高德poi数据下载思路

第二篇博客写个poi点数吧，简单写一下思路。
一、需求：
获取某个中心城区的所有poi点，要素成果直接为shp格式
二、数据源与工具：
高德api，pandas库，pyshp（用来直接生成shp文件）
三、实现步骤：
注意点：
1.本次调用的是高德api矩阵选框，所以api构造需符合矩阵函数。详见高德api:https://lbs.amap.com/api/webservice/guide/api/search。offset为单页个数，最大值为25，回调参数有个count，则该poi点的页码数为：pages = math.ceil(float(dt[‘count’])/25) #math.ceil为页码进一。

2.由于每次仅能从单一矩阵采集数据900个，所以需要切割矩阵，将其做切割成多个矩阵，写一个类或者函数来实现，核心思路为确定左下右上角范围坐标，切割尺度。本次的范围为1500km2。
3.利用json.cn查看回调的json，确定需要存储的指标，我选取的指标为大类、中类、小类、name、address和timestamp以及location。
4.构造pois字典，按照键值对存放大类和中类，pois={‘交通设施服务’:[‘停车场’,‘公交车站’],‘商务住宅’:[‘楼宇’,‘住宅区’]};
5.坐标切割，遍历调用高德api函数get_datapoi(key,query,loc),参数分别为:key，query（查询字段）和loc（当前坐标）；
6.坐标转换及数据清洗，github上提供了坐标转换函数,https://github.com/wandergis/coordTransform_py。数据清洗主要是由于网络不佳造成的try重复采集，所有需要利用到drop.duplicates()函数去重。
7.利用pyshp第三库，将数据生成shp。

成果：封装写好后，就让它跑吧，福州市中心城区1500km2，大概4个小时能全部下载完，暂时还没想到用处，先放着，做基础数据库，后期做一些设施评价和便利性以及与同类型城市横向对比用。