Python调用百度地图API实现经纬度转换和热力图全流程引导

基于地图的数据可视化应用越来越广泛。目前实现地图可视化的方法有很多，包括excel的power map包、各种数据分析软件的地图库，以及在线交互式地图可视化操作工具，如Echarts、Tableau Public、polyMaps等。另一种方法是通过软件调用百度、谷歌或其他地图的API，自己DIY可视化地图，但是这种方法需要操作者熟悉相关软件的编程以及不同地图API的具体使用方法本文采用这种方法，从一个简单的表格文件开始，在不知道相关位置的经纬度的情况下，通过python调用百度地图API实现热力图，需要申请一个key，将经纬度转换成批量，并将其转换为js数据，百度热图API相关参数调整等。

(1）初始数据：csv格式的数据表

初始数据为2017年1月70个大中城市新建住宅价格指数同比值，直接来自国家统计局网站公布的数据（下图） ), 数据已经分类成两列（城市城市、房价指数价格）并以csv格式保存。在实践中，我们经常会爬取网站上上万个区域的数据，以csv格式存储起来进行分析。为了简化流程，原始数据源直接复制已有数据。

(2）城市转换第一步形成经纬度：注册码

百度地图api上相关位置的显示是基于经纬度的（百度地图坐标系与其他地图的区别这里不再介绍），比如北京，其经度（经度）为：116.395645，其纬度（纬度）为：39.929986。这里需要通过百度的Geocoding API获取不同城市的经纬度坐标，还需要将csv数据文件导入python，批量获取这70个城市的坐标信息。在此之前，您需要先注册百度地图api（必须先使用百度账号）获取免费密钥，才能完全使用该api。

登录网址：百度地图开放平台 |百度地图API SDK |地图开发，在首页点击Apply Key按钮，填写个人信息，邮箱注册等，成功后在开放平台点击“创建申请”，填写相关信息，这里特别说明，在IP白名单框，如果不知道自己的IP地址，最好设置为：0.0.0.0/0，虽然百度提醒有泄露风险使用，但有时您可能无法输入自己的 IP 地址。提交后，在您创建的应用程序的访问应用程序（AK）列中就是您的密钥。

(3）城市转化为经纬度第二步：构造经纬度获取函数

注册key后，可以从百度Web服务API下的GeocodingAPI接口获取你需要的地址，将经纬度坐标转换成json结构数据。网址是：

webapi/guide/webservice-geocoding - Wiki，网页上有相关说明，根据示例网址，使用python3软件，编写如下函数：

import json
from urllib.request import urlopen, quote
import requests,csv
import pandas as pd #导入这些库后边都要用到
def getlnglat(address):
    url = 'http://api.map.baidu.com/geocoder/v2/'
    output = 'json'
    ak = '你申请的密钥***'
    add = quote(address) #由于本文城市变量为中文，为防止乱码，先用quote进行编码
    uri = url + '?' + 'address=' + add  + '&output=' + output + '&ak=' + ak
    req = urlopen(uri)
    res = req.read().decode() #将其他编码的字符串解码成unicode
    temp = json.loads(res) #对json数据进行解析
    return temp 
 

(4）城市转换为经纬度步骤3：批量获取城市的经纬度坐标

构建后获取坐标函数后，我们需要使用python读取csv文件数据，并分别读出city列，批量获取经纬度坐标，生成json数据文件百度在线换算器，代码为如下：

file = open(r'E:\\爬虫数据分析\调用百度地图api\point.json','w') #建立json数据文件
with open(r'E:\\爬虫数据分析\调用百度地图api\各区域房价.csv', 'r') as csvfile: #打开csv
    reader = csv.reader(csvfile)
    for line in reader: #读取csv里的数据
        # 忽略第一行
        if reader.line_num == 1: #由于第一行为变量名称，故忽略掉
            continue
            # line是个list，取得所有需要的值
        b = line[0].strip() #将第一列city读取出来并清除不需要字符
        c= line[1].strip()#将第二列price读取出来并清除不需要字符
        lng = getlnglat(b)['result']['location']['lng'] #采用构造的函数来获取经度
        lat = getlnglat(b)['result']['location']['lat'] #获取纬度
        str_temp = '{"lat":' + str(lat) + ',"lng":' + str(lng) + ',"count":' + str(c) +'},'
        #print(str_temp) #也可以通过打印出来，把数据copy到百度热力地图api的相应位置上
        file.write(str_temp) #写入文档
file.close() #保存

这里特别注意str_temp ='{"lat":' + str(lat) + ',"lng":' + str(lng) +',"count":' + str(c) +'} ,'，行命令，参考百度地图JavaScriptAPI热图制作的对应格式生成，生成的json数据格式为：{"lat":39.92998577808024,"lng":116.39564503787867 ,"count":124.7}百度在线换算器，如下图，来自URL：Map API Example。

(5）生成热图

接下来就比较简单了，我们先创建一个html文件来映射API示例URL中的源代码，先把代码中的ak替换成自己的key；

然后将生成的point.json文件拷贝进去，把数据拷贝进去，替换掉var points =[]里面的内容。这里需要注意的是，由于百度地图JavaScript API热图默认是以天安门为中心的北京地区地图，而我们的数据是全国性的，所以需要修改热图的部分“设置中心点坐标”和地图级别”（见下图）。具体设置请参考百度创建地图API：创建地图-百度地图生成器，可自行调试合适的中心点和地图层级。

最后，由于我们大部分的价格数据（即点数）都超过100（默认最大值为100），那么热图代码中的最大点值也需要为设置（这里设置为 140）.

@ >

保存后用浏览器打开，2017年1月70个大中城市新建住宅价格指数同比热图：

从图中可以看出，2017年1月房价上涨的热点主要是合肥、南京、杭州、福州、厦门和广州。