目前能够使用 经纬度信息去逆解析经纬度的API有很多,各自可以根据业务需求和地理编码格式选择百度、谷歌、高德等API。但是对于大批量每天好几T的数据量再去掉API很突兀了。
这里简单写了射线法,用来判断当前经纬度是否在城市边界的多边形矩阵内。
申请高德api key、Polygon、Pandas、Geohash
1.需要各省市经纬度信息城市边界信息组成多边形矩阵
2.对城市边界信息做矢量偏移
3.使用geohash加速算法
射线法原理:https://blog.csdn.net/enweitech/article/details/80654420(参考大佬博客,写的很详细)
geohash空间索引:https://www.jianshu.com/p/7332dcb978b2
一、 高德网站网站申请key,以北京市为例。获取全国城市信息写个city list吧。
import request
city_name = '北京市'
resp = requests.get('http://restapi.amap.com/v3/config/district?key={}&keywords={}&subdistrict=0&extensions=all'.format(key,city_name))
lands = resp.json()['districts'][0]['polyline']
lands得到了北京市的多个经纬度信息,将多个经纬度合起来便可以组成多边形。
二、矢量偏移
由于高徳返回的经纬度点非常多,而且有些城市是沿海城市会形成岛屿。这里简单的进行调优,代码在上一步封装一下。
city_list = ['拉萨市','日喀则市','昌都市','林芝市','山南市','那曲市','阿里地区']
def city_split():
global cl
for city in cl:
try:
resp = requests.get('http://restapi.amap.com/v3/config/district?key={}&keywords={}&subdistrict=0&extensions=all'.format(key,city_name))
lands = resp.json()['districts'][0]['polyline']
points = []
lands = lands.strip('\n').split('|')
max_land = 0
for land in lands:
points_str = land.split(';')
if len(points_str) > max_land:
point = []
for p in points_str:
lon, lat = p.split(',')
point.append(
[
float(lon), float(lat)
]
)
points.append(Polygon(point))
polygon = MultiPolygon(points)
s = polygon.buffer(0.06).simplify(0.02, preserve_topology=False)
wgs_list = []
for i in list(s.exterior.coords):
wgs_list.append(gu.gcj02_to_wgs84(*i))
wgs_list
datas = pd.DataFrame(wgs_list,columns=['longitude','latitude']).reset_index()
datas['index'] = city
datas['province'] = '西藏自治区'
datas.to_csv('./data/city_split.csv',index=False,mode='a',header=False)
except:
print(city)
continue
city_split()
三、射线法判断是否在点内,并用geohash空间索引加速
import pandas as pd
import time
import geohash
pd.set_option('display.max_row', None)
city_df = pd.read_csv('./data/citys_split.csv') # 城市边界数据
city_df['geohash'] = city_df.apply(lambda x: geohash.encode(x.lat, x.lng, precision=2), axis=1)
geohash映射索引后格式如下:
city_df.head()
city lng lat province geohash
0 重庆市 105.229149 29.537980 重庆市 wm6
1 重庆市 105.346298 29.724197 重庆市 wm6
2 重庆市 105.500943 29.781377 重庆市 wm7
3 重庆市 105.541257 29.868097 重庆市 wm7
4 重庆市 105.642070 29.907960 重庆市 wm7
射线法判断经纬度是否在城市多边形内
class GeoCoding(object):
def __init__(self, df,lat_name,lng_name):
self.df = df
self.lat = lat_name
self.lng = lng_name
def isptinpoly(self, aLon, aLat, pointList):
iSum = 0
iCount = len(pointList)
if (iCount < 3):
return False
for i in range(iCount):
pLon1 = pointList[i][0]
pLat1 = pointList[i][1]
if (i == iCount - 1):
pLon2 = pointList[0][0]
pLat2 = pointList[0][1]
else:
pLon2 = pointList[i + 1][0]
pLat2 = pointList[i + 1][1]
if ((aLat >= pLat1) and (aLat < pLat2)) or ((aLat >= pLat2) and (aLat < pLat1)):
if (abs(pLat1 - pLat2) > 0):
pLon = pLon1 - ((pLon1 - pLon2) * (pLat1 - aLat)) / (pLat1 - pLat2);
if (pLon < aLon):
iSum += 1
if (iSum % 2 != 0):
return True
else:
return False
def hash_city(self, geohash_id, latitude, longitude):
citys = ""
prov = ""
quert_city = city_df[city_df['geohash']==geohash_id]['city'].value_counts().index
for i in quert_city:
tmp_df = city_df[city_df['city']==i]
line_matrix = tmp_df[["lng", "lat"]].values
tmp_res = self.isptinpoly(longitude, latitude, line_matrix)
if tmp_res is False:
continue
else:
citys = i
prov = tmp_df['province'].value_counts().index[0]
return prov, citys
def run(self):
self.df['geohash'] = self.df.apply(lambda x: geohash.encode(x.device_info_family_latitude, x.device_info_family_longitude, precision=3), axis=1)
