百度地图api如何查询周边大学、商场等的个数？可实现翻页

这里以大学为例，使用Python：

 

首先，导入数据，导入大众点评中爬取到的汉堡店数据，为了节省时间，选择前200个店铺：

df = pd.read_excel('df_new1.xlsx')
df_200 = df.iloc[:200, :]
df_200.head()

数据长这个样子：

接着，利用百度api爬取周边5km以内的大学信息：

lat_partion=df_200["纬度"] #纬度
lng_partion=df_200["经度"] #经度
store=df_200["商铺"] #门店
targets=[] #用来存要查找的名称
addresss=[] #用来存放地址
stores=[] #用来存放项目名称
distances=[] #用来存放距离

def get_directory(keyword,radius): #定义圆形区域检索函数
    for i in range(len(lat_partion)):
        location=str(lat_partion[i])+","+ str(lng_partion[i]) #构造圆中心点的经纬度
        #print(location) #测试
        for j in range(5):
            try:                
                url="http://api.map.baidu.com/place/v2/search?query="+keyword+"&page_size=20&page_num="+str(j)+"&location="+location+"&radius="+str(radius)+"&output=json&ak=KhqCA5dKbqViVotuUFlDDbzxtuMPXnE3&scope=2"#构造请求网址
                print(url) #测试请求接口拼接是否正确，此url可以直接复制到浏览器查看返回结果
                response=requests.get(url) #发出请求
                answer=response.json() #返回结果json化
                #print(answer) #测试
                print("一共%s条数据"%len(answer['results']))
                for k in range(len(answer['results'])):  
                    target=answer['results'][k]['name'] #标的物名称
                    address=answer['results'][k]['address'] #地址
                    distance=answer['results'][k]['detail_info']['distance'] #距离
                    targets.append(target)
                    addresss.append(address)
                    stores.append(store[i])
                    distances.append(distance)
                    print(target,distance,address)
            except:
                print("the circle contains no message")
                stores.append(store[i])
                targets.append("")
                distances.append("")
                addresss.append("")

            
if __name__=='__main__':
    keyword=input("please input the keywords:") #输入poi的关键词
    radius=input("please input the radius:") #输入半径
    get_directory(keyword,radius) #调用函数get_directory
    dict={"商铺":stores,"标的物":targets,"距离":distances,"地址":addresss} #构造字典
    res=pd.DataFrame(dict)
    res.head()

其中，input输入的keyword为大学，radius为5000（注意：单位是米！！！），j代表所翻的页数，由于发现所有汉堡店附近的大学信息没有超过5页的，这里取0-4页。注意：url中的j一定要是str的格式，不然不显示信息噢～（别问我是怎么知道的）

接着查看数据：

res.head(50)

那么我们就可以得到（截取部分）：

发现很多标的物其实不是大学或者是冗余信息，因此考虑将带有“系”和“医院”的数据条删除：

extra1 = res[res['标的物'].str.contains('系')]
extra2 = res[res['标的物'].str.contains('医院')]
res = res.drop(extra1.index)
res = res.drop(extra2.index)

 接着，我们进行groupby，计算周围5km的学校个数：

group = (res.groupby(['商铺'])['标的物']
            .nunique()
            .reset_index())
group = group.rename(columns = {'标的物':'周围5km大学数'})
df_200_new = pd.merge(df_200, group, on=['商铺'], how = 'left')
df_200_new['周围5km大学数'].fillna(0, inplace = True)
df_200_new.head()

就可以得到结果啦～