python射线法-离线根据经纬度反向获取城市信息

最新推荐文章于 2024-06-07 11:44:14 发布

青青草原烤全羊

最新推荐文章于 2024-06-07 11:44:14 发布

阅读量2.6k

点赞数 2

文章标签： python gis 算法

本文链接：https://blog.csdn.net/weixin_38252155/article/details/106721770

版权

python射线法-离线根据经纬度反向获取城市信息

准备工作
相关算法储备
总结

目前能够使用经纬度信息去逆解析经纬度的API有很多，各自可以根据业务需求和地理编码格式选择百度、谷歌、高德等API。但是对于大批量每天好几T的数据量再去掉API很突兀了。
这里简单写了射线法，用来判断当前经纬度是否在城市边界的多边形矩阵内。

准备工作

申请高德api key、Polygon、Pandas、Geohash
1.需要各省市经纬度信息城市边界信息组成多边形矩阵
2.对城市边界信息做矢量偏移
3.使用geohash加速算法

相关算法储备

射线法原理：https://blog.csdn.net/enweitech/article/details/80654420（参考大佬博客，写的很详细）
geohash空间索引：https://www.jianshu.com/p/7332dcb978b2

一、高德网站网站申请key，以北京市为例。获取全国城市信息写个city list吧。

import request

city_name = '北京市'
resp = requests.get('http://restapi.amap.com/v3/config/district?key={}&keywords={}&subdistrict=0&extensions=all'.format(key,city_name))
lands = resp.json()['districts'][0]['polyline']

lands得到了北京市的多个经纬度信息，将多个经纬度合起来便可以组成多边形。

二、矢量偏移
由于高徳返回的经纬度点非常多，而且有些城市是沿海城市会形成岛屿。这里简单的进行调优，代码在上一步封装一下。

city_list = ['拉萨市','日喀则市','昌都市','林芝市','山南市','那曲市','阿里地区']

def city_split():
    global cl
    for city in cl:
        try:
            resp = requests.get('http://restapi.amap.com/v3/config/district?key={}&keywords={}&subdistrict=0&extensions=all'.format(key,city_name))
            lands = resp.json()['districts'][0]['polyline']

            points = []

            lands = lands.strip('\n').split('|')

            max_land = 0
            for land in lands: 
                points_str = land.split(';')
                if len(points_str) > max_land:
                    point = []
                    for p in points_str:
                        lon, lat = p.split(',')
                        point.append(
                            [
                                float(lon), float(lat)
                            ]
                        )
                    points.append(Polygon(point))
            polygon = MultiPolygon(points)
            s = polygon.buffer(0.06).simplify(0.02, preserve_topology=False)
            wgs_list = []
            for i in list(s.exterior.coords):
                wgs_list.append(gu.gcj02_to_wgs84(*i))
            wgs_list
            datas = pd.DataFrame(wgs_list,columns=['longitude','latitude']).reset_index()
            datas['index'] = city
            datas['province'] = '西藏自治区'
            datas.to_csv('./data/city_split.csv',index=False,mode='a',header=False)
        except:
            print(city)
            continue

city_split()

三、射线法判断是否在点内，并用geohash空间索引加速

import pandas as pd
import time
import geohash

pd.set_option('display.max_row', None)
city_df = pd.read_csv('./data/citys_split.csv')  # 城市边界数据
city_df['geohash'] = city_df.apply(lambda x: geohash.encode(x.lat, x.lng, precision=2), axis=1)

geohash映射索引后格式如下：

city_df.head()

city	lng	lat	province	geohash
0	重庆市	105.229149	29.537980	重庆市	wm6
1	重庆市	105.346298	29.724197	重庆市	wm6
2	重庆市	105.500943	29.781377	重庆市	wm7
3	重庆市	105.541257	29.868097	重庆市	wm7
4	重庆市	105.642070	29.907960	重庆市	wm7

