Python批量爬取高德AOI边界数据+GIS可视化(超详细)

2024-01-11 07:32

本文主要是介绍Python批量爬取高德AOI边界数据+GIS可视化(超详细),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

一、需求

      爬取高德地图的AOI区域(如下)并进行可视化存储,且保留AOI的属性信息。

      

二、使用的工具:

       Python IDLE、记事本编辑器、ArcGIS 10.2、申请的高德开发者KEY(免费)。

三、实现分析及思路

      博主在浏览博客时得到了一个链接,能够根据aoi编号检索aoi信息:

https://ditu.amap.com/detail/get/detail?id=XXXX
感谢“万里写入胸怀间”大神的博客:https://blog.csdn.net/qq_37696858/article/details/81351725

     该链接能够返回丰富的AOI信息:

       

      AOI编号有两种途径获得:

    (1)使用API检索POI时,返回的POI编号(经验证,AOI编号与POI编号是一致的)如下图。

       

    (2)使用高德地图web版进行地点搜索时,点击单个POI,从当前网页的Url中提取,如下图。

            

     第二种方式最为简单便捷,但是无法实现批量的AOI提取,因此本文采用第一种方式进行AOI爬取。使用该方式会带来一些问题,例如,有些POI是不存在AOI区域的,比如厕所、大门等一些附属设施POI,但是AOI链接仍然会检索出信息来,只是不含有图形信息罢了,因此对是否含有AOI信息进行判断也十分重要。

四、编写代码:

import requests
import pandas as pd
import json
import time#检索POI的URL
poiUrl="https://restapi.amap.com/v3/place/text?keywords=大学&city=青岛&output=JSON&offset=20&key={你的Key,不含大括号}&extensions=all&page="
#检索AOI的URL
aoiUrl="https://ditu.amap.com/detail/get/detail?id="
#用于储存POI数据
x=[]
#用于储存AOI数据
y=[]
#计数
num=0
#逐页POI检索,注意API限制
for page in range(1,7):#构造URLthisUrl1=poiUrl+str(page)#获取POI数据data1=requests.get(thisUrl1)#转为JSON格式s=data1.json()#解析JSONaa=s["pois"]#对每条POI进行读取for k in range(0,len(aa)):poiid=str(aa[k]["id"])#构造AOI的URLthisUrl2=aoiUrl+poiid#获取AOI数据data2=requests.get(thisUrl2)#转为JSON格式ss=data2.json()#解析JSONaaa=ss["data"]key=aaa["spec"]#判断AOI检索是否包含形状信息haveShp=0for item in key:if item=="mining_shape":  #有形状信息haveShp=1if haveShp==0:continue #若无则跳出本条POI检索#获取POI信息并存储pois1=aa[k]["name"]pois2=aa[k]["type"]pois3=aa[k]["address"]pois4=aa[k]["adname"]pois5=aa[k]["location"].split(",")x.append([poiid,pois1,pois2,pois3,pois4,float(pois5[0]),float(pois5[1])])#获取AOI信息并存储aoilocs=str(key["mining_shape"]["shape"])locs=aoilocs.split(';')order=0for i in range(0,len(locs)):loc=locs[i].split(',')lon=loc[0]lat=loc[1]y.append([poiid,pois1,pois2,pois3,pois4,order,lon,lat])order+=1num+=1print("爬取了 "+str(num)+" AOI数据")time.sleep(random.randint(0,5))  # 暂停0~3秒的整数秒,时间区间:[0,5]
#将数据结构化存储至规定目录的CSV文件中
c1 = pd.DataFrame(x)
c1.to_csv('E:/poi.csv',encoding='utf-8-sig')
c2 = pd.DataFrame(y)
c2.to_csv('E:/aoi.csv',encoding='utf-8-sig')

  注意:

    (1)aoi信息获取链接官方并没有完全开放,需谨慎使用,因此博主在代码里增加了较长的暂停时间,但可能仍然无法有效避免封IP的情况,需小心谨慎使用。

    (2)注意POI的检索是有限制的,可参考博主的另一篇博文:Python突破高德API限制完全爬取POI兴趣点数据

    (2)最终爬取下来的坐标是GCJ-02坐标系,若要对数据进行应用,需转换为WGS84坐标系,本文省略了该步骤。

  运行结果:

      即可在目标目录看到生成了两个文件poi.csv和aoi.csv,将它们的首行数据删除,如下:

      

      

五、数据可视化

       1、打开Arcmap,将生成的poi.csv和aoi.csv加入:

       

      2、对poi表右键,显示XY数据,并进行下图设置点击确定,并对aoi表也进行相似的操作如下图。

            

      3、之后可以看到生成了一堆poi和aoi点:

       

      4、之后对生成的两个要素点击右键,数据→导出数据,设置相关路径,保存为shp文件,如下图:

        

            

    5、打开ArcToolbox,找到数据管理工具→要素→点集转线,打开点集转线工具,将aoi点数据输入并进行以下设置:

    

    点击确定,发现AOI边界已见雏形:

       

   

     6、接下来将边界线转换为面文件,打开ArcToolbox,找到数据管理工具→要素→要素转面,打开要素转面工具,将aoi线数据输入并进行以下设置:

      

      点击确定,即可发现AOI区域已经生成。

      

      7、打开生成的面要素的属性表,发现属性信息已完全消失。接下来是使用上面生成的POI数据进行属性信息的找回,右键AOI面要素,点击连接和关联→连接,并进行如下设置:

        

          

      8、点击确定,在生成的要素中打开属性表,可以发现属性信息已找回:

     

    关于GIS可视化的步骤,博主觉得还是有些繁琐,如果大神们有更简单的方法欢迎交流~

这篇关于Python批量爬取高德AOI边界数据+GIS可视化(超详细)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/593600

相关文章

Python基于wxPython和FFmpeg开发一个视频标签工具

《Python基于wxPython和FFmpeg开发一个视频标签工具》在当今数字媒体时代,视频内容的管理和标记变得越来越重要,无论是研究人员需要对实验视频进行时间点标记,还是个人用户希望对家庭视频进行... 目录引言1. 应用概述2. 技术栈分析2.1 核心库和模块2.2 wxpython作为GUI选择的优

Java使用Curator进行ZooKeeper操作的详细教程

《Java使用Curator进行ZooKeeper操作的详细教程》ApacheCurator是一个基于ZooKeeper的Java客户端库,它极大地简化了使用ZooKeeper的开发工作,在分布式系统... 目录1、简述2、核心功能2.1 CuratorFramework2.2 Recipes3、示例实践3

Java利用JSONPath操作JSON数据的技术指南

《Java利用JSONPath操作JSON数据的技术指南》JSONPath是一种强大的工具,用于查询和操作JSON数据,类似于SQL的语法,它为处理复杂的JSON数据结构提供了简单且高效... 目录1、简述2、什么是 jsONPath?3、Java 示例3.1 基本查询3.2 过滤查询3.3 递归搜索3.4

Python如何使用__slots__实现节省内存和性能优化

《Python如何使用__slots__实现节省内存和性能优化》你有想过,一个小小的__slots__能让你的Python类内存消耗直接减半吗,没错,今天咱们要聊的就是这个让人眼前一亮的技巧,感兴趣的... 目录背景:内存吃得满满的类__slots__:你的内存管理小助手举个大概的例子:看看效果如何?1.

Python+PyQt5实现多屏幕协同播放功能

《Python+PyQt5实现多屏幕协同播放功能》在现代会议展示、数字广告、展览展示等场景中,多屏幕协同播放已成为刚需,下面我们就来看看如何利用Python和PyQt5开发一套功能强大的跨屏播控系统吧... 目录一、项目概述:突破传统播放限制二、核心技术解析2.1 多屏管理机制2.2 播放引擎设计2.3 专

Python中随机休眠技术原理与应用详解

《Python中随机休眠技术原理与应用详解》在编程中,让程序暂停执行特定时间是常见需求,当需要引入不确定性时,随机休眠就成为关键技巧,下面我们就来看看Python中随机休眠技术的具体实现与应用吧... 目录引言一、实现原理与基础方法1.1 核心函数解析1.2 基础实现模板1.3 整数版实现二、典型应用场景2

Python实现无痛修改第三方库源码的方法详解

《Python实现无痛修改第三方库源码的方法详解》很多时候,我们下载的第三方库是不会有需求不满足的情况,但也有极少的情况,第三方库没有兼顾到需求,本文将介绍几个修改源码的操作,大家可以根据需求进行选择... 目录需求不符合模拟示例 1. 修改源文件2. 继承修改3. 猴子补丁4. 追踪局部变量需求不符合很

MySQL大表数据的分区与分库分表的实现

《MySQL大表数据的分区与分库分表的实现》数据库的分区和分库分表是两种常用的技术方案,本文主要介绍了MySQL大表数据的分区与分库分表的实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有... 目录1. mysql大表数据的分区1.1 什么是分区?1.2 分区的类型1.3 分区的优点1.4 分

Mysql删除几亿条数据表中的部分数据的方法实现

《Mysql删除几亿条数据表中的部分数据的方法实现》在MySQL中删除一个大表中的数据时,需要特别注意操作的性能和对系统的影响,本文主要介绍了Mysql删除几亿条数据表中的部分数据的方法实现,具有一定... 目录1、需求2、方案1. 使用 DELETE 语句分批删除2. 使用 INPLACE ALTER T

python+opencv处理颜色之将目标颜色转换实例代码

《python+opencv处理颜色之将目标颜色转换实例代码》OpenCV是一个的跨平台计算机视觉库,可以运行在Linux、Windows和MacOS操作系统上,:本文主要介绍python+ope... 目录下面是代码+ 效果 + 解释转HSV: 关于颜色总是要转HSV的掩膜再标注总结 目标:将红色的部分滤