前言
本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,如有问题请及时联系我们以作处理。
以下文章来源于python数据分析之禅 ，作者小dull鸟
Python爬虫、数据分析、网站开发等案例教程视频免费在线观看
https://space.bilibili.<a href="https://www.gaodaima.com/tag/com" title="查看更多关于com的文章" target="_blank">com</a>/523606542
www#gaodaima.com来源gaodai#ma#com搞@@代~&码网搞代码
最近偶然看到了腾讯的大数据星云图，非常漂亮，如下图：
这些数据代表使用腾讯定位服务的用户实际地理位置，例如微信、QQ、腾讯地图等，所以使用量还是表达的，此图可以间接显示人流量情况
该网站还可以查看区域热力图：
但是只有个别区域
于是我萌生一个想法，用python任意区域人员流量图
经过不懈努力，没想到还真给实现了，下面带大家一起学习一下这一过程：
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：
但是不用怕，我们还有其他办法获取
进入主页：https://xingyun.map.qq.com/
在主页抓包，获得数据接口：
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：
<span>import</span><span> requests
</span><span>import</span><span> json
header</span>=<span>{
</span><span>"</span><span>User-Agent</span><span>"</span>:<span>"</span><span>Mozilla/5.0 (Windows NT 6.1; Win64; x64; rv:82.0) Gecko/20100101 Firefox/82.0</span><span>"</span><span>}
url </span>= <span>"</span><span>https://xingyun.map.qq.com/api/getXingyunPoints</span><span>"</span>
<span>for</span> i <span>in</span> range(1,5<span>):
payload </span>= {<span>"</span><span>count</span><span>"</span>: i, <span>"</span><span>rank</span><span>"</span><span>: 0}
response </span>= requests.post(url, data=<span>json.dumps(payload))
datas</span>=json.loads(response.text)[<span>"</span><span>locs</span><span>"</span><span>]
datas</span>=datas.split(<span>"</span><span>,</span><span>"</span><span>)
datas</span>=[int(i) <span>for</span> i <span>in</span> datas[:-1<span>]]
all_data</span>=<span>[]
a</span>=<span>[]
</span><span>for</span> n,data <span>in</span><span> enumerate(datas):
a.append(data)
all_data.append(a)
</span><span>if</span> (n+1)%3==<span>0:
a</span>=<span>[]
all_data</span>=[[i[0]/100,i[1]/100,i[2]] <span>for</span> i <span>in</span> all_data]
将数据转换为DataFrame格式：
<span>import</span><span> pandas as pd
lat</span>=[float(i[0]) <span>for</span> i <span>in</span><span> all_data]
long</span>=[i[1] <span>for</span> i <span>in</span><span> all_data]
weight</span>=[i[2] <span>for</span> i <span>in</span><span> all_data]
dataframe</span>=pd.DataFrame({<span>"</span><span>纬度</span><span>"</span>:lat,<span>"</span><span>经度</span><span>"</span>:long,<span>"</span><span>人数</span><span>"</span>:weight})
对数据进行去重：
dataframe=dataframe.drop_duplicates(keep=<span>"</span><span>first</span><span>"</span>)
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=<span>"</span><span>first</span><span>"</span>, 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：
<span>import</span><span> folium
</span><span>from</span> folium.plugins <span>import</span><span> HeatMap
map_data </span>= data1[[<span>"</span><span>纬度</span><span>"</span>, <span>"</span><span>经度</span><span>"</span>, <span>"</span><span>人数</span><span>"</span><span>]].values.tolist()
hmap </span>=<span> folium.Map(
location</span>=[data1[<span>"</span><span>纬度</span><span>"</span>].mean(), data1[<span>"</span><span>经度</span><span>"</span>].mean()], <span>#</span><span>地图中心坐标</span>
control_scale=<span>True,
zoom_start</span>=13 <span>#</span><span>地图显示级别</span>
<span>)
hmap.add_child(HeatMap(map_data, radius</span>=5, gradient={.1: <span>"</span><span>blue</span><span>"</span>,.3: <span>"</span><span>lime</span><span>"</span>, .5: <span>"</span><span>yellow</span><span>"</span>,.7:<span>"</span><span>red</span><span>"</span>}))
真方！
搞代码网（gaodaima.com）提供的所有资源部分来自互联网，如果有侵犯您的版权或其他权益，请说明详细缘由并提供版权或权益证明然后发送到邮箱[email protected]，我们会在看到邮件的第一时间内为您处理，或直接联系QQ：872152909。本网站采用BY-NC-SA协议进行授权
转载请注明原文链接：用Python和用户实际地理位置，做任意区域人员流量图
转载请注明原文链接：用Python和用户实际地理位置，做任意区域人员流量图