射线法判断经纬度是否在城市多边形内

class GeoCoding(object):
    def __init__(self, df,lat_name,lng_name):
        self.df = df
        self.lat = lat_name
        self.lng = lng_name
        
    def isptinpoly(self, aLon, aLat, pointList):
        iSum = 0
        iCount = len(pointList)
        if (iCount < 3):
            return False
        for i in range(iCount):
            pLon1 = pointList[i][0]
            pLat1 = pointList[i][1]
            if (i == iCount - 1):
                pLon2 = pointList[0][0]
                pLat2 = pointList[0][1]
            else:
                pLon2 = pointList[i + 1][0]
                pLat2 = pointList[i + 1][1]
            if ((aLat >= pLat1) and (aLat < pLat2)) or ((aLat >= pLat2) and (aLat < pLat1)):
                if (abs(pLat1 - pLat2) > 0):
                    pLon = pLon1 - ((pLon1 - pLon2) * (pLat1 - aLat)) / (pLat1 - pLat2);
                    if (pLon < aLon):
                        iSum += 1
        if (iSum % 2 != 0):
            return True
        else:
            return False

    def hash_city(self, geohash_id, latitude, longitude):
        citys = ""
        prov = ""
        quert_city = city_df[city_df['geohash']==geohash_id]['city'].value_counts().index
        for i in quert_city:
            tmp_df = city_df[city_df['city']==i]
            line_matrix = tmp_df[["lng", "lat"]].values
            tmp_res = self.isptinpoly(longitude, latitude, line_matrix)
            if tmp_res is False:
                continue
            else:
                citys = i
                prov = tmp_df['province'].value_counts().index[0]
        return prov, citys

    def run(self):
        self.df['geohash'] = self.df.apply(lambda x: geohash.encode(x.device_info_family_latitude, x.device_info_family_longitude, precision=3), axis=1)
        self.df = pd.concat([self.df, pd.DataFrame(data=[i for i in self.df.apply(lambda row: self.hash_city(row['geohash'], row[self.lat], row[self.lng]), axis=1)], columns=['device_info_province', 'device_info_city'])], axis=1)
#         self.df.drop(['geohash'], axis=1, inplace=True)
        return self.df

四、验证测试集

test_df = pd.read_csv('./data/user_app_loc.csv').drop(['uid','name'], axis=1)
test_df = test_df.loc[:500,:]
test_df.head(10)

	dt	device_info_family_latitude	device_info_family_longitude
0	2019-12-01	34.598824	119.173946
1	2019-12-01	35.989018	104.001563
2	2019-12-01	40.004246	116.405563
3	2019-12-01	40.004270	116.405417
4	2019-12-01	30.587658	114.459403
5	2019-12-01	22.971863	113.330686
6	2019-12-01	44.156407	87.975227
7	2019-12-01	32.025581	118.786248
8	2019-12-01	31.965269	118.803891
9	2019-12-01	39.801384	116.427805

st = time.time()
# 传入df数据与latitude，longitude的列名

dataframe = GeoCoding(test_df,'device_info_family_latitude','device_info_family_longitude').run()
print(time.time()-st)

9.650320053100586

dataframe.head(500)

