【大数据】城市公交网络分析与可视化（二）：获取公交行驶路径并绘制散点图

博客内容说明

本博客为系列课题第二篇，一些必要的内容请见：
【大数据】城市公交网络分析与可视化（一）：借助Python爬取公交车行驶路径等基本信息

本博客内容简介：借助高德地图API，爬取一个城市多条公交线路轨迹坐标，并绘制公交行驶路径（散点）图。（本博客以青岛举例，并依次绘制10条线路、49条线路、全部线路）

具体探究过程

运行环境：Anaconda 中的Spyder软件

1、青岛市1路到10路公交运行路线（轨迹）

（1）直接可运行代码
确实有可能出现我这里运行的好好的，但他处不能运行的情况，emmmmm，祝你好运！

import requests
import json
import pandas as pd

def get_line(cityname,line,path):
    #获取数据
    url = 'https://restapi.amap.com/v3/bus/linename?s=rsv3&extensions=all&key=a5b7479db5b24fd68cedcf24f482c156&output=json&city={}&offset=1&keywords={}&platform=JS'.format(cityname,line)
    r = requests.get(url).text
    rt = json.loads(r)
    try:#若报错（即该没有线路）进入except,跳过
        polyline=rt['buslines'][0]['polyline'] #获取沿途路径坐标
        path=path+polyline  #这里通过path字符串累计获取所有公交线路路径
        return path         
    except:
        print('没有{}路公交'.format(line))
        pass
    
if __name__=="__main__":
    path_str=''
    for i in range(1,11):  
        path_str=get_line('青岛',str(i),path_str)
    print(len(path_str)) #获取坐标字符串总长度（不是坐标总数，总数大约为这个数/21）
    path={
     }
    path['station_coords']=path_str.split(";")  #通过";"拆分每个路径坐标
    path=pd.DataFrame(path)
    #将坐标拆解为经度longitude,和纬度latitude（请根据具体使用场景处理数据）
    path['longitude'],path['latitude'] = path['station_coords'].str.split(',', 1).str
    path.to_csv('青岛10条线路公交路线轨迹数据.csv',encoding='utf-8')
    #path.drop(['station_coords'],axis=1,inplace=True)  #狡兔死走狗烹，飞鸟尽良弓藏  经度，纬度提取出来，可以把原来的经纬度给删了
    #path.to_csv('青岛10条线路公交路线轨迹数据.csv',index=False,encoding='utf-8-sig')  #index=False即不显示index索引

（2）运行结果：

（3）删除一些不必要数据后的结果
这里处理是为了节省空间的情况下便于后面高德地图绘制，本来只需要一列经纬度就好了，我也按照高德地图要求去处理数据了，就是不行，很迷，遂放弃，两列就两列吧。

不行！！！
不知出于什么原因，删除坐标列，绘图平台读取数据不成功！
只好加回来了。

（继续看，后面有些问题原因）

（4）可视化
如何知道我获取的路径数据是对的？
那就画出来吧！高德开发平台（Map Lab）

2、青岛市1路到50路（无44路）公交运行路线（轨迹）

(1)上面代码的修改版

import requests
import json
import pandas as pd
import time

def get_line(cityname,line,path):
    #获取数据
    url = 'https://restapi.amap.com/v3/bus/linename?s=rsv3&extensions=all&key=a5b7479db5b24fd68cedcf24f482c156&output=json&city={}&offset=1&keywords={}&platform=JS'.format(cityname,line)
    r = requests.get(url).text
    rt = json.loads(r)
    try:#若报错（即该没有线路）进入except,跳过
        polyline=rt['buslines'][0]['polyline'] #获取沿途路径坐标
        path=path+polyline  #这里通过path字符串累计获取所有公交线路路径
        return path         
    except:
        print('没有{}路公交'.format(line))
        #pass
        return path  #之前写pass，因为这个函数是有返回值的，故行不通
    
if __name__=="__main__":
    #获取1路到50路公交的量较大，或许需要个计时器
    t0=time.time()
    print('显示程序开始的时间:',time.strftime('%Y-%m-%d %H:%M:%S',time.localtime(time.time())))

    path_str=''
    for i in range(1,51):  
        path_str=get_line('青岛',str(i),path_str)
    path={
     }
    path['station_coords']=path_str.split(";")  #通过";"拆分每个路径坐标
    path=pd.DataFrame(path)
    path.to_csv('青岛50条线路公交路线轨迹数据.csv',index=False,encoding='utf-8')  #index=False即不显示index索引
    print("坐标数据有{}条".format(len(path['station_coords'])))
    
    t1=time.time()
    print('显示程序结束的时间:',time.strftime('%Y-%m-%d %H:%M:%S',time.localtime(time.time())))
    print("用时：%.6fs"%(t1-t0))

(2)运行结果：

（3）获取的表格数据
也不知道啥原理，这次只放一个坐标数据，也不要按要求那样加引号高德地图也能读取了！

（4）那就数据可视化喽
49条公交线路，15983个坐标轨迹，已经很卡了

接下来，该干嘛，大家应该猜到了

3、青岛市所有公交（遍历1000路公交）运行轨迹！

（1）本质没变的代码：

import requests
import json
import pandas as pd
import time

def get_line(cityname,line,path,bus_num):
    #获取数据
    url = 'https://restapi.amap.com/v3/bus/linename?s=rsv3&extensions=all&key=a5b7479db5b24fd68cedcf24f482c156&output=json&city={}&offset=1&keywords={}&platform=JS'.format(cityname,line)
    r = requests.get(url).text
    rt = json.loads(r)
    try:
        polyline=rt['buslines'][0]['polyline'] 
        path=path+polyline  #这里通过path字符串累计获取所有公交线路路径          
        return bus_num+1,path         
    except:
        print('没有{}路公交'.format(line))
        return  bus_num,path  
    