self.df = pd.concat([self.df, pd.DataFrame(data=[i for i in self.df.apply(lambda row: self.hash_city(row['geohash'], row[self.lat], row[self.lng]), axis=1)], columns=['device_info_province', 'device_info_city'])], axis=1)
# self.df.drop(['geohash'], axis=1, inplace=True)
return self.df
四、验证测试集
test_df = pd.read_csv('./data/user_app_loc.csv').drop(['uid','name'], axis=1)
test_df = test_df.loc[:500,:]
test_df.head(10)
dt device_info_family_latitude device_info_family_longitude
0 2019-12-01 34.598824 119.173946
1 2019-12-01 35.989018 104.001563
2 2019-12-01 40.004246 116.405563
3 2019-12-01 40.004270 116.405417
4 2019-12-01 30.587658 114.459403
5 2019-12-01 22.971863 113.330686
6 2019-12-01 44.156407 87.975227
7 2019-12-01 32.025581 118.786248
8 2019-12-01 31.965269 118.803891
9 2019-12-01 39.801384 116.427805
st = time.time()
# 传入df数据与latitude,longitude的列名
dataframe = GeoCoding(test_df,'device_info_family_latitude','device_info_family_longitude').run()
print(time.time()-st)
9.650320053100586
dataframe.head(500)
dt device_info_family_latitude device_info_family_longitude geohash device_info_province device_info_city
0 2019-12-01 34.598824 119.173946 wwh 江苏省 连云港市
1 2019-12-01 35.989018 104.001563 wq3 甘肃省 兰州市
2 2019-12-01 40.004246 116.405563 wx4 北京市 北京市
3 2019-12-01 40.004270 116.405417 wx4 北京市 北京市
4 2019-12-01 30.587658 114.459403 wt3 湖北省 武汉市
5 2019-12-01 22.971863 113.330686 ws0 广东省 广州市
6 2019-12-01 44.156407 87.975227 tzy 新疆维吾尔自治区 阜康市
7 2019-12-01 32.025581 118.786248 wts 江苏省 南京市
8 2019-12-01 31.965269 118.803891 wts 江苏省 南京市
9 2019-12-01 39.801384 116.427805 wx4 北京市 北京市
10 2019-12-01 31.225574 121.466778 wtw 上海市 上海市
11 2019-12-01 31.472795 120.272773 wtt 江苏省 无锡市
12 2019-12-01 31.293134 121.533883 wtw 上海市 上海市
13 2019-12-01 31.293184 121.533740 wtw 上海市 上海市
14 2019-12-01 31.215881 121.443554 wtw 上海市 上海市
15 2019-12-01 31.215890 121.443560 wtw 上海市 上海市
16 2019-12-01 31.215878 121.443553 wtw 上海市 上海市
17 2019-12-01 31.216081 121.443637 wtw 上海市 上海市
18 2019-12-01 25.251404 110.175516 wkq 广西壮族自治区 桂林市
19 2019-12-01 25.095757 102.925425 wk3 云南省 昆明市
20 2019-12-01 37.529644 121.433806 www 山东省 烟台市
21 2019-12-01 37.529648 121.433799 www 山东省 烟台市
22 2019-12-01 40.053439 116.325895 wx4 北京市 北京市
23 2019-12-01 29.861560 121.540492 wtq 浙江省 宁波市
24 2019-12-01 30.634386 104.108957 wm6 四川省 成都市
25 2019-12-01 30.648737 104.189701 wm6 四川省 成都市
26 2019-12-01 30.634365 104.108908 wm6 四川省 成都市
27 2019-12-01 31.242341 121.439109 wtw 上海市 上海市
28 2019-12-01 25.836750 119.582244 wst 福建省 福州市
29 2019-12-01 23.002340 113.383834 ws0 广东省 广州市
30 2019-12-01 22.708820 114.251928 ws1 广东省 东莞市
31 2019-12-01 31.224918 121.495594 wtw 上海市 上海市
32 2019-12-01 21.237683 110.401996 w7y 广东省 湛江市
33 2019-12-01 1.550142 103.796472 w23
34 2019-12-01 39.954344 116.452692 wx4 北京市 北京市
35 2019-12-01 39.954344 116.452692 wx4 北京市 北京市
36 2019-12-01 39.954341 116.452709 wx4 北京市 北京市
37 2019-12-01 31.451075 104.718831 wmd 四川省 绵阳市
38 2019-12-01 31.450957 104.718930 wmd 四川省 绵阳市
39 2019-12-01 31.450980 104.718907 wmd 四川省 绵阳市
40 2019-12-01 36.535308 102.010747 wq2
41 2019-12-01 40.086884 116.588964 wx4 北京市 北京市
42 2019-12-01 39.994050 116.336573 wx4 北京市 北京市
43 2019-12-01 39.976999 116.381219 wx4 北京市 北京市
44 2019-12-01 40.086884 116.588964 wx4 北京市 北京市
45 2019-12-01 39.994058 116.336506 wx4 北京市 北京市
46 2019-12-01 39.890769 116.331965 wx4 北京市 北京市
47 2019-12-01 40.054731 116.615530 wx4 北京市 北京市
48 2019-12-01 31.236122 121.515477 wtw 上海市 上海市
49 2019-12-01 31.236111 121.515483 wtw 上海市 上海市
50 2019-12-01 31.236235 121.516518 wtw 上海市 上海市
51 2019-12-01 31.236121 121.515458 wtw 上海市 上海市
52 2019-12-01 28.138034 113.058651 wt0 湖南省 长沙市
53 2019-12-01 38.465252 106.256757 wqg 宁夏回族自治区 银川市