	dt	device_info_family_latitude	device_info_family_longitude	geohash	device_info_province	device_info_city
0	2019-12-01	34.598824	119.173946	wwh	江苏省	连云港市
1	2019-12-01	35.989018	104.001563	wq3	甘肃省	兰州市
2	2019-12-01	40.004246	116.405563	wx4	北京市	北京市
3	2019-12-01	40.004270	116.405417	wx4	北京市	北京市
4	2019-12-01	30.587658	114.459403	wt3	湖北省	武汉市
5	2019-12-01	22.971863	113.330686	ws0	广东省	广州市
6	2019-12-01	44.156407	87.975227	tzy	新疆维吾尔自治区	阜康市
7	2019-12-01	32.025581	118.786248	wts	江苏省	南京市
8	2019-12-01	31.965269	118.803891	wts	江苏省	南京市
9	2019-12-01	39.801384	116.427805	wx4	北京市	北京市
10	2019-12-01	31.225574	121.466778	wtw	上海市	上海市
11	2019-12-01	31.472795	120.272773	wtt	江苏省	无锡市
12	2019-12-01	31.293134	121.533883	wtw	上海市	上海市
13	2019-12-01	31.293184	121.533740	wtw	上海市	上海市
14	2019-12-01	31.215881	121.443554	wtw	上海市	上海市
15	2019-12-01	31.215890	121.443560	wtw	上海市	上海市
16	2019-12-01	31.215878	121.443553	wtw	上海市	上海市
17	2019-12-01	31.216081	121.443637	wtw	上海市	上海市
18	2019-12-01	25.251404	110.175516	wkq	广西壮族自治区	桂林市
19	2019-12-01	25.095757	102.925425	wk3	云南省	昆明市
20	2019-12-01	37.529644	121.433806	www	山东省	烟台市
21	2019-12-01	37.529648	121.433799	www	山东省	烟台市
22	2019-12-01	40.053439	116.325895	wx4	北京市	北京市
23	2019-12-01	29.861560	121.540492	wtq	浙江省	宁波市
24	2019-12-01	30.634386	104.108957	wm6	四川省	成都市
25	2019-12-01	30.648737	104.189701	wm6	四川省	成都市
26	2019-12-01	30.634365	104.108908	wm6	四川省	成都市
27	2019-12-01	31.242341	121.439109	wtw	上海市	上海市
28	2019-12-01	25.836750	119.582244	wst	福建省	福州市
29	2019-12-01	23.002340	113.383834	ws0	广东省	广州市
30	2019-12-01	22.708820	114.251928	ws1	广东省	东莞市
31	2019-12-01	31.224918	121.495594	wtw	上海市	上海市
32	2019-12-01	21.237683	110.401996	w7y	广东省	湛江市
33	2019-12-01	1.550142	103.796472	w23		
34	2019-12-01	39.954344	116.452692	wx4	北京市	北京市
35	2019-12-01	39.954344	116.452692	wx4	北京市	北京市
36	2019-12-01	39.954341	116.452709	wx4	北京市	北京市
37	2019-12-01	31.451075	104.718831	wmd	四川省	绵阳市
38	2019-12-01	31.450957	104.718930	wmd	四川省	绵阳市
39	2019-12-01	31.450980	104.718907	wmd	四川省	绵阳市
40	2019-12-01	36.535308	102.010747	wq2		
41	2019-12-01	40.086884	116.588964	wx4	北京市	北京市
42	2019-12-01	39.994050	116.336573	wx4	北京市	北京市
43	2019-12-01	39.976999	116.381219	wx4	北京市	北京市
44	2019-12-01	40.086884	116.588964	wx4	北京市	北京市
45	2019-12-01	39.994058	116.336506	wx4	北京市	北京市
46	2019-12-01	39.890769	116.331965	wx4	北京市	北京市
47	2019-12-01	40.054731	116.615530	wx4	北京市	北京市
48	2019-12-01	31.236122	121.515477	wtw	上海市	上海市
49	2019-12-01	31.236111	121.515483	wtw	上海市	上海市
50	2019-12-01	31.236235	121.516518	wtw	上海市	上海市
51	2019-12-01	31.236121	121.515458	wtw	上海市	上海市
52	2019-12-01	28.138034	113.058651	wt0	湖南省	长沙市
53	2019-12-01	38.465252	106.256757	wqg	宁夏回族自治区	银川市