if __name__=="__main__":
    t0=time.time()#记录时间用的

    path_str=''
    bus_num=0  #基本功没学好，关于python全局变量和传参问题一直搞得不清楚，所有采用比较捞的方法获取局部变量数据变化了
    for i in range(1,1001):  
        bus_num,path_str=get_line('青岛',str(i),path_str,bus_num)
    path={
     }
    path['station_coords']=path_str.split(";") 
    path=pd.DataFrame(path)
    path.to_csv('青岛所有线路(循环1000路实现)公交路线轨迹数据.csv',index=False,encoding='utf-8')  
    print("坐标数据有{}条".format(len(path['station_coords'])))
    print('遍历了{}条公交线路'.format(bus_num))
    
    t1=time.time()
    print("运行用时：%.2fs"%(t1-t0))

(2)实验结果
做过大数据项目的人应该知道，6分半运行时间还是能接受的！

遍历了424条公交线路可还行！

现在的问题是：136776条坐标数据！

为此我还专门查了：“Excel 2013版：列数最大16384(2的14次方)，行数最大1048576(2的20次方)”

Execl是没问题了，高德地图传不上去呀！！！

（3）做人要有梦想——补充代码
不让上传超过5万行的数据，最多能上传3个表格，有13多万条数据！

真実は一つだけです！

path.iloc[0:49000, :].to_csv('青岛所有线路(循环1000路实现)公交路线轨迹数据-拆分数据1.csv',index=False,encoding='utf-8')  
path.iloc[49000:98000, :].to_csv('青岛所有线路(循环1000路实现)公交路线轨迹数据-拆分数据2.csv',index=False,encoding='utf-8') 
path.iloc[98000:, :].to_csv('青岛所有线路(循环1000路实现)公交路线轨迹数据-拆分数据3.csv',index=False,encoding='utf-8') 

顺带一说，我好像知道为什么最开始只直接上传坐标数据，高德读取不了，后来又可以了：不可以是因为加了索引；保存数据的时候加“index=False”，去掉索引就好了！

（4）分三次上传的数据绘制的结果！
①上传第一部分数据（黄色部分）
此时我的电脑，明显感到勉为其难了，每操作一下电脑风扇就疯狂地在抱怨~

②上传第二部分数据（蓝色部分）

卡成PPT！！！


③上传第三部分数据（红色部分）
每一次操作都会伴随漫长的等待，2年半以前的笔记本究落伍了。（当然本身这个数据量这么大处理有问题是能理解的），突然理解为什么那么多专业款的电脑那么贵了，1.5TB内存顶配 Mac pro了解一下

其实三种颜色也是有一定含义的，黄色表示该公交“路数”比较小（大约1路-200路左右），蓝色表示该公交“路数”中等（大约200路-500路），红色表示“路数偏大”（大约500路-950路）。

可见一般老城区，公交路数都不是很大~~~（认真想想，这不是显而易见的的道理嘛）

4、8684网站上获取青岛市区公交线路

1、根据具体背景优化的代码
遍历一定范围的数确实有其巧妙之处，但可能会遗漏一些特殊的专线公交，这时我们可以通过一些提供公交信息的网站，获取具体区域、更详细公交线路名信息：8684网青岛市区线路

import requests
import json
import pandas as pd
import time

def get_line(cityname,line,path):
    #获取数据
    url = 'https://restapi.amap.com/v3/bus/linename?s=rsv3&extensions=all&key=a5b7479db5b24fd68cedcf24f482c156&output=json&city={}&offset=1&keywords={}&platform=JS'.format(cityname,line)
    r = requests.get(url).text
    rt = json.loads(r)
    try:
        polyline=rt['buslines'][0]['polyline'] 
        path=path+polyline           
        return path         
    except:
        print('没有{}公交'.format(line)) #正常情况下，这条语句不会执行
        return path  
    
if __name__=="__main__":
    t0=time.time()
    
    bus_name=[]
    path_str=''
    path={
     }
    #读取当前目录下的公交线路.txt文档，获取公交线路名
    with open("公交线路.txt", "r", encoding="utf-8") as f:
        bus_name = f.readlines()
    bus_name = bus_name[0].split(",")

    for i in bus_name:  
        path_str=get_line('青岛',i,path_str)
    path['station_coords']=path_str.split(";") 
    path=pd.DataFrame(path)
    path.to_csv('青岛所有公交路线轨迹数据(8684).csv',index=False,encoding='utf-8')
    print('8684网站上获取青岛市区公交线路：',len(bus_name),"条")
    print("这些公交路径坐标数据有{}条".format(len(path['station_coords'])))
    
    t1=time.time()
    print("运行用时：%.2fs"%(t1-t0))

（2）运行结果

这样的结果是错误的，很明显是有个逗号为中文逗号导致的！
修改后：

（3）补充代码
和之前一样，这样的数据量高德地图没法一次读入，需要分两个表格保存后上传。

    path.iloc[0:49000, :].to_csv('青岛所有公交路线轨迹数据(8684)-拆分数据1.csv',index=False,encoding='utf-8')  
    path.iloc[49000:, :].to_csv('青岛所有公交路线轨迹数据(8684)-拆分数据2.csv',index=False,encoding='utf-8') 

（4）可视化
这种规模的数据量搭配并不出色的电脑性能，不可避免的将创造的热情减少了不少ㄟ( ▔, ▔ )ㄏa

青岛市区所有公交线路轨迹图：