54 2019-12-01 38.465293 106.256802 wqg 宁夏回族自治区 银川市
55 2019-12-01 25.018837 102.720063 wk3 云南省 昆明市
56 2019-12-01 25.019114 102.719813 wk3 云南省 昆明市
57 2019-12-01 25.085515 102.661030 wk3 云南省 昆明市
58 2019-12-01 25.085464 102.660831 wk3 云南省 昆明市
59 2019-12-01 25.085423 102.660722 wk3 云南省 昆明市
60 2019-12-01 25.056550 102.670950 wk3 云南省 昆明市
61 2019-12-01 25.085400 102.660666 wk3 云南省 昆明市
62 2019-12-01 22.215848 113.541491 web 广东省 中山市
63 2019-12-01 39.899356 116.107108 wx4 北京市 北京市
64 2019-12-01 22.607694 114.159687 ws1 广东省 东莞市
65 2019-12-01 28.704796 115.984545 wt4 江西省 南昌市
66 2019-12-01 46.627520 124.901711 yb2 黑龙江省 大庆市
67 2019-12-01 39.791442 116.508681 wx4 北京市 北京市
68 2019-12-01 39.791442 116.508681 wx4 北京市 北京市
69 2019-12-01 36.068792 120.316449 wwm 山东省 青岛市
70 2019-12-01 23.008310 113.738355 ws0 广东省 东莞市
71 2019-12-01 23.020651 113.779504 ws0 广东省 东莞市
72 2019-12-01 24.935051 98.482339 whq 云南省 腾冲市
73 2019-12-01 29.536019 106.560250 wm7 重庆市 重庆市
74 2019-12-01 39.931190 116.260323 wx4 北京市 北京市
75 2019-12-01 39.895320 116.335418 wx4 北京市 北京市
76 2019-12-01 49.144791 -123.129214 c28
77 2019-12-01 49.325638 -123.126235 c2b
78 2019-12-01 27.794187 114.425821 wsc 江西省 宜春市
79 2019-12-01 23.127920 113.279145 ws0 广东省 广州市
80 2019-12-01 22.969497 113.346437 ws0 广东省 广州市
81 2019-12-01 39.991531 116.338407 wx4 北京市 北京市
82 2019-12-01 31.798780 118.707915 wts 江苏省 南京市
83 2019-12-01 28.185437 113.217621 wt0 湖南省 长沙市
84 2019-12-01 23.160148 113.383739 ws0 广东省 广州市
85 2019-12-01 39.039633 117.665569 wwg 天津市 天津市
86 2019-12-01 22.782100 108.274418 wkh 广西壮族自治区 南宁市
87 2019-12-01 39.930229 116.582388 wx4 北京市 北京市
88 2019-12-01 29.346914 119.760118 wtj 浙江省 金华市
89 2019-12-01 29.346914 119.760118 wtj 浙江省 金华市
90 2019-12-01 31.403902 120.946213 wtw 江苏省 苏州市
91 2019-12-01 31.406763 120.962168 wtw 江苏省 苏州市
92 2019-12-01 29.822037 121.527296 wtq 浙江省 宁波市
93 2019-12-01 29.822039 121.527291 wtq 浙江省 宁波市
94 2019-12-01 29.822036 121.527297 wtq 浙江省 宁波市
95 2019-12-01 23.010456 113.095352 ws0 广东省 佛山市
96 2019-12-01 23.118932 113.334328 ws0 广东省 广州市
97 2019-12-01 23.014946 113.341068 ws0 广东省 广州市
98 2019-12-01 24.544055 111.315519 wkr 广西壮族自治区 贺州市
99 2019-12-01 22.611864 114.119742 ws1 广东省 深圳市
100 2019-12-01 39.868407 116.382519 wx4 北京市 北京市
101 2019-12-01 25.417238 119.016183 wss 福建省 莆田市
102 2019-12-01 25.417213 119.016202 wss 福建省 莆田市
103 2019-12-01 38.052693 114.524902 wwc 河北省 石家庄市
104 2019-12-01 38.045424 114.545760 wwc 河北省 石家庄市
105 2019-12-01 38.053419 114.524598 wwc 河北省 石家庄市
106 2019-12-01 39.864019 116.499259 wx4 北京市 北京市
107 2019-12-01 39.822709 116.503907 wx4 北京市 北京市
108 2019-12-01 39.857060 116.462415 wx4 北京市 北京市
109 2019-12-01 39.826303 116.517803 wx4 北京市 北京市
110 2019-12-01 39.882472 116.531682 wx4 北京市 北京市
111 2019-12-01 39.864156 116.499287 wx4 北京市 北京市
112 2019-12-01 39.908734 116.306063 wx4 北京市 北京市
113 2019-12-01 39.899749 116.400384 wx4 北京市 北京市
114 2019-12-01 41.633726 123.497533 wxr 辽宁省 沈阳市
115 2019-12-01 41.633643 123.497823 wxr 辽宁省 沈阳市
116 2019-12-01 22.647551 114.054814 ws1 广东省 深圳市
117 2019-12-01 24.519632 117.674279 ws7 福建省 漳州市
118 2019-12-01 24.521585 117.675189 ws7 福建省 漳州市
119 2019-12-01 24.519437 117.673961 ws7 福建省 漳州市
120 2019-12-01 24.519477 117.673898 ws7 福建省 漳州市
121 2019-12-01 24.521474 117.675151 ws7 福建省 漳州市
122 2019-12-01 34.198281 108.998694 wqj 陕西省 西安市
123 2019-12-01 30.194132 120.179866 wtm 浙江省 杭州市
124 2019-12-01 31.292709 121.472386 wtw 上海市 上海市
125 2019-12-01 31.292880 121.472427 wtw 上海市 上海市
126 2019-12-01 22.760486 108.275083 wkh 广西壮族自治区 南宁市
127 2019-12-01 31.189870 121.414886 wtw 上海市 上海市
128 2019-12-01 31.189881 121.414876 wtw 上海市 上海市
129 2019-12-01 28.669666 119.517316 wth 浙江省 金华市