54	2019-12-01	38.465293	106.256802	wqg	宁夏回族自治区	银川市
55	2019-12-01	25.018837	102.720063	wk3	云南省	昆明市
56	2019-12-01	25.019114	102.719813	wk3	云南省	昆明市
57	2019-12-01	25.085515	102.661030	wk3	云南省	昆明市
58	2019-12-01	25.085464	102.660831	wk3	云南省	昆明市
59	2019-12-01	25.085423	102.660722	wk3	云南省	昆明市
60	2019-12-01	25.056550	102.670950	wk3	云南省	昆明市
61	2019-12-01	25.085400	102.660666	wk3	云南省	昆明市
62	2019-12-01	22.215848	113.541491	web	广东省	中山市
63	2019-12-01	39.899356	116.107108	wx4	北京市	北京市
64	2019-12-01	22.607694	114.159687	ws1	广东省	东莞市
65	2019-12-01	28.704796	115.984545	wt4	江西省	南昌市
66	2019-12-01	46.627520	124.901711	yb2	黑龙江省	大庆市
67	2019-12-01	39.791442	116.508681	wx4	北京市	北京市
68	2019-12-01	39.791442	116.508681	wx4	北京市	北京市
69	2019-12-01	36.068792	120.316449	wwm	山东省	青岛市
70	2019-12-01	23.008310	113.738355	ws0	广东省	东莞市
71	2019-12-01	23.020651	113.779504	ws0	广东省	东莞市
72	2019-12-01	24.935051	98.482339	whq	云南省	腾冲市
73	2019-12-01	29.536019	106.560250	wm7	重庆市	重庆市
74	2019-12-01	39.931190	116.260323	wx4	北京市	北京市
75	2019-12-01	39.895320	116.335418	wx4	北京市	北京市
76	2019-12-01	49.144791	-123.129214	c28		
77	2019-12-01	49.325638	-123.126235	c2b		
78	2019-12-01	27.794187	114.425821	wsc	江西省	宜春市
79	2019-12-01	23.127920	113.279145	ws0	广东省	广州市
80	2019-12-01	22.969497	113.346437	ws0	广东省	广州市
81	2019-12-01	39.991531	116.338407	wx4	北京市	北京市
82	2019-12-01	31.798780	118.707915	wts	江苏省	南京市
83	2019-12-01	28.185437	113.217621	wt0	湖南省	长沙市
84	2019-12-01	23.160148	113.383739	ws0	广东省	广州市
85	2019-12-01	39.039633	117.665569	wwg	天津市	天津市
86	2019-12-01	22.782100	108.274418	wkh	广西壮族自治区	南宁市
87	2019-12-01	39.930229	116.582388	wx4	北京市	北京市
88	2019-12-01	29.346914	119.760118	wtj	浙江省	金华市
89	2019-12-01	29.346914	119.760118	wtj	浙江省	金华市
90	2019-12-01	31.403902	120.946213	wtw	江苏省	苏州市
91	2019-12-01	31.406763	120.962168	wtw	江苏省	苏州市
92	2019-12-01	29.822037	121.527296	wtq	浙江省	宁波市
93	2019-12-01	29.822039	121.527291	wtq	浙江省	宁波市
94	2019-12-01	29.822036	121.527297	wtq	浙江省	宁波市
95	2019-12-01	23.010456	113.095352	ws0	广东省	佛山市
96	2019-12-01	23.118932	113.334328	ws0	广东省	广州市
97	2019-12-01	23.014946	113.341068	ws0	广东省	广州市
98	2019-12-01	24.544055	111.315519	wkr	广西壮族自治区	贺州市
99	2019-12-01	22.611864	114.119742	ws1	广东省	深圳市
100	2019-12-01	39.868407	116.382519	wx4	北京市	北京市
101	2019-12-01	25.417238	119.016183	wss	福建省	莆田市
102	2019-12-01	25.417213	119.016202	wss	福建省	莆田市
103	2019-12-01	38.052693	114.524902	wwc	河北省	石家庄市
104	2019-12-01	38.045424	114.545760	wwc	河北省	石家庄市
105	2019-12-01	38.053419	114.524598	wwc	河北省	石家庄市
106	2019-12-01	39.864019	116.499259	wx4	北京市	北京市
107	2019-12-01	39.822709	116.503907	wx4	北京市	北京市
108	2019-12-01	39.857060	116.462415	wx4	北京市	北京市
109	2019-12-01	39.826303	116.517803	wx4	北京市	北京市
