【大数据】城市公交网络分析与可视化（三）：获取公交站点信息并可视化站点重要程度 |
您所在的位置：网站首页 › 如何获取景区客流量数据和数据信息 › 【大数据】城市公交网络分析与可视化（三）：获取公交站点信息并可视化站点重要程度 |
【大数据】城市公交网络分析与可视化（三）：获取公交站点信息并可视化站点重要程度
|
博客内容简介
通过前面的探究，我们大体知道如何获取一个城市的公交数据，并绘制了公交行驶路径散点图（效果不是很理想）。 其实散点图感觉更适合类似于绘制公交站点这样的信息（行驶轨迹有其他更好的绘制技巧），故本篇博客将整理之前爬取公交数据的代码，可视化相关公交站点信息，并透过可视化信息知道哪些站点是关键站点！ 和之前一样，本文依旧是基于青岛市来分析 正文 1、获取一个城市所有(可选)基本信息和公交站点信息**（1）青岛前20路公交基本信息 我（最近）写代码一个基本原则就是，大家拿去就能运行 当然，基本的运行环境得保证没问题，本博客为：Anaconda 中的Spyder软件 （补充说明：bounds变量行车区间（非始发站，终点站坐标），是一个类似对角线的概念！） import requests import json import pandas as pd import time #自己写的用于记录时间函数 def record_time(flag): if flag==0: global t0 t0=time.time() else: t1=time.time() print("用时：%.2fs"%(t1-t0)) print(time.strftime('%Y-%m-%d %H:%M:%S',time.localtime(time.time()))) #获取公交基本信息 def get_station(cityname,line): global bus_num #1、获取当前公交线路数据 url = 'https://restapi.amap.com/v3/bus/linename?s=rsv3&extensions=all&key=a5b7479db5b24fd68cedcf24f482c156&output=json&city={}&offset=1&keywords={}&platform=JS'.format(cityname,line) r = requests.get(url).text rt = json.loads(r) try: #2、读取当前公交线路主要信息 dt = {} dt['line_name'] = rt['buslines'][0]['name'] #公交线路名字 dt['start_stop'] = rt['buslines'][0]['start_stop'] #始发站 dt['end_stop'] = rt['buslines'][0]['end_stop'] #终点站 dt['bounds'] = rt['buslines'][0]['bounds'] #行车区间（非始发站，终点站坐标） dt['distance'] = rt['buslines'][0]['distance'] #全程长度 #3、获取沿途站点站名、对应坐标和“第几站”信息 station_name = [] station_coords = [] station_sequence = [] for st in rt['buslines'][0]['busstops']: station_name.append(st['name']) station_coords.append(st['location']) station_sequence.append(st['sequence']) dt['station_name'] = station_name #沿途站点名 dt['station_coords'] = station_coords #沿途站点坐标 dt['station_sequence'] = station_sequence #沿途站点第几站 bus_num+=1 #有效公交数+1 return pd.DataFrame(dt) #返回pd.DataFrame()类型 except: #try语句部分出错进入此部分（一般为站点名错误） print('没有{}公交'.format(line)) #输出没有的公交线路名字，可省略 return pd.DataFrame([]) #返回空的pd.DataFrame类型 #获取当前城市所有公交基本信息：线路名、行车区间、全程长度、沿途站点及坐标 def Bus_info(city,for_num): all_bus=pd.DataFrame() for i in range(1,for_num+1): all_bus=pd.concat([all_bus,get_station(city,str(i)+'路')]) #不加这个'路'可能优先获取地铁 print("Bus_info函数遍历{}前{}路公交,有效公交线路数为：{}个".format(city,for_num,bus_num)) all_bus.to_csv("{}前{}路公交(有效线路数：{})基本信息.csv".format(city,for_num,bus_num),encoding='utf-8-sig') if __name__=="__main__": record_time(0)#用于记录开始时间 bus_num=0 #全局变量，计算有效遍历的公交数 city='青岛' #需要查询公交信息的城市 for_num=20 #遍历的线路数[1路,for_num路]，通常公交线路数小于1000，具体可参考8684等网站 Bus_info(city,for_num) record_time(1)#用于记录结束时间并输出用时（2）运行结果 （3）站点位置可视化（部分） 绘图工具：高德开放平台|Map Lab（不是很难，摸索摸索，很快就能上手！） 