本文详解如何将原始经纬度数据聚合成频次统计，并据此动态设置 d3 绘制的 svg 圆圈半径，实现地理热点强度可视化。核心在于使用 d3 的 `d3.group()` 对坐标去重计数，并将频次映射为圆圈半径（如 `r = baseradius * count`）。
在 D3 与 Leaflet 协同绘制地理散点图时，若原始数据包含大量重复的经纬度组合（例如用户打卡、事件上报等场景），直接为每条记录渲染一个圆圈会导致视觉重叠、遮挡严重，且无法直观反映空间分布的密度差异。理想的解决方案是：先聚合数据，再按频次缩放圆圈大小。
✅ 正确做法：数据聚合 + 比例映射
D3 v7 提供了简洁高效的聚合工具 d3.group()。我们以经纬度数组 [lat, lng] 为键进行分组（注意需转为字符串以支持对象键比较），再统计每组出现次数：
// 假设原始 data 是 d3.csv 加载的数组，每项含 sub_district_lat / sub_district_long 字段 const grouped = d3.group(data, d => [d.sub_district_lat, d.sub_district_long].toString() ); // 转为标准数组并构造新数据结构：{ cnt, sub_district_lat, sub_district_long } const aggregatedData = Array.from(grouped, ([_, records]) => ({ cnt: records.length, sub_district_lat: records[0].sub_district_lat, sub_district_long: records[0].sub_district_long }));随后，在绑定数据时，将圆圈半径 r 属性改为基于 cnt 动态计算：
.attr("r", d => math.max(4, 8 * Math.sqrt(d.cnt))) // 推荐：用 sqrt 缓解极端值放大效应⚠️ 注意：*不建议直接使用 `12 d.cnt`**（如原答案所示）。当某位置出现 100 次时，半径达 1200px，极易覆盖整屏且丧失可比性。更科学的做法是：使用 Math.sqrt(d.cnt) 或 Math.cbrt(d.cnt) 压缩尺度；设置最小半径（如 Math.max(3, …)）确保低频点仍可见；可结合 d3.scaleLinear() 进行精细化映射（见下文进阶示例）。
? 完整集成代码（D3 v7 + Leaflet）
? 关键注意事项
- 版本兼容性：务必使用 D3 v7+（d3.group 在 v4 中不可用）；Leaflet v1.x 与 svg 图层配合稳定。
- 性能优化：数千条记录聚合后通常只剩数百个唯一坐标，大幅提升渲染效率。
- 视觉合理性：优先使用 scaleSqrt() 而非线性缩放，避免高频点“吞噬”周边区域。
- 坐标精度：若原始数据含小数位数过多（如 10 位），建议预处理四舍五入（如 +d.lat.toFixed(4)），防止微小浮点误差导致分组失败。
- 交互增强：可为圆圈添加 title 属性显示具体频次，或绑定 on(“click”, …) 实现钻取分析。
通过以上方法，你不仅能清晰呈现地理热点分布，还能让可视化结果具备真实的统计意义和专业表现力。