110	2019-12-01	39.882472	116.531682	wx4	北京市	北京市
111	2019-12-01	39.864156	116.499287	wx4	北京市	北京市
112	2019-12-01	39.908734	116.306063	wx4	北京市	北京市
113	2019-12-01	39.899749	116.400384	wx4	北京市	北京市
114	2019-12-01	41.633726	123.497533	wxr	辽宁省	沈阳市
115	2019-12-01	41.633643	123.497823	wxr	辽宁省	沈阳市
116	2019-12-01	22.647551	114.054814	ws1	广东省	深圳市
117	2019-12-01	24.519632	117.674279	ws7	福建省	漳州市
118	2019-12-01	24.521585	117.675189	ws7	福建省	漳州市
119	2019-12-01	24.519437	117.673961	ws7	福建省	漳州市
120	2019-12-01	24.519477	117.673898	ws7	福建省	漳州市
121	2019-12-01	24.521474	117.675151	ws7	福建省	漳州市
122	2019-12-01	34.198281	108.998694	wqj	陕西省	西安市
123	2019-12-01	30.194132	120.179866	wtm	浙江省	杭州市
124	2019-12-01	31.292709	121.472386	wtw	上海市	上海市
125	2019-12-01	31.292880	121.472427	wtw	上海市	上海市
126	2019-12-01	22.760486	108.275083	wkh	广西壮族自治区	南宁市
127	2019-12-01	31.189870	121.414886	wtw	上海市	上海市
128	2019-12-01	31.189881	121.414876	wtw	上海市	上海市
129	2019-12-01	28.669666	119.517316	wth	浙江省	金华市
130	2019-12-01	28.669892	119.518117	wth	浙江省	金华市
131	2019-12-01	28.669802	119.518179	wth	浙江省	金华市
132	2019-12-01	28.669844	119.517793	wth	浙江省	金华市
133	2019-12-01	29.554931	106.467537	wm7	重庆市	重庆市
134	2019-12-01	23.168088	113.264167	ws0	广东省	广州市
135	2019-12-01	30.490849	114.401380	wt3	湖北省	武汉市
136	2019-12-01	30.490853	114.401994	wt3	湖北省	武汉市
137	2019-12-01	22.597098	114.123387	ws1	广东省	深圳市
138	2019-12-01	39.940282	116.435003	wx4	北京市	北京市
139	2019-12-01	29.569850	106.501507	wm7	重庆市	重庆市
140	2019-12-01	31.256894	121.393839	wtw	上海市	上海市
141	2019-12-01	23.123504	113.389417	ws0	广东省	广州市
142	2019-12-01	23.124091	113.389327	ws0	广东省	广州市
143	2019-12-01	23.124453	113.389975	ws0	广东省	广州市
144	2019-12-01	23.211436	113.251581	ws0	广东省	广州市
145	2019-12-01	24.780590	118.704680	wsk	福建省	泉州市
146	2019-12-01	24.779983	118.704723	wsk	福建省	泉州市
147	2019-12-01	34.437516	108.759600	wqj	陕西省	咸阳市
148	2019-12-01	34.440824	108.760652	wqj	陕西省	咸阳市
149	2019-12-01	34.433621	108.759532	wqj	陕西省	咸阳市
150	2019-12-01	29.944204	121.500232	wtq	浙江省	宁波市
151	2019-12-01	29.952039	121.511077	wtq	浙江省	宁波市
152	2019-12-01	29.944145	121.500236	wtq	浙江省	宁波市
153	2019-12-01	36.846450	117.205460	wwe	山东省	济南市
154	2019-12-01	36.842117	117.208523	wwe	山东省	济南市
155	2019-12-01	29.087453	119.635924	wtj	浙江省	金华市
156	2019-12-01	32.896417	117.334584	wtg	安徽省	蚌埠市
157	2019-12-01	32.896459	117.334587	wtg	安徽省	蚌埠市
158	2019-12-01	39.980091	116.476721	wx4	北京市	北京市
159	2019-12-01	39.995020	116.448040	wx4	北京市	北京市
160	2019-12-01	39.940728	116.437049	wx4	北京市	北京市
161	2019-12-01	45.708027	126.687525	yb4	黑龙江省	哈尔滨市
162	2019-12-01	31.251819	121.477733	wtw	上海市	上海市
163	2019-12-01	25.094623	102.925599	wk3	云南省	昆明市
