怎么用Python和用户实际地理位置做任意区域人员流量图

本篇内容主要讲解“怎么用Python和用户实际地理位置做任意区域人员流量图”，感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷，实用性强。下面就让小编来带大家学习“怎么用Python和用户实际地理位置做任意区域人员流量图”吧!

一、首先是数据获取数据获取

腾讯其实开放了数据接口，但是只能商用：

经过分析发现，每次请求都会发送4个post请求，每次请求的参数如下：

rank值从1变化到4，咱也不知道是啥意思，索性就都爬了，大不了再去重

返回数据如下：

主要是locs字段，以第一组数据为例，3295代表纬度信息，11590代表经度信息，分别除100既是经纬度原始值，6代表该位置人数。

下面我们开始写写代码获取数据：

import requests
import json
header={
    'User-Agent':'Mozilla/5.0 (Windows NT 6.1; Win64; x64; rv:82.0) Gecko/20100101 Firefox/82.0'}
url = 'https://xingyun.map.qq.com/api/getXingyunPoints'
for i in range(1,5):
    payload = {'count': i, 'rank': 0}
    response = requests.post(url, data=json.dumps(payload))
    datas=json.loads(response.text)['locs']
    datas=datas.split(',')
    datas=[int(i) for i in datas[:-1]]
    all_data=[]
    a=[]
    for n,data in enumerate(datas):
        a.append(data)
        all_data.append(a)
        if (n+1)%3==0:
            a=[]
all_data=[[i[0]/100,i[1]/100,i[2]] for i in all_data]

将数据转换为DataFrame格式：

import pandas as pd
lat=[float(i[0]) for i in all_data]
long=[i[1] for i in all_data]
weight=[i[2] for i in all_data]
dataframe=pd.DataFrame({'纬度':lat,'经度':long,'人数':weight})

对数据进行去重：

dataframe=dataframe.drop_duplicates(keep='first')

有了这些坐标信息，我们可以估算一个区域的人流量

pandas小知识：

DataFrame.drop_duplicates(subset=None, keep='first', inplace=False)

subset用来指定特定的列，默认所有列；
keep="first"表示删除重复项并保留第一次出现的项，此外，keep值还可以为'last':表示保留最后一次出现的值；'false'：表示所有相同的数据都删除

选定区域：

data1=dataframe[(dataframe.纬度.between(39.26,41.03)) & (dataframe.经度.between(115.25,117.30))]

二、用folium画热力图：

import folium
from folium.plugins import HeatMap
map_data = data1[['纬度', '经度', '人数']].values.tolist()
hmap = folium.Map(
    location=[data1['纬度'].mean(), data1['经度'].mean()],  #地图中心坐标
    control_scale=True, 
    zoom_start=13    #地图显示级别
)
hmap.add_child(HeatMap(map_data, radius=5, gradient={.1: 'blue',.3: 'lime', .5: 'yellow',.7:'red'}))

到此，相信大家对“怎么用Python和用户实际地理位置做任意区域人员流量图”有了更深的了解，不妨来实际操作一番吧！这里是亿速云网站，更多相关内容可以进入相关频道进行查询，关注我们，继续学习！