Python 地理可视化工具横评：Lonboard / Folium / Pydeck / Plotly，谁该上谁该滚

1. 为什么写这篇

中文互联网搜"Python 地理可视化"，出来的文章基本是 2020-2022 年的老黄历，推荐的还是 folium + ipyleaflet 这套。2024 年以后 lonboard 冒出来了，号称"300 万点 2.5 秒渲染"，但中文资料几乎为零。

我不想再写一篇"XX 库真好用推荐大家试试"的软文。这篇文章做了完整的竞品横评，所有数据都是我亲手跑出来的，包括渲染耗时、HTML 文件体积、API 实际体验。结论可能跟你想的不一样。

2. 测试环境

• Python 3.13, Ubuntu 22.04
• 测试数据：随机生成的上海餐饮 POI 点（14,141 个），按 7 个商圈聚类分布
• 所有库用最新稳定版：Folium 0.20、Pydeck 0.9.2、Lonboard 0.16.0、Plotly 6.7
• 渲染时间只计 Python 端耗时（time.time()），不含浏览器端渲染

3. 性能实测：10K 到 300 万点

跑了 6 个数据量级，4 个库。先上结论：

Python 端渲染耗时对比

*Pydeck 10K 的 0.645s 包含了首次 import 的冷启动开销，后续调用稳定在 ~0.008s

Plotly 为什么这么快？ 因为 scatter_map() 底层用的是 MapLibre GL JS，Python 端只做数据序列化，不做任何渲染计算。Folium 和 Lonboard 是把数据转成特定格式（GeoJSON / GeoArrow）写入 HTML，计算量更大。

**Pydeck 为什么"快到离谱"？**往下看。

4. Pydeck 的"快"是个假象

Pydeck 的 Python 端渲染时间恒定在 ~0.008s，不管 1 万点还是 300 万点。原因很简单：它的 HTML 文件里根本没有数据。

我导出了所有库在 300 万点时的 HTML 文件：

对，Pydeck 导出的 HTML 只有 2.5KB — 一个空壳，里面只有 JS 库的引用和一个 <div> 容器。数据需要通过 Jupyter kernel 实时推送到前端。

这意味着：

• Pydeck 离开 Jupyter 就是个废的，to_html() 生成的文件在浏览器里打开是空白的
• Python 端"快"是因为它压根没做数据序列化，渲染全甩给前端
• 如果你在 Jupyter 里用，体验确实不错；但想导出独立 HTML 给别人看，没戏

导出 HTML 文件大小对比

5. 那到底该用哪个？

别急着下结论。性能只是一个维度，还有 API 设计、图层支持、社区生态这些。

综合能力雷达图

5.1 Folium：小数据量的首选

Folium 基于 Leaflet.js，API 设计极其直觉，folium.Map() + folium.CircleMarker() 三行代码出图。社区大（GitHub 8k+ stars），中文资料多，踩坑有人帮。

问题：大数据量扛不住。50 万点就开始卡，100 万点以上渲染时间飙升到秒级，HTML 体积也膨胀得厉害。300 万点的 HTML 有 165MB，浏览器打开都费劲。

适用场景：数据量 < 10 万点的探索性分析、快速出图、教学演示。

5.2 Lonboard：大数据量的性能选手

Lonboard 基于 deck.gl[1] + GeoArrow，用 GPU 加速渲染。GeoArrow 是二进制格式，序列化效率比 GeoJSON 高一个量级，所以 300 万点的 HTML 只有 66MB（Folium 的 40%）。

问题：

• API 设计不友好。ScatterplotLayer.from_geopandas() 听着方便，但颜色要手动传 dtype=np.uint8 的 numpy 数组，basemap 要用 MaplibreBasemap 实例而不是字符串，view_state 用 dict 而不是对象。每个参数都是个坑。
• 图层类型少。目前只覆盖了 ScatterplotLayer、ArcLayer、HeatmapLayer、PolygonLayer 等少数几种，远不如 pydeck 和 plotly 丰富。
• 维护风险高。核心开发者只有 Kyle Barron 一个人，GitHub 930 stars，社区几乎为零。如果他哪天不维护了，这库就废了。
• 中文文档和社区为零，遇到问题只能翻英文 GitHub issues。

适用场景：数据量 > 10 万点的可视化，需要导出独立 HTML，对渲染性能有硬需求。

5.3 Pydeck：Jupyter 里的好选择

Pydeck 是 deck.gl[1] 的 Python 封装，图层类型丰富（ScatterplotLayer、HexagonLayer、PathLayer、PolygonLayer 等），Meta 维护，社区中等。

问题：离开 Jupyter 就不行。to_html() 生成的是空壳文件，数据依赖 Jupyter kernel 推送。想分享给别人看？只能截图或者录屏。

适用场景：在 Jupyter Notebook 里做交互式地理分析，不需要导出独立 HTML。

5.4 Plotly：最均衡的选择

Plotly 的 scatter_map() 基于 MapLibre，API 设计最现代，参数命名直观。图层类型最丰富，社区最大（GitHub 16k+ stars），中文资料最多。300 万点的 Python 端渲染只要 4.3 秒，HTML 74MB。

问题：

• 地理可视化不是 Plotly 的主业，它是个通用可视化库。专门做地理分析的人会觉得功能不够深入。
• MapLibre 底图需要联网加载，离线场景不行。
• 大数据量下 HTML 也不小（300 万点 74MB），虽然比 Folium 好，但比 Lonboard 大。