164	2019-12-01	23.034661	113.170021	ws0	广东省	广州市
165	2019-12-01	31.927511	118.824253	wts	江苏省	南京市
166	2019-12-01	40.042640	116.322551	wx4	北京市	北京市
167	2019-12-01	22.606222	108.192189	wkh	广西壮族自治区	南宁市
168	2019-12-01	22.562516	113.883762	ws0	广东省	深圳市
169	2019-12-01	30.234925	120.244497	wtm	浙江省	杭州市
170	2019-12-01	30.234184	120.227582	wtm	浙江省	杭州市
171	2019-12-01	39.809457	116.526361	wx4	北京市	北京市
172	2019-12-01	28.468624	119.932489	wtj	浙江省	丽水市
173	2019-12-01	39.858930	116.413868	wx4	北京市	北京市
174	2019-12-01	39.866362	116.424568	wx4	北京市	北京市
175	2019-12-01	39.866362	116.424568	wx4	北京市	北京市
176	2019-12-01	26.567335	106.668744	wke	贵州省	贵阳市
177	2019-12-01	31.181169	120.677089	wtt	江苏省	苏州市
178	2019-12-01	23.009411	113.148995	ws0	广东省	佛山市
179	2019-12-01	32.033788	118.744473	wts	江苏省	南京市
180	2019-12-01	23.079797	113.233809	ws0	广东省	广州市
181	2019-12-01	23.124253	113.415790	ws0	广东省	广州市
182	2019-12-01	39.793810	116.512181	wx4	北京市	北京市
183	2019-12-01	41.734031	123.440165	wxr	辽宁省	沈阳市
184	2019-12-01	31.318625	120.713311	wtt	江苏省	苏州市
185	2019-12-01	31.785709	117.147839	wte	安徽省	合肥市
186	2019-12-01	29.020225	111.709329	wmp	湖南省	常德市
187	2019-12-01	22.846525	113.625979	ws0	广东省	东莞市
188	2019-12-01	22.846396	113.626169	ws0	广东省	东莞市
189	2019-12-01	39.995571	116.336956	wx4	北京市	北京市
190	2019-12-01	23.180224	112.996874	ws0	广东省	佛山市
191	2019-12-01	23.189493	113.364735	ws0	广东省	广州市
192	2019-12-01	41.753417	123.519449	wxr	辽宁省	沈阳市
193	2019-12-01	31.465250	104.750642	wmd	四川省	绵阳市
194	2019-12-01	22.677799	113.825805	ws0	广东省	深圳市
195	2019-12-01	22.679654	113.803727	ws0	广东省	深圳市
196	2019-12-01	35.684715	139.730207	xn7		
197	2019-12-01	36.049970	103.838869	wq3	甘肃省	兰州市
198	2019-12-01	36.050062	103.838730	wq3	甘肃省	兰州市
199	2019-12-01	36.050039	103.838828	wq3	甘肃省	兰州市
200	2019-12-01	36.050050	103.838812	wq3	甘肃省	兰州市
201	2019-12-01	36.050060	103.838823	wq3	甘肃省	兰州市
202	2019-12-01	36.771433	118.501012	wws	山东省	潍坊市
203	2019-12-01	31.335023	120.628523	wtt	江苏省	苏州市
204	2019-12-01	31.335022	120.628522	wtt	江苏省	苏州市
205	2019-12-01	36.100825	103.616654	wq3	甘肃省	兰州市
206	2019-12-01	22.820185	108.402894	wkj	广西壮族自治区	南宁市
207	2019-12-01	44.162671	87.525599	tzy	新疆维吾尔自治区	昌吉市
208	2019-12-01	39.106566	117.223801	wwg	天津市	天津市
209	2019-12-01	39.106601	117.223569	wwg	天津市	天津市
210	2019-12-01	22.961665	113.087777	ws0	广东省	佛山市
211	2019-12-01	39.739454	116.551573	wx4	北京市	北京市
212	2019-12-01	29.269472	117.842560	wt5	江西省	上饶市
213	2019-12-01	43.797920	125.385421	wzc	吉林省	长春市
214	2019-12-01	22.989772	113.267797	ws0	广东省	广州市
215	2019-12-01	39.773042	116.593511	wx4	北京市	北京市
216	2019-12-01	39.773472	116.593730	wx4	北京市	北京市
217	2019-12-01	39.772824	116.593668	wx4	北京市	北京市
218	2019-12-01	39.773042	116.593513	wx4	北京市	北京市