130 2019-12-01 28.669892 119.518117 wth 浙江省 金华市
131 2019-12-01 28.669802 119.518179 wth 浙江省 金华市
132 2019-12-01 28.669844 119.517793 wth 浙江省 金华市
133 2019-12-01 29.554931 106.467537 wm7 重庆市 重庆市
134 2019-12-01 23.168088 113.264167 ws0 广东省 广州市
135 2019-12-01 30.490849 114.401380 wt3 湖北省 武汉市
136 2019-12-01 30.490853 114.401994 wt3 湖北省 武汉市
137 2019-12-01 22.597098 114.123387 ws1 广东省 深圳市
138 2019-12-01 39.940282 116.435003 wx4 北京市 北京市
139 2019-12-01 29.569850 106.501507 wm7 重庆市 重庆市
140 2019-12-01 31.256894 121.393839 wtw 上海市 上海市
141 2019-12-01 23.123504 113.389417 ws0 广东省 广州市
142 2019-12-01 23.124091 113.389327 ws0 广东省 广州市
143 2019-12-01 23.124453 113.389975 ws0 广东省 广州市
144 2019-12-01 23.211436 113.251581 ws0 广东省 广州市
145 2019-12-01 24.780590 118.704680 wsk 福建省 泉州市
146 2019-12-01 24.779983 118.704723 wsk 福建省 泉州市
147 2019-12-01 34.437516 108.759600 wqj 陕西省 咸阳市
148 2019-12-01 34.440824 108.760652 wqj 陕西省 咸阳市
149 2019-12-01 34.433621 108.759532 wqj 陕西省 咸阳市
150 2019-12-01 29.944204 121.500232 wtq 浙江省 宁波市
151 2019-12-01 29.952039 121.511077 wtq 浙江省 宁波市
152 2019-12-01 29.944145 121.500236 wtq 浙江省 宁波市
153 2019-12-01 36.846450 117.205460 wwe 山东省 济南市
154 2019-12-01 36.842117 117.208523 wwe 山东省 济南市
155 2019-12-01 29.087453 119.635924 wtj 浙江省 金华市
156 2019-12-01 32.896417 117.334584 wtg 安徽省 蚌埠市
157 2019-12-01 32.896459 117.334587 wtg 安徽省 蚌埠市
158 2019-12-01 39.980091 116.476721 wx4 北京市 北京市
159 2019-12-01 39.995020 116.448040 wx4 北京市 北京市
160 2019-12-01 39.940728 116.437049 wx4 北京市 北京市
161 2019-12-01 45.708027 126.687525 yb4 黑龙江省 哈尔滨市
162 2019-12-01 31.251819 121.477733 wtw 上海市 上海市
163 2019-12-01 25.094623 102.925599 wk3 云南省 昆明市
164 2019-12-01 23.034661 113.170021 ws0 广东省 广州市
165 2019-12-01 31.927511 118.824253 wts 江苏省 南京市
166 2019-12-01 40.042640 116.322551 wx4 北京市 北京市
167 2019-12-01 22.606222 108.192189 wkh 广西壮族自治区 南宁市
168 2019-12-01 22.562516 113.883762 ws0 广东省 深圳市
169 2019-12-01 30.234925 120.244497 wtm 浙江省 杭州市
170 2019-12-01 30.234184 120.227582 wtm 浙江省 杭州市
171 2019-12-01 39.809457 116.526361 wx4 北京市 北京市
172 2019-12-01 28.468624 119.932489 wtj 浙江省 丽水市
173 2019-12-01 39.858930 116.413868 wx4 北京市 北京市
174 2019-12-01 39.866362 116.424568 wx4 北京市 北京市
175 2019-12-01 39.866362 116.424568 wx4 北京市 北京市
176 2019-12-01 26.567335 106.668744 wke 贵州省 贵阳市
177 2019-12-01 31.181169 120.677089 wtt 江苏省 苏州市
178 2019-12-01 23.009411 113.148995 ws0 广东省 佛山市
179 2019-12-01 32.033788 118.744473 wts 江苏省 南京市
180 2019-12-01 23.079797 113.233809 ws0 广东省 广州市
181 2019-12-01 23.124253 113.415790 ws0 广东省 广州市
182 2019-12-01 39.793810 116.512181 wx4 北京市 北京市
183 2019-12-01 41.734031 123.440165 wxr 辽宁省 沈阳市
184 2019-12-01 31.318625 120.713311 wtt 江苏省 苏州市
185 2019-12-01 31.785709 117.147839 wte 安徽省 合肥市
186 2019-12-01 29.020225 111.709329 wmp 湖南省 常德市
187 2019-12-01 22.846525 113.625979 ws0 广东省 东莞市
188 2019-12-01 22.846396 113.626169 ws0 广东省 东莞市
189 2019-12-01 39.995571 116.336956 wx4 北京市 北京市
190 2019-12-01 23.180224 112.996874 ws0 广东省 佛山市
191 2019-12-01 23.189493 113.364735 ws0 广东省 广州市
192 2019-12-01 41.753417 123.519449 wxr 辽宁省 沈阳市
193 2019-12-01 31.465250 104.750642 wmd 四川省 绵阳市
194 2019-12-01 22.677799 113.825805 ws0 广东省 深圳市
195 2019-12-01 22.679654 113.803727 ws0 广东省 深圳市
196 2019-12-01 35.684715 139.730207 xn7
197 2019-12-01 36.049970 103.838869 wq3 甘肃省 兰州市
198 2019-12-01 36.050062 103.838730 wq3 甘肃省 兰州市
199 2019-12-01 36.050039 103.838828 wq3 甘肃省 兰州市
200 2019-12-01 36.050050 103.838812 wq3 甘肃省 兰州市
201 2019-12-01 36.050060 103.838823 wq3 甘肃省 兰州市
202 2019-12-01 36.771433 118.501012 wws 山东省 潍坊市
203 2019-12-01 31.335023 120.628523 wtt 江苏省 苏州市
204 2019-12-01 31.335022 120.628522 wtt 江苏省 苏州市
