前言
就在今天,我感受到了来自堵车的深深恶意。没有错!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,并将它们可视化:
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)
一、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 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 indexs = [float(i['index']) for i in data['data']['list']] # 提取对应的指数 |
有了数据,接下来我们就可以将其可视化展示出来。
二、数据可视化
利用可视化神器pyecharts库绘制地图,并将城市以及对应的拥堵指数表示出来。其安装如下:
pip install pyecharts |
部分版本需要再安装额外的地图库,方法如下:
pip install echarts-countries-pypkg pip install echarts-cities-pypkg pip install echarts-china-provinces-pypkg pip install echarts-china-cities-pypkg |
首先定义地图:
geo = Geo() geo.add_schema(maptype = 'china') # 加入中国地图 |
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 |
最后将地图保存在本地:
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。
三、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~
我的完整代码如下:
# -*- coding: utf-8 -*- """ Created on Sun Nov 15 01:34:36 2020 @author: kimol_love """ import requests from pyecharts.charts import Geo from pyecharts import options as opts from flask import Flask, render_template def get_data(): ''' 获取拥堵指数 ''' # 获取各城市的拥堵指数 url = 'https://jiaotong.baidu.com/trafficindex/city/list' # 接口api res = requests.get(url) data = res.json() # 提取数据 citys = [i['cityname'] for i in data['data']['list']] # 提取城市 indexs = [float(i['index']) for i in data['data']['list']] # 提取对应的指数 # 返回数据 return zip(citys,indexs) def get_geo(): ''' 获取地图 ''' # 获取各城市的拥堵指数 data = get_data() # 绘制散点分布图 geo = Geo() geo.add_schema(maptype = 'china') # 加入中国地图 geo.add('各城市拥堵指数 by kimol', 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 return geo # 定义app app = Flask(__name__) # 定义主界面 @app.route("/") def hello(): geo = get_geo() return render_template('geo.html', mygeo=geo.render_embed()) if __name__ == "__main__": #运行项目 app.run() |
其中,get_geo()为获取地图的函数,返回了pyecharts绘制的地图。在当前目录下创建templates文件夹,并创建模块文件geo.html,如下:
<!DOCTYPE html> <html> <head> <meta charset="utf-8"> <title>各城市交通拥堵指数</title> </head> <body> {{mygeo|safe}} </body> </html> |
写在最后
让大家瞅瞅这万恶的晚高峰:
本文内容不用于商业目的,如涉及知识产权问题,请权利人联系博为峰小编(021-64471599-8017),我们将立即处理