下图中，颜色深表示有重合 （1）直接可运行出结果的代码 和上面一样，爬取青岛市前20路的公交，只获取行驶轨迹的坐标 import requests import json import pandas as pd import time #自己写的用于记录时间函数 def record_time(flag): if flag==0: global t0 t0=time.time() else: t1=time.time() print("用时：%.2fs"%(t1-t0)) print(time.strftime('%Y-%m-%d %H:%M:%S',time.localtime(time.time()))) #获取公交的行驶轨迹数据 def get_line(cityname,line,path,num): url = 'https://restapi.amap.com/v3/bus/linename?s=rsv3&extensions=all&key=a5b7479db5b24fd68cedcf24f482c156&output=json&city={}&offset=1&keywords={}&platform=JS'.format(cityname,line) r = requests.get(url).text rt = json.loads(r) try: polyline=rt['buslines'][0]['polyline'] path=path+polyline return num+1,path except: print('没有{}公交'.format(line)) #正常情况下，这条语句不会执行 return num,path #获取当前城市所有公交的行驶轨迹 def Bus_lines(city,for_num): path_str='' bus_num=0 for i in range(1,for_num+1): bus_num,path_str=get_line(city,str(i)+'路',path_str,bus_num) path={} path['station_coords']=path_str.split(";") print("Bus_lines函数遍历{}前{}路公交,有效公交线路数为：{}个，轨迹坐标为：{}条".format(city,for_num,bus_num,len(path['station_coords']))) pd.DataFrame(path).to_csv('{}前{}路公交(有效线路数：{})轨迹坐标数据.csv'.format(city,for_num,bus_num),index=False,encoding='utf-8') if __name__=="__main__": record_time(0) city='青岛' #需要查询公交信息的城市 for_num=20 #遍历的线路数[1路,for_num路]，通常公交线路数小于1000，具体可参考8684等网站 bus_num=0 #全局变量，计算有效遍历的公交数 Bus_lines(city,for_num) record_time(1)（2）运行结果 这个时候我们就会思考：能不能将轨迹图用不同颜色标注出来？ 3、获取一个城市所有（可选）公交行驶轨迹（附带线路名）（1）能直接出结果的代码 因为2部分获取代码的方式特殊性，这里的功能看似和2变化不大（就加了个线路名），实际改动的地方还挺多的 import requests import json import pandas as pd #获取公交的行驶轨迹数据 def get_line(cityname,line): global bus_num url = 'https://restapi.amap.com/v3/bus/linename?s=rsv3&extensions=all&key=a5b7479db5b24fd68cedcf24f482c156&output=json&city={}&offset=1&keywords={}&platform=JS'.format(cityname,line) r = requests.get(url).text rt = json.loads(r) try: path={} polyline=rt['buslines'][0]['polyline'] #获取公交路径名字 path['station_coords']=polyline.split(";") #拆分路径，将其分布于各行中 path['line_name'] = rt['buslines'][0]['name'] #获取公交线路名字 bus_num+=1 return pd.DataFrame(path) except: print('没有{}公交'.format(line)) #正常情况下，这条语句不会执行 return pd.DataFrame() #获取当前城市所有公交的行驶轨迹 def Bus_lines(city,for_num): all_buslines=pd.DataFrame() for i in range(1,for_num+1): all_buslines=pd.concat([all_buslines,get_line(city,str(i)+'路')]) #不加这个'路'可能优先获取地铁 print("Bus_lines函数遍历{}前{}路公交,有效公交线路数为：{}个，轨迹坐标为：{}条".format(city,for_num,bus_num,len(all_buslines['station_coords']))) all_buslines.to_csv('{}前{}路公交(有效线路数：{})轨迹坐标数据.csv'.format(city,for_num,bus_num),index=False,encoding='utf-8-sig') if __name__=="__main__": city='青岛' #需要查询公交信息的城市 for_num=20 #遍历的线路数[1路,for_num路]，通常公交线路数小于1000，具体可参考8684等网站 bus_num=0 #全局变量，计算有效遍历的公交数 Bus_lines(city,for_num)（2）实验结果：