205 2019-12-01 36.100825 103.616654 wq3 甘肃省 兰州市
206 2019-12-01 22.820185 108.402894 wkj 广西壮族自治区 南宁市
207 2019-12-01 44.162671 87.525599 tzy 新疆维吾尔自治区 昌吉市
208 2019-12-01 39.106566 117.223801 wwg 天津市 天津市
209 2019-12-01 39.106601 117.223569 wwg 天津市 天津市
210 2019-12-01 22.961665 113.087777 ws0 广东省 佛山市
211 2019-12-01 39.739454 116.551573 wx4 北京市 北京市
212 2019-12-01 29.269472 117.842560 wt5 江西省 上饶市
213 2019-12-01 43.797920 125.385421 wzc 吉林省 长春市
214 2019-12-01 22.989772 113.267797 ws0 广东省 广州市
215 2019-12-01 39.773042 116.593511 wx4 北京市 北京市
216 2019-12-01 39.773472 116.593730 wx4 北京市 北京市
217 2019-12-01 39.772824 116.593668 wx4 北京市 北京市
218 2019-12-01 39.773042 116.593513 wx4 北京市 北京市
219 2019-12-01 40.377219 116.845998 wx5 北京市 北京市
220 2019-12-01 27.239003 111.487381 wkz 湖南省 邵阳市
221 2019-12-01 24.525444 118.157303 wsk 福建省 厦门市
222 2019-12-01 25.673990 119.382263 wss 福建省 福州市
223 2019-12-01 30.646990 104.024652 wm3 四川省 成都市
224 2019-12-01 30.714844 104.062995 wm6 四川省 成都市
225 2019-12-01 31.239061 121.475282 wtw 上海市 上海市
226 2019-12-01 23.135164 113.591661 ws0 广东省 东莞市
227 2019-12-01 38.928932 121.607680 wwy 辽宁省 大连市
228 2019-12-01 38.928953 121.604503 wwy 辽宁省 大连市
229 2019-12-01 38.928972 121.607634 wwy 辽宁省 大连市
230 2019-12-01 28.904099 121.207427 wtn 浙江省 台州市
231 2019-12-01 23.112604 113.646286 ws0 广东省 东莞市
232 2019-12-01 39.841957 116.359981 wx4 北京市 北京市
233 2019-12-01 25.302136 98.520098 whq 云南省 腾冲市
234 2019-12-01 39.043799 117.260941 wwg 天津市 天津市
235 2019-12-01 22.824635 108.314318 wkj 广西壮族自治区 南宁市
236 2019-12-01 22.837780 108.305238 wkj 广西壮族自治区 南宁市
237 2019-12-01 22.831351 108.325723 wkj 广西壮族自治区 南宁市
238 2019-12-01 41.870266 123.428203 wxr 辽宁省 沈阳市
239 2019-12-01 34.556508 105.858202 wq5 甘肃省 天水市
240 2019-12-01 22.626322 114.081016 ws1 广东省 深圳市
241 2019-12-01 31.973519 118.809728 wts 江苏省 南京市
242 2019-12-01 32.070443 118.288322 wts 安徽省 滁州市
243 2019-12-01 32.063339 118.283413 wts 安徽省 滁州市
244 2019-12-01 34.433634 108.759596 wqj 陕西省 咸阳市
245 2019-12-01 36.154708 120.426186 wwm 山东省 青岛市
246 2019-12-01 27.840542 112.942876 wsb 湖南省 湘潭市
247 2019-12-01 34.232564 108.963147 wqj 陕西省 西安市
248 2019-12-01 34.232583 108.963022 wqj 陕西省 西安市
249 2019-12-01 34.233372 108.966371 wqj 陕西省 西安市
250 2019-12-01 34.232505 108.963107 wqj 陕西省 西安市
251 2019-12-01 28.244420 113.088114 wt0 湖南省 长沙市
252 2019-12-01 28.238061 113.093145 wt0 湖南省 长沙市
253 2019-12-01 43.929841 116.088759 wxf
254 2019-12-01 39.759988 116.189086 wx4 北京市 北京市
255 2019-12-01 37.877640 112.621543 ww8 山西省 太原市
256 2019-12-01 34.243988 108.959969 wqj 陕西省 西安市
257 2019-12-01 34.243991 108.959944 wqj 陕西省 西安市
258 2019-12-01 24.466084 117.718764 ws7 福建省 漳州市
259 2019-12-01 24.554365 117.631771 ws7 福建省 漳州市
260 2019-12-01 34.755416 113.781899 ww0 河南省 郑州市
261 2019-12-01 31.282106 121.482776 wtw 上海市 上海市
262 2019-12-01 31.296544 121.488371 wtw 上海市 上海市
263 2019-12-01 23.099587 113.445503 ws0 广东省 广州市
264 2019-12-01 23.101125 113.442367 ws0 广东省 广州市
265 2019-12-01 23.099918 113.436998 ws0 广东省 广州市
266 2019-12-01 23.099705 113.436978 ws0 广东省 广州市
267 2019-12-01 23.424106 113.421504 ws0 广东省 广州市
268 2019-12-01 41.822866 123.489981 wxr 辽宁省 沈阳市
269 2019-12-01 41.822080 123.490287 wxr 辽宁省 沈阳市
270 2019-12-01 41.822970 123.490049 wxr 辽宁省 沈阳市
271 2019-12-01 41.822229 123.489923 wxr 辽宁省 沈阳市
272 2019-12-01 38.926523 121.622450 wwy 辽宁省 大连市
273 2019-12-01 27.794490 120.656315 wsv 浙江省 温州市
274 2019-12-01 27.793767 120.648010 wsv 浙江省 温州市
275 2019-12-01 27.794510 120.656318 wsv 浙江省 温州市
276 2019-12-01 31.159035 121.523700 wtw 上海市 上海市
277 2019-12-01 32.013396 119.671030 wtt 江苏省 镇江市
278 2019-12-01 32.653241 110.799138 wmy 湖北省 十堰市
279 2019-12-01 40.086924 116.390887 wx4 北京市 北京市
