三种方法！教你用Python分析经纬度数据-轻识

点击上方“数据管道”，选择“置顶星标”公众号

干货福利，第一时间送达

不知道大家会在什么场合使用地图可视化，对我来说地图可视化的优点除了它可以展示海量的位置数据，更重要的是它可以很酷很炫，给人一种赏心悦目的舒适感。如下是J哥做的一个简单热力图：

热力地图

制作此类可视化地图的前提是获得海量的经纬度数据，数据从何而来？当然是腾讯地图、高德地图和百度地图这些大家耳熟能详的平台。所以今天给大家分享用Python批量获取经纬度的三种方法，并分别评测它们的效率。

一、腾讯地图

首先，咱们需要在腾讯位置服务平台注册并获得一个key，作为位置数据调用的密匙。步骤如下：

1、构造函数

获得key以后，咱们就可以构造API数据请求函数tengxun()，将json格式数据中的经纬度解析出来即可，Python代码如下：

import requests

def tengxun(addr):
    url = "https://apis.map.qq.com/jsapi?"   #腾讯地图API接口
    para = {
        "qt": "geoc",
        "addr":addr, #传入地址参数
        "output": "json",
        "key": "D7EBZ-NHYKX-UAH4A-74TW4-6M2JE-UHFLY", #即腾讯地图API的key
        "pf":"jsapi",
        "ref":"jsapi"
    }
    req = requests.get(url,para) #请求数据
    req = req.json() #转为json格式
    #print(req)
    m = req["detail"]
    g = f"{m['pointx']},{m['pointy']}" #解析到经纬度数据
    print(g)
    return g
tengxun(addr="深圳市")

传入自变量“深圳市”，运行Python代码，即可获得深圳市的经纬度数据:

'113.883080,22.553290'

2、读取数据

函数构造好以后，导入准备好的excel文件，文件包含广州500所学校的地址数据。

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

数据预览：

3、应用函数

将学校数据中的地址列应用于前文构造的函数，批量获取500所学校的经纬度数据并进行程序计时。

import time
time_start = time.time() #程序起始时间
df1['经纬度']=df1['address'].apply(tengxun) #调用函数
time_end = time.time() #程序结束时间
t = time_end-time_start #运行时间
print('共用时%s秒'%t)

通过腾讯地图批量解析500个地址获取经纬度数据共用时约52.40秒，平均1秒钟可以获取9个地址的经纬度。

共用时52.39904499053955秒

4、保存数据

获取到经纬度数据后，保存为excel文件。

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

数据预览：

二、高德地图

同样的，高德也需要提前在高德开放平台注册并创建应用，获取你的专属key。

1、构造函数

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

def gaode(addr):
        para = {
            'key':'你自己的',  #高德地图开放平台申请的key
            'address':addr #传入地址参数
        }
        url = 'https://restapi.amap.com/v3/geocode/geo?' #高德地图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、应用函数

df2 = pd.read_excel('gz_school.xlsx') #读取地址数据
time_start = time.time()
df2['经纬度'] = df2['address'].apply(gaode) #调用函数
time_end = time.time()
t = time_end-time_start
print('共用时%s秒'%t)

通过高德地图批量解析500个地址获取经纬度数据共用时约37.74秒，平均1秒钟可以获取13个地址的经纬度，解析速度高于腾讯地图。

共用时37.740272998809814秒

三、百度地图

百度地图批量获取经纬度方法与高德地图一致。

1、构造函数

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

def baidu(addr):
    url = "http://api.map.baidu.com/geocoding/v3/?" #百度地图API接口
    para = {
        "address": addr, #传入地址参数
        "output": "json",
        "ak": "你自己的" #百度地图开放平台申请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、应用函数

df3 = pd.read_excel('gz_school.xlsx')
time_start = time.time()
df3['经纬度'] = df3['address'].apply(baidu)
time_end = time.time()
t = time_end-time_start
print('共用时%s秒'%t)

通过百度地图批量解析500个地址获取经纬度数据共用时约24.06秒，平均1秒钟可以获取20个地址的经纬度，解析速度高于高德地图和腾讯地图。

共用时24.0550799369812秒

四、小结

仅从解析速度来看，百度地图效率高于高德地图，高德地图高于腾讯地图。当然，解析速度还要考虑程序运行时的网络状况、电脑自身配置等因素。另外，地址数据解析还要考虑准确率，只有综合考虑解析速度和准确率，才能更加客观地判断哪一种方法最优，准确率方面的评测将在以后的文章中进行分享。