（1）分析 通过for循环的方法自然有其优越性：给个大体范围，等上几分钟，就能出所需要城市的几乎所有线路的公交信息！ 但是，这样获取终究难免会有遗漏，而且也不能指定特定区域，故这里通过8684青岛公交获取了青岛市区所有公交线路，并演示在获取公交名文本的情况下，如何读取对应公交信息。 （2）通过读取文本获取公交相关信息 import requests import json import pandas as pd import time #自己写的用于记录时间函数 def record_time(flag): if flag==0: global t0 t0=time.time() else: t1=time.time() print("用时：%.2fs"%(t1-t0)) print(time.strftime('%Y-%m-%d %H:%M:%S',time.localtime(time.time()))) #获取公交基本信息 def get_station(cityname,line): #1、获取当前公交线路数据 url = 'https://restapi.amap.com/v3/bus/linename?s=rsv3&extensions=all&key=a5b7479db5b24fd68cedcf24f482c156&output=json&city={}&offset=1&keywords={}&platform=JS'.format(cityname,line) r = requests.get(url).text rt = json.loads(r) try: #2、读取当前公交线路主要信息 dt = {} dt['line_name'] = rt['buslines'][0]['name'] #公交线路名字 dt['start_stop'] = rt['buslines'][0]['start_stop'] #始发站 dt['end_stop'] = rt['buslines'][0]['end_stop'] #终点站 dt['bounds'] = rt['buslines'][0]['bounds'] #行车区间（始发站，终点站坐标） dt['distance'] = rt['buslines'][0]['distance'] #全程长度 #3、获取沿途站点站名、对应坐标和“第几站”信息 station_name = [] station_coords = [] station_sequence = [] for st in rt['buslines'][0]['busstops']: station_name.append(st['name']) station_coords.append(st['location']) station_sequence.append(st['sequence']) dt['station_name'] = station_name #沿途站点名 dt['station_coords'] = station_coords #沿途站点坐标 dt['station_sequence'] = station_sequence #沿途站点第几站 return pd.DataFrame(dt) #返回pd.DataFrame()类型 except: #try语句部分出错进入此部分（一般为站点名错误） print('没有{}公交'.format(line)) #指定公交路线情况下，词条语句不会执行！ return pd.DataFrame() #返回空的pd.DataFrame类型 #获取青岛市区所有公交基本信息：线路名、行车区间、全程长度、沿途站点及坐标 def Bus_info(): with open("公交线路.txt", "r", encoding="utf-8") as f: bus_name = f.readlines() #读取当前文件夹公交车线路名 bus_name = bus_name[0].split(",") #将获取的线路名文件通过','进行拆分 all_bus=pd.DataFrame() for i in bus_name: all_bus=pd.concat([all_bus,get_station('青岛',i)]) print("获取青岛市区{}条路线基本信息成功！".format(len(bus_name))) all_bus.to_csv("青岛市区{}条路线基本信息.csv".format(len(bus_name)),encoding='utf-8-sig') if __name__=="__main__": record_time(0)#用于记录开始时间 Bus_info() #已知文本具体信息都有，不需要传参 record_time(1)#用于记录结束时间并输出用时（3）实验结果： 文本中所写256条市区线路全部读取成功！ 部分文本内容示意： （4）青岛市区256条线路站点位置可视化 ①市区站点鸟瞰图 深颜色代表重合（多条线路汇集处），密恐不知道感觉咋样？ ④加强对比感 ⑤来点小汽车？ 青岛几个关键的景点都在这张图里了 |
保存的表格自由坐标数据，5935条 
（3）结合站点可视化（部分） 站点为红色，路径为黄色，深色部分表示有重合 
（3）可视化效果（部分） 高德地图只支持同时显示7种不同线路颜色，emmmm，其实效果还不错！ 
②站点分布⭐形图 这样一来，哪些站点是关键站点就比较清楚了 
③站点热度分布示意图 觉得上图分布还不够直观？那就来看看大小点图 
【本文地址】
今日新闻 |
推荐新闻 |