280 2019-12-01 23.240734 113.356357 ws0 广东省 广州市
281 2019-12-01 31.341090 117.177117 wte 安徽省 合肥市
282 2019-12-01 39.791389 116.508744 wx4 北京市 北京市
283 2019-12-01 39.922552 116.432933 wx4 北京市 北京市
284 2019-12-01 25.074893 102.945970 wk3 云南省 昆明市
285 2019-12-01 22.678683 114.225002 ws1 广东省 东莞市
286 2019-12-01 31.818973 117.177929 wte 安徽省 合肥市
287 2019-12-01 27.924513 110.083142 wky 湖南省 湘西
288 2019-12-01 40.154270 116.299291 wx4 北京市 北京市
289 2019-12-01 23.126680 113.283753 ws0 广东省 广州市
290 2019-12-01 23.126862 113.283409 ws0 广东省 广州市
291 2019-12-01 25.001571 102.668471 wk3 云南省 昆明市
292 2019-12-01 31.902740 117.171997 wte 安徽省 合肥市
293 2019-12-01 39.579799 116.616863 wx4 河北省 廊坊市
294 2019-12-01 31.271824 120.530941 wtt 江苏省 苏州市
295 2019-12-01 31.460270 120.595866 wtt 江苏省 苏州市
296 2019-12-01 31.031324 121.230840 wtw 上海市 上海市
297 2019-12-01 39.967867 116.325924 wx4 北京市 北京市
298 2019-12-01 31.409115 121.199986 wtw 上海市 上海市
299 2019-12-01 40.085298 116.373141 wx4 北京市 北京市
300 2019-12-01 40.079848 116.337253 wx4 北京市 北京市
301 2019-12-01 40.085599 116.329256 wx4 北京市 北京市
302 2019-12-01 23.116805 113.244293 ws0 广东省 广州市
303 2019-12-01 38.252163 101.959621 wqb 甘肃省 金昌市
304 2019-12-01 31.024041 113.106464 wt8 湖北省 荆门市
305 2019-12-01 31.024018 113.106487 wt8 湖北省 荆门市
306 2019-12-01 31.024061 113.106449 wt8 湖北省 荆门市
307 2019-12-01 39.916735 116.661580 wx4 北京市 北京市
308 2019-12-01 22.822860 108.271452 wkh 广西壮族自治区 南宁市
309 2019-12-01 39.908806 116.672765 wx4 北京市 北京市
310 2019-12-01 39.903457 116.616644 wx4 北京市 北京市
311 2019-12-01 39.908511 116.688177 wx4 北京市 北京市
312 2019-12-01 29.538435 106.504695 wm7 重庆市 重庆市
313 2019-12-01 29.538527 106.504667 wm7 重庆市 重庆市
314 2019-12-01 22.834067 108.290934 wkj 广西壮族自治区 南宁市
315 2019-12-01 22.842431 108.286537 wkj 广西壮族自治区 南宁市
316 2019-12-01 30.516101 104.054210 wm3 四川省 成都市
317 2019-12-01 30.516126 104.054463 wm3 四川省 成都市
318 2019-12-01 23.146431 113.259598 ws0 广东省 广州市
319 2019-12-01 23.180967 113.279126 ws0 广东省 广州市
320 2019-12-01 23.125673 113.258402 ws0 广东省 广州市
321 2019-12-01 39.750405 116.434449 wx4 北京市 北京市
322 2019-12-01 38.702886 115.205831 wwc 河北省 保定市
323 2019-12-01 22.598159 114.044159 ws1 广东省 深圳市
324 2019-12-01 22.598169 114.044037 ws1 广东省 深圳市
325 2019-12-01 30.624029 104.140958 wm6 四川省 成都市
326 2019-12-01 45.765599 126.617896 yb4 黑龙江省 哈尔滨市
327 2019-12-01 45.765587 126.617898 yb4 黑龙江省 哈尔滨市
328 2019-12-01 45.765836 126.617979 yb4 黑龙江省 哈尔滨市
329 2019-12-01 23.174556 113.204743 ws0 广东省 广州市
330 2019-12-01 23.174568 113.204668 ws0 广东省 广州市
331 2019-12-01 39.813750 117.012857 wx5 河北省 廊坊市
332 2019-12-01 29.168094 115.830747 wt4 江西省 九江市
333 2019-12-01 23.508310 113.058993 ws0 广东省 清远市
334 2019-12-01 30.823505 106.096161 wm7 四川省 南充市
335 2019-12-01 36.181281 120.386287 wwm 山东省 青岛市
336 2019-12-01 36.174599 120.378045 wwm 山东省 青岛市
337 2019-12-01 29.529957 106.523544 wm5 重庆市 重庆市
338 2019-12-01 36.791080 118.056556 wwe 山东省 淄博市
339 2019-12-01 36.797678 118.042765 wwe 山东省 淄博市
340 2019-12-01 40.005434 116.369992 wx4 北京市 北京市
341 2019-12-01 35.224444 115.496402 ww6 山东省 菏泽市
342 2019-12-01 18.309263 109.404998 w7m 海南省 三亚市
343 2019-12-01 18.309231 109.405036 w7m 海南省 三亚市
344 2019-12-01 30.700987 103.976866 wm3 四川省 成都市
345 2019-12-01 23.121700 113.384897 ws0 广东省 广州市
346 2019-12-01 23.123997 113.389425 ws0 广东省 广州市
347 2019-12-01 34.435094 108.764894 wqj 陕西省 咸阳市
348 2019-12-01 34.435100 108.764889 wqj 陕西省 咸阳市
349 2019-12-01 25.208821 110.049178 wkq 广西壮族自治区 桂林市
350 2019-12-01 25.217089 110.054261 wkq 广西壮族自治区 桂林市
351 2019-12-01 34.435087 108.764902 wqj 陕西省 咸阳市
352 2019-12-01 23.254426 113.285646 ws0 广东省 广州市
353 2019-12-01 23.160499 113.258051 ws0 广东省 广州市