适用场景：通用数据可视化项目中偶尔需要地理图表，团队协作，需要稳定的长期维护。

6. 我的真实建议

说白了，没有"最好"的库，只有"最合适"的：

1. 数据量 < 10 万，快速出图 → Folium，别犹豫
2. 数据量 > 10 万，需要独立 HTML → Lonboard，但要做好踩坑准备
3. 在 Jupyter 里做交互分析 → Pydeck，体验最好
4. 需要长期维护、团队协作 → Plotly，生态最稳
5. 300 万点以上的极端场景 → Lonboard 是目前唯一能打的，但要考虑维护风险

7. 被砍掉的 Kepler.gl[2]

本来想测 Kepler.gl[2]（Uber 出品，GitHub 10k+ stars），但 Python 3.13 上编译不了 — 它依赖的 pyarrow 16.0 跟新版 Python 有兼容性问题。这本身就说明了一个问题：Kepler.gl[2] 的 Python 绑护已经半死不活了。官方推荐的交互方式是 kepler.gl[2] 网页版（拖拽 JSON），Python 只是个数据预处理工具。如果你看到有人推荐 Kepler.gl[2] 的 Python 版，别信。

8. 踩坑记录

这几个坑是实际跑代码时踩的，官方文档没提：

1. get_fill_color 必须是 uint8 类型

传普通的 Python list 或 int 数组会报错：

python# 错误
get_fill_color=[255, 80, 80, 160]

# 正确
get_fill_color=np.array([[255, 80, 80, 160]], dtype=np.uint8)

2. 底图 API 变了

v0.16.0 的 basemap_style 参数已废弃，改用 basemap，且需要传 MaplibreBasemap 对象：

python# 旧版（已废弃）
Map(basemap_style='dark-matter')

# 新版
from lonboard.basemap import MaplibreBasemap
DARK = MaplibreBasemap(style='https://basemaps.cartocdn.com/gl/dark-matter-gl-style/style.json')
Map(basemap=DARK)

3. GeoDataFrame 不能直接传给 ScatterplotLayer

python# 不能这样
layer = ScatterplotLayer(gdf)

# 要这样
layer = ScatterplotLayer.from_geopandas(gdf)

4. Plotly 的 scatter_mapbox 已废弃

新版本用 scatter_map()，而且没有 mapbox_style 参数了：

python# 旧版（已废弃）
px.scatter_mapbox(gdf, mapbox_style='carto-darkmatter')

# 新版
px.scatter_map(gdf)  # 默认 MapLibre 底图

5. lonboard 和 maplibre 不能装在同一环境

这是个很坑的兼容性问题。lonboard 依赖 deck.gl[1] 8.9，而 maplibre 依赖 deck.gl[1] 9.0，两个版本的 JS 库不能同时加载到页面上。如果你的项目里同时需要 lonboard 和 maplibre（比如还想用 maplibre 的底图控制），抱歉，装不上。

Issue #640 里维护者明确说了：“You can’t have multiple deck.gl[1] versions loaded onto the page”，无解。要么全用 lonboard，要么全用 maplibre，二选一。

9. 完整测试代码

python"""全量竞品对比：4个库 × 6个数据量级"""
import time, json, numpy as np, geopandas as gpd
from shapely.geometry import Point

SIZES = [10_000, 50_000, 100_000, 500_000, 1_000_000, 3_000_000]

defmake_data(n):
    rng = np.random.default_rng(42)
    lons = rng.uniform(121.40, 121.55, n)
    lats = rng.uniform(31.18, 31.28, n)
    cats = rng.choice(['中餐','西餐','日料','火锅','快餐','甜品','咖啡'], n)
    geom = [Point(lo, la) for lo, la inzip(lons, lats)]
    return gpd.GeoDataFrame({'category': cats, 'geometry': geom}, crs='EPSG:4326'), lons, lats, cats

results = {}
for n in SIZES:
    gdf, lons, lats, cats = make_data(n)

    # Folium
    import folium
    from folium.plugins import FastMarkerCluster
    t0 = time.time()
    m = folium.Map(location=[31.23, 121.47], zoom_start=11, tiles='CartoDB dark_matter')
    FastMarkerCluster(list(zip(lats, lons, cats))).add_to(m)
    results.setdefault('Folium', {})[n] = time.time() - t0

    # Lonboard
    from lonboard import ScatterplotLayer, Map
    from lonboard.basemap import MaplibreBasemap
    t0 = time.time()
    colors = np.array([[255,80,80,160] for _ inrange(n)], dtype=np.uint8)
    layer = ScatterplotLayer.from_geopandas(gdf, get_radius=40, get_fill_color=colors)
    m = Map([layer], basemap=MaplibreBasemap(
        style='https://basemaps.cartocdn.com/gl/dark-matter-gl-style/style.json'),
        view_state={'longitude': 121.47, 'latitude': 31.23, 'zoom': 11})
    results.setdefault('Lonboard', {})[n] = time.time() - t0

    # Plotly
    import plotly.express as px
    t0 = time.time()
    fig = px.scatter_map(gdf, lat=gdf.geometry.y, lon=gdf.geometry.x,
                         zoom=11, center={'lat':31.23,'lon':121.47})
    results.setdefault('Plotly', {})[n] = time.time() - t0

# 汇总
for lib in ['Folium', 'Lonboard', 'Plotly']:
    times = [f"{results[lib][n]:.3f}"for n in SIZES]
    print(f"{lib:>10}: {', '.join(times)}")

10. 结论

Lonboard 的性能优势是真的，但被中文社区吹过头了。它的定位很窄：大数据量 + 需要独立 HTML 导出。对于 90% 的日常需求，Folium 够用了。对于需要长期维护的项目，Plotly 更稳。

别被"300 万点 2.5 秒"这种标题唬住。先看看你的数据量到底多大，再决定用什么工具。

参考链接

[1] http://deck.gl

[2] http://Kepler.gl