Un heatmap o mapa de calor es una visualización que utiliza una escala de colores para representar la intensidad o concentración de un fenómeno sobre una superficie. Su objetivo es revelar patrones espaciales de forma rápida e intuitiva.

A diferencia de los mapas coropléticos, que colorean regiones administrativas (provincias, cantones, países), el heatmap utiliza puntos geográficos individuales (latitud y longitud) y genera zonas más claras u oscuras según la densidad de datos (hotspots).

Buenas prácticas y errores comunes

Ajustar radio y blur para una visualización adecuada.
Usar colores progresivos y claros.
Incluir leyenda si es posible.
Normalizar datos si los puntos tienen distinto peso o importancia.
Usar pocos datos → mapa sin patrones reales.
Interpretar el heatmap como un valor exacto por región.
No ajustar los parámetros → manchas confusas o invisibles.
Colores mal seleccionados que dificultan la lectura.

Dataset

Quito Morpho-Climatic Events Database (1900–2020)
Zapata, C., Cupueran, M. I., Sevilla, E., Jiménez, E., Espinoza, T., & Taipe, R. (2024).
Quito Morpho-Climatic Events Database 1900–2020 Dataset. Harvard Dataverse.
https://doi.org/10.7910/DVN/7VXOQK

import folium
from folium.plugins import HeatMap ,HeatMapWithTime
import pandas as pd

df = pd.read_csv("Eventos_Morfo_UIO.csv", encoding='latin-1')

df.head()

	AÑO	MES	DIA	DPA_PROVIN	DPA_DESPRO	DPA_CANTON	DPA_DESCAN	DPA_PARR_1	DPA_DESP_1	longitud	...	Descripcio	SECTOR / B	OBSERVACIO	GRAVEDAD	Intensidad	Notas
0	1900	3	21	P17	PICHINCHA	C1701	QUITO	PR170113	ITCHIMBIA	-78.50222	...	NaN	La Alameda	Daños en varias caa, caidas de redes telefonicas	3. molestia en el tráfico, daños ligeros	1	NaN
1	1900	5	19	P17	PICHINCHA	C1701	QUITO	PR170103	CENTRO HISTORICO	-78.51142	...	NaN	Quito	El agua lluvia arraza gran cantidad de materia...	3. molestia en el tráfico, daños ligeros	1	NaN
2	1902	3	19	P17	PICHINCHA	C1701	QUITO	PR170103	CENTRO HISTORICO	-78.51588	...	NaN	Casco Colonia	los meses de enero a mayo en que hay lluvias f...	3. molestia en el tráfico, daños ligeros	1	NaN
3	1904	4	4	P17	PICHINCHA	C1701	QUITO	PR170103	CENTRO HISTORICO	-78.50526	...	lluvia y desaseo de vecinos	La Marin	la carrera León intersección con la Oriental s...	2. daños materiales comentados por el periodis...	2	NaN
4	1904	4	15	P17	PICHINCHA	C1701	QUITO	PR170125	PUENGASI	-78.49193	...	NaN	s. Chiryacu - Luluncoto	El carretero antiguio a los Chillos( act. Ana ...	3. molestia en el tráfico, daños ligeros	1	NaN

5 rows × 30 columns

df.columns

Index(['AÑO', 'MES', 'DIA', 'DPA_PROVIN', 'DPA_DESPRO', 'DPA_CANTON',
       'DPA_DESCAN', 'DPA_PARR_1', 'DPA_DESP_1', 'longitud', 'latitud', 'X',
       'Y', 'No.', 'Codigo en', 'Fuente Sec', 'Fuente Pri', 'EVENTO',
       'SUBCATEGOR', 'CAUSA/DISP', 'Descripcio', 'SECTOR / B', 'OBSERVACIO',
       'GRAVEDAD', 'Intensidad', 'Notas', '# Muertos', '#Heridos',
       '#Desaparec', '#Damnifica'],
      dtype='object')

dfmap=df[["latitud","longitud","Intensidad","GRAVEDAD","EVENTO"]]

dfmap.head()