354 2019-12-01 30.291193 120.457733 wtm 浙江省 嘉兴市
355 2019-12-01 39.843371 116.393910 wx4 北京市 北京市
356 2019-12-01 37.869271 112.532071 ww8 山西省 太原市
357 2019-12-01 22.250911 113.512195 web 广东省 中山市
358 2019-12-01 22.250807 113.512424 web 广东省 中山市
359 2019-12-01 22.250720 113.512199 web 广东省 中山市
360 2019-12-01 23.105784 113.181241 ws0 广东省 广州市
361 2019-12-01 22.577585 113.084974 ws0 广东省 江门市
362 2019-12-01 22.962183 113.890847 ws0 广东省 东莞市
363 2019-12-01 32.139707 118.991269 wts 江苏省 镇江市
364 2019-12-01 23.160787 113.235168 ws0 广东省 广州市
365 2019-12-01 30.274377 120.193470 wtm 浙江省 杭州市
366 2019-12-01 43.899263 87.475616 tzy 新疆维吾尔自治区 乌鲁木齐市
367 2019-12-01 26.644363 106.625699 wke 贵州省 贵阳市
368 2019-12-01 23.157784 114.445888 ws1 广东省 惠州市
369 2019-12-01 30.191806 120.205071 wtm 浙江省 杭州市
370 2019-12-01 34.736253 113.615667 ww0 河南省 郑州市
371 2019-12-01 39.231387 117.825549 wwg 天津市 天津市
372 2019-12-01 22.539690 114.018344 ws1 香港特别行政区 香港特别行政区
373 2019-12-01 28.082111 121.273184 wsy 浙江省 台州市
374 2019-12-01 28.082079 121.273154 wsy 浙江省 台州市
375 2019-12-01 28.122847 121.238619 wsy 浙江省 台州市
376 2019-12-01 28.122900 121.238814 wsy 浙江省 台州市
377 2019-12-01 28.082077 121.273211 wsy 浙江省 台州市
378 2019-12-01 28.082046 121.273133 wsy 浙江省 台州市
379 2019-12-01 27.912917 120.848852 wsv 浙江省 温州市
380 2019-12-01 27.828063 121.144167 wsy 浙江省 温州市
381 2019-12-01 34.615166 119.166840 wwh 江苏省 连云港市
382 2019-12-01 34.615118 119.166836 wwh 江苏省 连云港市
383 2019-12-01 34.609143 119.164263 wwh 江苏省 连云港市
384 2019-12-01 34.490115 119.546565 wwj 江苏省 连云港市
385 2019-12-01 41.803987 123.344676 wxr 辽宁省 沈阳市
386 2019-12-01 23.169760 113.268932 ws0 广东省 广州市
387 2019-12-01 22.540800 113.913296 ws1 广东省 深圳市
388 2019-12-01 30.286402 120.123885 wtm 浙江省 杭州市
389 2019-12-01 30.288094 120.123726 wtm 浙江省 杭州市
390 2019-12-01 23.043518 113.145440 ws0 广东省 广州市
391 2019-12-01 23.043553 113.145470 ws0 广东省 广州市
392 2019-12-01 23.043558 113.145404 ws0 广东省 广州市
393 2019-12-01 23.043126 113.145294 ws0 广东省 广州市
394 2019-12-01 23.043110 113.145297 ws0 广东省 广州市
395 2019-12-01 23.043129 113.145327 ws0 广东省 广州市
396 2019-12-01 23.042800 113.145148 ws0 广东省 广州市
397 2019-12-01 23.043544 113.145424 ws0 广东省 广州市
398 2019-12-01 23.043142 113.145268 ws0 广东省 广州市
399 2019-12-01 25.255938 110.324897 wkq 广西壮族自治区 桂林市
400 2019-12-01 31.283044 120.508142 wtt 江苏省 苏州市
401 2019-12-01 24.563638 118.052645 ws7 福建省 厦门市
402 2019-12-01 38.011801 114.487758 wwc 河北省 石家庄市
403 2019-12-01 38.011539 114.487561 wwc 河北省 石家庄市
404 2019-12-01 38.011798 114.487726 wwc 河北省 石家庄市
405 2019-12-01 24.071330 116.964023 ws7 广东省 潮州市
406 2019-12-01 24.072935 116.960483 ws7 广东省 潮州市
407 2019-12-01 39.107501 117.719293 wwg 天津市 天津市
408 2019-12-01 39.802793 116.287541 wx4 北京市 北京市
409 2019-12-01 39.802786 116.287506 wx4 北京市 北京市
410 2019-12-01 31.505916 120.434265 wtt 江苏省 苏州市
411 2019-12-01 22.533486 114.060139 ws1 香港特别行政区 香港特别行政区
412 2019-12-01 22.533189 114.060053 ws1 香港特别行政区 香港特别行政区
413 2019-12-01 22.285001 114.145023 wec 香港特别行政区 香港特别行政区
414 2019-12-01 22.449766 114.177413 wec 香港特别行政区 香港特别行政区
415 2019-12-01 22.285024 114.145003 wec 香港特别行政区 香港特别行政区
416 2019-12-01 34.297547 108.980125 wqj 陕西省 西安市
417 2019-12-01 32.063285 118.283783 wts 安徽省 滁州市
418 2019-12-01 32.063729 118.283248 wts 安徽省 滁州市
419 2019-12-01 32.086022 118.274345 wts 安徽省 滁州市
420 2019-12-01 31.185227 121.693325 wtw 上海市 上海市
421 2019-12-01 31.185245 121.693148 wtw 上海市 上海市
422 2019-12-01 31.183995 121.696364 wtw 上海市 上海市
423 2019-12-01 31.184026 121.696345 wtw 上海市 上海市
424 2019-12-01 31.184105 121.696373 wtw 上海市 上海市
425 2019-12-01 23.028542 113.367935 ws0 广东省 广州市
426 2019-12-01 31.061452 121.545099 wtw 上海市 上海市
