手把手教你用Python进行城市公交网络分析与可视化

一、数据查看和预处理

数据获取自高德地图API，包含了天津市公交线路和站点名称及其经纬度数据。

import pandas as pddf = pd.read_excel('site_information.xlsx')
df.head()

字段说明：

• 线路名称：公交线路的名称

• 上下行：0表示上行；1表示下行

• 站序号：公交线路上行或下行依次经过站的序号

• 站名称：站点名称

• 经度（分）：站点的经度

• 纬度（分）：站点的纬度

数据字段少，结构也比较简单，下面来充分了解我们的数据和进行预处理。总的数据有 30396 条，站名称缺失了 5 条，纬度（分）缺失了 1 条，经度（分）缺失了 38 条，为了处理方便，直接把有缺失值的行删除。

经纬度数据是7031.982、2348.1016这样的，需要将其转换为以度为单位。

df2 = df1.copy()
df2['经度（分）'] = df1['经度（分）'].apply(float) / 60
df2['纬度（分）'] = df1['纬度（分）'].apply(float) / 60
df2.head()

处理后的数据里，共有 618 条公交线路，4851个站点数据。

重新保存为处理后数据

df2.to_excel("处理后数据.xlsx", index=False)

二、数据分析

分析天津市公交站点的分布情况

# -*- coding: UTF-8 -*-
"""
@Author  ：python小叮当
"""
import pandas as pd
import matplotlib.pyplot as plt
import matplotlib as mpl
import randomdf = pd.read_excel("处理后数据.xlsx")
x_data = df['经度（分）']
y_data = df['纬度（分）']
colors = ['#FF0000', '#0000CD', '#00BFFF', '#008000', '#FF1493', '#FFD700', '#FF4500', '#00FA9A', '#191970', '#9932CC']
colors = [random.choice(colors) for i in range(len(x_data))]
mpl.rcParams['font.family'] = 'SimHei'
plt.style.use('ggplot')
# 设置大小
plt.figure(figsize=(12, 6), dpi=200)
# 绘制散点图  经度  纬度  传进去   设置 颜色  点的大小
plt.scatter(x_data, y_data, marker="o", s=9., c=colors)# 添加描述信息 x轴 y轴 标题
plt.xlabel("经度")
plt.ylabel("纬度")
plt.title("天津市公交站点分布情况")
plt.savefig('经纬度散点图.png')
plt.show()

结果如下：

通过 matplotlib 绘制散点图可视化天津市公交站点的分布情况，容易看出天津市的公交热点分布区域。为了能更形象地分析公交线路网络，我们还可以将数据可视化在实际地图上，利用 Pyecharts 的BMap。

# -*- coding: UTF-8 -*-
"""
@Author  ：python小叮当
"""
import pandas as pd
from pyecharts.charts import BMap
from pyecharts import options as opts
from pyecharts.globals import CurrentConfig# 引用本地js资源渲染
CurrentConfig.ONLINE_HOST = 'D:/python/pyecharts-assets-master/assets/'df = pd.read_excel('处理后数据.