	latitud	longitud	Intensidad	GRAVEDAD	EVENTO
0	-0.21665	-78.50222	1	3. molestia en el tráfico, daños ligeros	Inundacion
1	-0.22154	-78.51142	1	3. molestia en el tráfico, daños ligeros	Inundacion
2	-0.22003	-78.51588	1	3. molestia en el tráfico, daños ligeros	Inundacion
3	-0.21969	-78.50526	2	2. daños materiales comentados por el periodis...	Hundimiento
4	-0.24189	-78.49193	1	3. molestia en el tráfico, daños ligeros	Movimiento en Masa

dfmap.EVENTO.unique()

array(['Inundacion', 'Hundimiento', 'Movimiento en Masa', 'Aluvión'],
      dtype=object)

dfmap=dfmap[dfmap["EVENTO"]=="Inundacion"]
dfmap = dfmap[["latitud","longitud","Intensidad"]]

# Mapa base centrado en Ecuador
m = folium.Map(
    [-0.19899731681836336, -78.4428000494774], # PUNTO INICIAL
    zoom_start=10)


# Añadir capa de calor
HeatMap(
    dfmap,
    radius=15,   # Influencia de cada punto
    blur=15,     # Suavizado
    #max_zoom=12  # Precisión según el nivel de zoom
).add_to(m)

m

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

dfmap=df[df["EVENTO"]=="Inundacion"]
dfmap = dfmap[["latitud","longitud","EVENTO"]]
# puntos exactos en el mapa "latitud","longitud"
for i, row in dfmap.iterrows():
    folium.CircleMarker(
        location=[row['latitud'], row['longitud']],
        radius=2,               # Tamaño del punto
        color='blue',            # Borde del punto
        fill=True,
        fill_opacity=0.8,
        popup=f"Lat:{row['EVENTO']}"  
    ).add_to(m)
                           
m

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

Linea de tiempo

dfmap=df[df["EVENTO"]=="Inundacion"]
dfmap = dfmap[["latitud","longitud","EVENTO",'AÑO', 'MES', 'DIA']]

dfmap = dfmap.rename(columns=lambda x: x.strip())

# Crear la columna FECHA como texto: 'YYYY-MM-DD'
dfmap['FECHA'] = (
    dfmap['AÑO'].astype(int).astype(str) + '-' +
    dfmap['MES'].astype(int).astype(str).str.zfill(2) + '-' +
    dfmap['DIA'].astype(int).astype(str).str.zfill(2)
)
dfmap = dfmap.dropna(subset=['FECHA'])
dfmap.head()

	latitud	longitud	EVENTO	AÑO	MES	DIA	FECHA
0	-0.21665	-78.50222	Inundacion	1900	3	21	1900-03-21
1	-0.22154	-78.51142	Inundacion	1900	5	19	1900-05-19
2	-0.22003	-78.51588	Inundacion	1902	3	19	1902-03-19
9	-0.22329	-78.51295	Inundacion	1909	3	7	1909-03-07
12	-0.22048	-78.51566	Inundacion	1911	1	26	1911-01-26

# Lista de fechas
dfmap['FECHA'] = pd.to_datetime(dfmap['FECHA'], errors='coerce')

# 3️⃣ Eliminar fechas inválidas
dfmap = dfmap.dropna(subset=['FECHA'])

# 4️⃣ Ahora sí, crear time_index correctamente
time_index = sorted(dfmap['FECHA'].dt.strftime('%Y-%m-%d').unique())

# Lista 
data = []

for fecha in time_index:
    sub = dfmap[dfmap['FECHA'] == fecha]
    puntos = sub[['latitud', 'longitud']].values.tolist()
    data.append(puntos)

# puntos exactos en el mapa "latitud","longitud"
# Mapa base centrado en Ecuador
m = folium.Map(
    [-0.19899731681836336, -78.4428000494774], # PUNTO INICIAL
    zoom_start=10)
    
HeatMapWithTime(
    data=data,
    index=time_index,
    auto_play=True,
    radius=20,
    max_opacity=0.6
).add_to(m)

m

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