最后
喜欢的话别忘了关注、点赞哦~
开源分享:【大厂前端面试题解析+核心总结学习笔记+真实项目实战+最新讲解视频】
# 获取各城市的拥堵指数
url = 'https://jiaotong.baidu.com/trafficindex/city/list' # 接口api
res = requests.get(url)
data = res.json()
其中,url为获取数据的接口地址,通过简单的抓包分析便能知道。 而data为返回后的数据,它包括很多字段,但是我们只需要提取其中的城市名和拥堵指数即可:
# 提取数据
citys = [i['cityname'] for i in data['data']['list']] # 提取城市
indexs = [float(i['index']) for i in data['data']['list']] # 提取对应的指数
有了数据,接下来我们就可以将其可视化展示出来。
二、数据可视化
利用可视化神器pyecharts库绘制地图,并将城市以及对应的拥堵指数表示出来。其安装如下:
pip install pyecharts
部分版本需要再安装额外的地图库,方法如下:
pip install echarts-countries-pypkg
pip install echarts-cities-pypkg
pip install echarts-china-provinces-pypkg
pip install echarts-china-cities-pypkg
首先定义地图:
geo = Geo()
geo.add_schema(maptype = 'china') # 加入中国地图
添加数据并进行相关设置:
geo.add('各城市拥堵指数', zip(citys,indexs), type_ = 'effectScatter') # 设置地图类型及数据
geo.set_series_opts(label_opts = opts.LabelOpts(is_show = False)) #设置是否显示标签
根据拥堵指数的大小进行分类,分别为畅通、缓行、拥堵、严重拥堵:
geo.set_global_opts(visualmap_opts = opts.VisualMapOpts(
#max\_ = 2.5, # 用于连续表示
is_piecewise = True, # 是否分段
pieces = [{'min':1.0,'max':1.5,'label':'畅通','color':'#16CE95'},
{'min':1.5,'max':1.8,'label':'缓行','color':'#F79D06'},
{'min':1.8,'max':2.0,'label':'拥堵','color':'#D80304'},
{'min':2.0,'max':2.5,'label':'严重拥堵','color':'#8F0921'}])) # 设置图例显示
最后将地图保存在本地:
geo.render(path='各城市拥堵指数.html')
到这里,我们就得到了文章一开始看到的那张图~
然而,由于拥堵数据是实时变化的,如果我每次都要去运行一次代码岂不是很麻烦?很显然,机智的社会主义青年是不会这么做的,您接着往下看。
三、搭建展示网站
为了更加方便地将各城市拥堵情况展示出来,我决定搭建一个用于展示的网站。方法可以是各式各样的,在这里我选择了利用flask框架,简单快捷~
我的完整代码如下:
# -\*- coding: utf-8 -\*-
"""
Created on Sun Nov 15 01:34:36 2020
@author: kimol\_love
"""
import requests
from pyecharts.charts import Geo
from pyecharts import options as opts
from flask import Flask, render_template
def get\_data():
'''
获取拥堵指数
'''
# 获取各城市的拥堵指数
url = 'https://jiaotong.baidu.com/trafficindex/city/list' # 接口api
res = requests.get(url)
data = res.json()
# 提取数据
citys = [i['cityname'] for i in data['data']['list']] # 提取城市
indexs = [float(i['index']) for i in data['data']['list']] # 提取对应的指数
# 返回数据
return zip(citys,indexs)
def get\_geo():
'''
获取地图
'''
# 获取各城市的拥堵指数
data = get_data()
# 绘制散点分布图
geo = Geo()
geo.add_schema(maptype = 'china') # 加入中国地图
geo.add('各城市拥堵指数 by kimol', data, type_ = 'effectScatter') # 设置地图类型及数据
geo.set_series_opts(label_opts = opts.LabelOpts(is_show = False)) #设置是否显示标签
geo.set_global_opts(visualmap_opts = opts.VisualMapOpts(
#max\_ = 2.5, # 用于连续表示
is_piecewise = True, # 是否分段
pieces = [{'min':1.0,'max':1.5,'label':'畅通','color':'#16CE95'},
{'min':1.5,'max':1.8,'label':'缓行','color':'#F79D06'},
{'min':1.8,'max':2.0,'label':'拥堵','color':'#D80304'},
{'min':2.0,'max':2.5,'label':'严重拥堵','color':'#8F0921'}])) # 设置图例显示
### 最后
**[开源分享:【大厂前端面试题解析+核心总结学习笔记+真实项目实战+最新讲解视频】](https://bbs.csdn.net/topics/618166371)**
>![](https://img-blog.csdnimg.cn/img_convert/c2d56a95f8537070cd190e83ed5ae762.webp?x-oss-process=image/format,png)
'#8F0921'}])) # 设置图例显示
### 最后
**[开源分享:【大厂前端面试题解析+核心总结学习笔记+真实项目实战+最新讲解视频】](https://bbs.csdn.net/topics/618166371)**
>[外链图片转存中...(img-FMW64yCV-1715277971144)]