速来围观！看小伙是如何用Python可视化各城市拥堵情况的

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了速来围观！看小伙是如何用Python可视化各城市拥堵情况的，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含5034字，纯文字阅读大概需要8分钟。

内容图文

文章目录

• 一、前言
• 二、爬取拥堵指数
• 三、数据可视化
• 四、搭建展示网站
• 五、写在最后

文章转载自 Kimol 君，原文链接：https://blog.csdn.net/kimol_justdo/article/details/109709994

一、前言

就在今天，我感受到了来自堵车的深深恶意。没错！我今天被堵在路上近乎 3 个小时，美好的约会就这样化为泡影了。

我倒还真想看看这路到底能有多堵。于是，我爬取了各城市的拥堵数据，并进行了可视化：

特别说明：由于数据具有实时性，画图时已经过了高峰期，于是图上一片绿油油也并不奇怪。

有感兴趣的客官，您接着往下看，待我给您慢慢分解。（ps.涉及到爬虫、Pyecharts、Flask等）

二、爬取拥堵指数

某度智慧交通提供了各个城市的拥堵指数的数据，我们只需要通过几行代码便可轻松抓取：

# 获取各城市的拥堵指数
url = 'https://jiaotong.baidu.com/trafficindex/city/list' # 接口api
# 发送请求   获取返回的json数据
res = requests.get(url)
data = res.json()

其中，url为获取数据的接口地址，通过简单的抓包分析便能知道。 而data为返回后的数据，它包括很多字段，但是我们只需要提取其中的城市名和拥堵指数即可：

# 提取数据
citys = [i['cityname'] for i in data['data']['list']]      # 提取城市名称
indexs = [float(i['index']) for i in data['data']['list']] # 提取对应的指数

获取到了数据，接下来我们就可以将其可视化展示出来。

三、数据可视化

利用数据可视化神器 Pyecharts 库绘制地图，将城市以及对应的拥堵指数展示出来。其安装如下：

pip install pyecharts -i http://pypi.douban.com/simple --trusted-host pypi.douban.com

import pyecharts

print(pyecharts.__version__)         # 查看pyecharts版本

部分版本需要再安装相关的地图扩展包，方法如下：

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple echarts-countries-pypkg   		# 全球国家地图
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple echarts-china-provinces-pypkg   # 中国省级地图
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple echarts-china-cities-pypkg      # 中国市级地图
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple echarts-china-counties-pypkg    # 中国县区级地图

首先初始化一个地图对象：

geo = Geo()
geo.add_schema(maptype = 'china')  # 导入中国地图

添加数据并进行相关设置：

geo.add('各城市拥堵指数', zip(citys,indexs), type_ = 'effectScatter')  # 设置地图类型及数据
geo.set_series_opts(label_opts = opts.LabelOpts(is_show = False))     # 设置是否显示标签

根据拥堵指数的大小进行分类，分别为畅通、缓行、拥堵、严重拥堵：

geo.set_global_opts(visualmap_opts = opts.VisualMapOpts(
                    #max_ = 2.5, # 用于连续表示
                    is_piecewise = True,   # 是否分段
                    pieces = [{'min':1.0,'max':1.5,'label':'畅通','color':'#16CE95'},
                              {'min':1.5,'max':1.8,'label':'缓行','color':'#F79D06'},
                              {'min':1.8,'max':2.0,'label':'拥堵','color':'#D80304'},
                              {'min':2.0,'max':2.5,'label':'严重拥堵','color':'#8F0921'}]))  # 设置图例显示

最后将地图保存为本地 html 文件

geo.render(path='各城市拥堵指数.html')

到这里，我们就得到了文章一开始看到的那张图~~
然而，由于拥堵数据是实时变化的，如果我每次都要去运行一次代码岂不是很麻烦？很显然，机智的社会主义青年是不会这么做的，您接着往下看。

四、搭建展示网站

为了更加方便地将各城市拥堵情况展示出来，我决定搭建一个用于展示的网站。方法可以是各式各样的，在这里我选择了利用 Flask 框架，简单快捷~~

完整代码如下:

# -*- coding: utf-8 -*-
"""
Created on Sun Nov 15 01:34:36 2020
@author: kimol_love
@CSDN：https://blog.csdn.net/kimol_justdo?t=1
@原文链接：https://blog.csdn.net/kimol_justdo/article/details/109709994
"""
import requests
from pyecharts.charts import Geo
from pyecharts import options as opts
from flask import Flask, render_template


def get_data():
    # 获取各城市的拥堵指数
    url = 'https://jiaotong.baidu.com/trafficindex/city/list'  # 接口api
    # 发送请求   获取返回的json数据
    res = requests.get(url)
    data = res.json()
    # 提取数据
    citys = [i['cityname'] for i in data['data']['list']]       # 提取城市名称
    indexs = [float(i['index']) for i in data['data']['list']]  # 提取对应的指数
    # 返回数据  [(城市名1,拥堵指数1), (城市名2,拥堵指数2)...]
    return zip(citys, indexs)


def get_geo():
    # 获取城市拥堵指数数据
    data = get_data()
    # 绘制散点分布图
    geo = Geo()
    geo.add_schema(maptype='china')  # 导入中国地图
    geo.add('各城市拥堵指数 by kimol', list(data), type_='effectScatter')  # 设置地图类型及数据
    geo.set_series_opts(label_opts=opts.LabelOpts(is_show=False))   # 设置是否显示标签
    geo.set_global_opts(visualmap_opts=opts.VisualMapOpts(
        # max_ = 2.5, # 用于连续表示
        is_piecewise=True,  # 是否分段
        pieces=[{'min': 1.0, 'max': 1.5, 'label': '畅通', 'color': '#16CE95'},
                {'min': 1.5, 'max': 1.8, 'label': '缓行', 'color': '#F79D06'},
                {'min': 1.8, 'max': 2.0, 'label': '拥堵', 'color': '#D80304'},
                {'min': 2.0, 'max': 2.5, 'label': '严重拥堵', 'color': '#8F0921'}]))  # 设置图例显示

    # 返回地图对象
    return geo


# 定义app
app = Flask(__name__)


# 定义主界面
@app.route("/")
def hello():
    geo = get_geo()
    # Flask模板渲染
    return render_template('geo.html', mygeo=geo.render_embed())


if __name__ == "__main__":
    # 运行项目
    app.run()

五、写在最后

让大家瞅瞅这万恶的晚高峰：

Flask模板渲染 Pyecharts 绘制的图形可以参考官方文档：
https://pyecharts.org/#/zh-cn/web_flask

最后，感谢各位大大的耐心阅读，咋们下次再会~

创作不易，大侠请留步… 动起可爱的双手，来个赞再走呗 (?????)

作者：Kimol君
CSDN：https://blog.csdn.net/kimol_justdo?t=1
原文链接：https://blog.csdn.net/kimol_justdo/article/details/109709994

内容总结

以上是互联网集市为您收集整理的速来围观！看小伙是如何用Python可视化各城市拥堵情况的全部内容，希望文章能够帮你解决速来围观！看小伙是如何用Python可视化各城市拥堵情况的所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端