地区になってしまっている。

おわりに

ヒートマップの作り方とかより、座標とデータを集めたり整形するのが大変。

昔、原爆を積んだ米軍の輸送機が墜落したことがあった。核兵器は容易に核爆発しない構造らしく、そこは免れたのだけど、爆弾が行方不明で見付からない。そこで地図をメッシュ状に分割して、航空機の残骸などから爆弾の落ちているポイントを確率計算して探したのだと。確率をヒートマップで表せば、濃淡の濃いメッシュをピンポイントで探索するとき分かりやすい図になる。

他にどんな使い方があるだろう？

今回は以上。