427 2019-12-01 31.061451 121.545098 wtw 上海市 上海市
428 2019-12-01 22.835781 113.672017 ws0 广东省 东莞市
429 2019-12-01 22.846654 113.258846 ws0 广东省 广州市
430 2019-12-01 36.039389 103.855255 wq3 甘肃省 兰州市
431 2019-12-01 36.040131 103.855060 wq3 甘肃省 兰州市
432 2019-12-01 22.611978 113.184066 ws0 广东省 江门市
433 2019-12-01 22.551346 114.023179 ws1 香港特别行政区 香港特别行政区
434 2019-12-01 22.551622 114.022982 ws1 香港特别行政区 香港特别行政区
435 2019-12-01 38.945211 121.588265 wwy 辽宁省 大连市
436 2019-12-01 38.945139 121.587994 wwy 辽宁省 大连市
437 2019-12-01 39.772551 116.333405 wx4 北京市 北京市
438 2019-12-01 30.446914 114.010994 wt3 湖北省 武汉市
439 2019-12-01 37.750588 115.673233 wwd 河北省 衡水市
440 2019-12-01 30.230025 120.257374 wtm 浙江省 杭州市
441 2019-12-01 30.229579 120.257874 wtm 浙江省 杭州市
442 2019-12-01 31.124825 121.436102 wtw 上海市 上海市
443 2019-12-01 39.670821 106.807219 wr5 内蒙古自治区 乌海市
444 2019-12-01 39.667548 106.807876 wr5 内蒙古自治区 乌海市
445 2019-12-01 39.964320 116.529353 wx4 北京市 北京市
446 2019-12-01 40.757478 107.419416 wrh 内蒙古自治区 巴彦淖尔
447 2019-12-01 23.112919 113.213619 ws0 广东省 广州市
448 2019-12-01 25.095056 102.930440 wk3 云南省 昆明市
449 2019-12-01 25.096712 102.925998 wk3 云南省 昆明市
450 2019-12-01 30.067469 103.823783 wm3
451 2019-12-01 29.976825 103.443291 wm3
452 2019-12-01 28.592060 115.964241 wt4 江西省 南昌市
453 2019-12-01 39.917428 116.508704 wx4 北京市 北京市
454 2019-12-01 22.758032 114.499446 ws1 广东省 惠州市
455 2019-12-01 26.051011 119.296111 wss 福建省 福州市
456 2019-12-01 24.617067 118.246066 wsk 福建省 厦门市
457 2019-12-01 37.755130 112.631485 ww8 山西省 太原市
458 2019-12-01 38.921631 121.641270 wwy 辽宁省 大连市
459 2019-12-01 39.949675 116.407636 wx4 北京市 北京市
460 2019-12-01 39.973108 116.790033 wx5 北京市 北京市
461 2019-12-01 39.973233 116.790094 wx5 北京市 北京市
462 2019-12-01 40.070999 116.412565 wx4 北京市 北京市
463 2019-12-01 39.932443 116.324773 wx4 北京市 北京市
464 2019-12-01 39.791392 116.284305 wx4 北京市 北京市
465 2019-12-01 39.791375 116.284281 wx4 北京市 北京市
466 2019-12-01 29.568840 106.493214 wm7 重庆市 重庆市
467 2019-12-01 29.568666 106.493182 wm7 重庆市 重庆市
468 2019-12-01 20.007620 110.311584 w7w 海南省 海口市
469 2019-12-01 35.231131 115.499637 ww6 山东省 菏泽市
470 2019-12-01 35.532620 115.816370 ww6 山东省 菏泽市
471 2019-12-01 35.223992 115.495944 ww6 山东省 菏泽市
472 2019-12-01 35.425115 115.670813 ww6 山东省 菏泽市
473 2019-12-01 38.055092 114.500644 wwc 河北省 石家庄市
474 2019-12-01 39.915308 116.415252 wx4 北京市 北京市
475 2019-12-01 39.915308 116.415252 wx4 北京市 北京市
476 2019-12-01 39.915308 116.415252 wx4 北京市 北京市
477 2019-12-01 22.546793 114.083582 ws1 香港特别行政区 香港特别行政区
478 2019-12-01 38.034649 114.463347 wwc 河北省 石家庄市
479 2019-12-01 38.960033 121.542838 wwy 辽宁省 大连市
480 2019-12-01 18.239640 109.502804 w7j 海南省 三亚市
481 2019-12-01 24.112877 102.761036 wk3 云南省 玉溪市
482 2019-12-01 24.112716 102.761625 wk3 云南省 玉溪市
483 2019-12-01 24.077092 102.770451 wk3 云南省 玉溪市
484 2019-12-01 34.433365 108.759386 wqj 陕西省 咸阳市
485 2019-12-01 26.126018 119.179790 wss 福建省 福州市
486 2019-12-01 29.574099 103.463518 wm3 四川省 眉山市
487 2019-12-01 29.574240 103.463598 wm3 四川省 眉山市
488 2019-12-01 27.038769 114.921019 wsc 江西省 吉安市
489 2019-12-01 40.074422 113.319963 wx0 山西省 大同市
490 2019-12-01 23.013470 113.864178 ws0 广东省 东莞市
491 2019-12-01 22.795275 113.826544 ws0 广东省 深圳市
492 2019-12-01 35.383606 103.870968 wq3 甘肃省 定西市
493 2019-12-01 35.381282 103.868653 wq3 甘肃省 定西市
494 2019-12-01 35.383672 103.871029 wq3 甘肃省 定西市
495 2019-12-01 35.280397 104.071241 wq6 甘肃省 定西市
496 2019-12-01 22.593475 114.249754 ws1 香港特别行政区 香港特别行政区
497 2019-12-01 30.712836 103.992843 wm3 四川省 成都市
498 2019-12-01 39.873577 116.359222 wx4 北京市 北京市
499 2019-12-01 36.607258 101.752028 wq8 青海省 西宁市
第一次写关于GIS的代码。代码很糙还有很多要改正的地方,例如有的经纬度不能识别问题,矢量偏移过大 有的用户定位在了两个城市边界内了。欢迎指正。谢谢