三種方法！教你用Python分析經(jīng)緯度數(shù)據(jù)

點擊上方“數(shù)據(jù)管道”，選擇“置頂星標”公眾號

干貨福利，第一時間送達

不知道大家會在什么場合使用地圖可視化，對我來說地圖可視化的優(yōu)點除了它可以展示海量的位置數(shù)據(jù)，更重要的是它可以很酷很炫，給人一種賞心悅目的舒適感。如下是J哥做的一個簡單熱力圖：

熱力地圖

制作此類可視化地圖的前提是獲得海量的經(jīng)緯度數(shù)據(jù)，數(shù)據(jù)從何而來？當然是騰訊地圖、高德地圖和百度地圖這些大家耳熟能詳?shù)钠脚_。所以今天給大家分享用Python批量獲取經(jīng)緯度的三種方法，并分別評測它們的效率。

一、騰訊地圖

首先，咱們需要在騰訊位置服務平臺注冊并獲得一個key，作為位置數(shù)據(jù)調(diào)用的密匙。步驟如下：

騰訊地圖開放平臺

1、構造函數(shù)

獲得key以后，咱們就可以構造API數(shù)據(jù)請求函數(shù)tengxun()，將json格式數(shù)據(jù)中的經(jīng)緯度解析出來即可，Python代碼如下：

import requests

def tengxun(addr):
    url = "https://apis.map.qq.com/jsapi?"   #騰訊地圖API接口
    para = {
        "qt": "geoc",
        "addr":addr, #傳入地址參數(shù)
        "output": "json",
        "key": "D7EBZ-NHYKX-UAH4A-74TW4-6M2JE-UHFLY", #即騰訊地圖API的key
        "pf":"jsapi",
        "ref":"jsapi"
    }
    req = requests.get(url,para) #請求數(shù)據(jù)
    req = req.json() #轉(zhuǎn)為json格式
    #print(req)
    m = req["detail"]
    g = f"{m['pointx']},{m['pointy']}" #解析到經(jīng)緯度數(shù)據(jù)
    print(g)
    return g
tengxun(addr="深圳市")

傳入自變量“深圳市”，運行Python代碼，即可獲得深圳市的經(jīng)緯度數(shù)據(jù):

'113.883080,22.553290'

2、讀取數(shù)據(jù)

函數(shù)構造好以后，導入準備好的excel文件，文件包含廣州500所學校的地址數(shù)據(jù)。

import pandas as pd
df1 = pd.read_excel("gz_school.xlsx")
df1.head()

數(shù)據(jù)預覽：

3、應用函數(shù)

將學校數(shù)據(jù)中的地址列應用于前文構造的函數(shù)，批量獲取500所學校的經(jīng)緯度數(shù)據(jù)并進行程序計時。

import time
time_start = time.time() #程序起始時間
df1['經(jīng)緯度']=df1['address'].apply(tengxun) #調(diào)用函數(shù)
time_end = time.time() #程序結束時間
t = time_end-time_start #運行時間
print('共用時%s秒'%t)

通過騰訊地圖批量解析500個地址獲取經(jīng)緯度數(shù)據(jù)共用時約52.40秒，平均1秒鐘可以獲取9個地址的經(jīng)緯度。

共用時52.39904499053955秒

4、保存數(shù)據(jù)

獲取到經(jīng)緯度數(shù)據(jù)后，保存為excel文件。

df1.head()
df1.to_excel('result.xlsx',index = False)

數(shù)據(jù)預覽：

二、高德地圖

同樣的，高德也需要提前在高德開放平臺注冊并創(chuàng)建應用，獲取你的專屬key。

高德地圖開放平臺

1、構造函數(shù)

import pandas as pd
import requests
import time
import csv
import json

def gaode(addr):
        para = {
            'key':'你自己的',  #高德地圖開放平臺申請的key
            'address':addr #傳入地址參數(shù)
        }
        url = 'https://restapi.amap.com/v3/geocode/geo?' #高德地圖API接口
        req = requests.get(url,para)
        req = req.json()
        print('-' * 30)
        m = req['geocodes'][0]['location']
        print(m)
        return m
gaode(addr="深圳")

2、應用函數(shù)

df2 = pd.read_excel('gz_school.xlsx') #讀取地址數(shù)據(jù)
time_start = time.time()
df2['經(jīng)緯度'] = df2['address'].apply(gaode) #調(diào)用函數(shù)
time_end = time.time()
t = time_end-time_start
print('共用時%s秒'%t)

通過高德地圖批量解析500個地址獲取經(jīng)緯度數(shù)據(jù)共用時約37.74秒，平均1秒鐘可以獲取13個地址的經(jīng)緯度，解析速度高于騰訊地圖。

共用時37.740272998809814秒

三、百度地圖

百度地圖批量獲取經(jīng)緯度方法與高德地圖一致。

百度地圖開放平臺

1、構造函數(shù)

import pandas as pd
import requests
import time
import csv
import json

def baidu(addr):
    url = "http://api.map.baidu.com/geocoding/v3/?" #百度地圖API接口
    para = {
        "address": addr, #傳入地址參數(shù)
        "output": "json",
        "ak": "你自己的" #百度地圖開放平臺申請ak
    }
    req = requests.get(url,para)
    req = req.json()
    #print(req)
    print('-' * 30)
    m = req["result"]["location"]
    g = f"{m['lng']},{m['lat']}"
    print(g)
    return g
baidu(addr="深圳")

2、應用函數(shù)

df3 = pd.read_excel('gz_school.xlsx')
time_start = time.time()
df3['經(jīng)緯度'] = df3['address'].apply(baidu)
time_end = time.time()
t = time_end-time_start
print('共用時%s秒'%t)

通過百度地圖批量解析500個地址獲取經(jīng)緯度數(shù)據(jù)共用時約24.06秒，平均1秒鐘可以獲取20個地址的經(jīng)緯度，解析速度高于高德地圖和騰訊地圖。

共用時24.0550799369812秒

四、小結

僅從解析速度來看，百度地圖效率高于高德地圖，高德地圖高于騰訊地圖。當然，解析速度還要考慮程序運行時的網(wǎng)絡狀況、電腦自身配置等因素。另外，地址數(shù)據(jù)解析還要考慮準確率，只有綜合考慮解析速度和準確率，才能更加客觀地判斷哪一種方法最優(yōu)，準確率方面的評測將在以后的文章中進行分享。