成功读取了数据并保存到了 df DataFrame 对象中并直接使用 df[['lat', 'lng']] 来获取包含经纬度的子数据集的完整代码是什么

以下是成功读取数据并保存到 `df` DataFrame 对象中，并直接使用 `df[['lat', 'lng']]` 获取包含经纬度的子数据集的完整代码：

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

def draw_map():
    # 读取txt文件
    df = pd.read_table('file.txt')
    # 获取经纬度范围
    min_lat, max_lat = df['lat'].min(), df['lat'].max()
    min_lng, max_lng = df['lng'].min(), df['lng'].max()
    # 创建地图对象
    m = folium.Map(location=[(min_lat + max_lat) / 2, (min_lng + max_lng) / 2], zoom_start=12)
    # 添加热力图层
    HeatMap(df[['lat', 'lng']].values.tolist(), radius=10).add_to(m)
    # 保存地图
    m.save('map.html')

# 调用函数绘制地图
draw_map()

在这个代码中，我们首先导入了所需的库。然后，在 `draw_map()` 函数中，我们使用 `pd.read_table()` 函数从名为 'file.txt' 的文件中读取数据，并将其保存到名为 `df` 的 DataFrame 对象中。

接下来，我们使用 `df['lat'].min()` 和 `df['lat'].max()` 来获取经纬度的最小值和最大值，并将它们分别存储在 `min_lat`、`max_lat`、`min_lng` 和 `max_lng` 变量中。

然后，我们使用 `folium.Map()` 函数创建一个地图对象，设置地图的中心位置为经纬度范围的中点，初始缩放级别为 12。

接着，我们使用 `df[['lat', 'lng']]` 来获取包含经纬度的子数据集，并将其转换为列表格式，并使用 `HeatMap()` 函数将其添加到地图对象 `m` 中作为热力图层。

最后，我们使用 `m.save()` 函数将地图保存为名为 'map.html' 的 HTML 文件。

调用 `draw_map()` 函数即可绘制地图。

如果您有任何问题或需要进一步帮助，请随时告诉我！