219	2019-12-01	40.377219	116.845998	wx5	北京市	北京市
220	2019-12-01	27.239003	111.487381	wkz	湖南省	邵阳市
221	2019-12-01	24.525444	118.157303	wsk	福建省	厦门市
222	2019-12-01	25.673990	119.382263	wss	福建省	福州市
223	2019-12-01	30.646990	104.024652	wm3	四川省	成都市
224	2019-12-01	30.714844	104.062995	wm6	四川省	成都市
225	2019-12-01	31.239061	121.475282	wtw	上海市	上海市
226	2019-12-01	23.135164	113.591661	ws0	广东省	东莞市
227	2019-12-01	38.928932	121.607680	wwy	辽宁省	大连市
228	2019-12-01	38.928953	121.604503	wwy	辽宁省	大连市
229	2019-12-01	38.928972	121.607634	wwy	辽宁省	大连市
230	2019-12-01	28.904099	121.207427	wtn	浙江省	台州市
231	2019-12-01	23.112604	113.646286	ws0	广东省	东莞市
232	2019-12-01	39.841957	116.359981	wx4	北京市	北京市
233	2019-12-01	25.302136	98.520098	whq	云南省	腾冲市
234	2019-12-01	39.043799	117.260941	wwg	天津市	天津市
235	2019-12-01	22.824635	108.314318	wkj	广西壮族自治区	南宁市
236	2019-12-01	22.837780	108.305238	wkj	广西壮族自治区	南宁市
237	2019-12-01	22.831351	108.325723	wkj	广西壮族自治区	南宁市
238	2019-12-01	41.870266	123.428203	wxr	辽宁省	沈阳市
239	2019-12-01	34.556508	105.858202	wq5	甘肃省	天水市
240	2019-12-01	22.626322	114.081016	ws1	广东省	深圳市
241	2019-12-01	31.973519	118.809728	wts	江苏省	南京市
242	2019-12-01	32.070443	118.288322	wts	安徽省	滁州市
243	2019-12-01	32.063339	118.283413	wts	安徽省	滁州市
244	2019-12-01	34.433634	108.759596	wqj	陕西省	咸阳市
245	2019-12-01	36.154708	120.426186	wwm	山东省	青岛市
246	2019-12-01	27.840542	112.942876	wsb	湖南省	湘潭市
247	2019-12-01	34.232564	108.963147	wqj	陕西省	西安市
248	2019-12-01	34.232583	108.963022	wqj	陕西省	西安市
249	2019-12-01	34.233372	108.966371	wqj	陕西省	西安市
250	2019-12-01	34.232505	108.963107	wqj	陕西省	西安市
251	2019-12-01	28.244420	113.088114	wt0	湖南省	长沙市
252	2019-12-01	28.238061	113.093145	wt0	湖南省	长沙市
253	2019-12-01	43.929841	116.088759	wxf		
254	2019-12-01	39.759988	116.189086	wx4	北京市	北京市
255	2019-12-01	37.877640	112.621543	ww8	山西省	太原市
256	2019-12-01	34.243988	108.959969	wqj	陕西省	西安市
257	2019-12-01	34.243991	108.959944	wqj	陕西省	西安市
258	2019-12-01	24.466084	117.718764	ws7	福建省	漳州市
259	2019-12-01	24.554365	117.631771	ws7	福建省	漳州市
260	2019-12-01	34.755416	113.781899	ww0	河南省	郑州市
261	2019-12-01	31.282106	121.482776	wtw	上海市	上海市
262	2019-12-01	31.296544	121.488371	wtw	上海市	上海市
263	2019-12-01	23.099587	113.445503	ws0	广东省	广州市
264	2019-12-01	23.101125	113.442367	ws0	广东省	广州市
265	2019-12-01	23.099918	113.436998	ws0	广东省	广州市
266	2019-12-01	23.099705	113.436978	ws0	广东省	广州市
267	2019-12-01	23.424106	113.421504	ws0	广东省	广州市
268	2019-12-01	41.822866	123.489981	wxr	辽宁省	沈阳市
269	2019-12-01	41.822080	123.490287	wxr	辽宁省	沈阳市
270	2019-12-01	41.822970	123.490049	wxr	辽宁省	沈阳市
271	2019-12-01	41.822229	123.489923	wxr	辽宁省	沈阳市
272	2019-12-01	38.926523	121.622450	wwy	辽宁省	大连市
273	2019-12-01	27.794490	120.656315	wsv	浙江省	温州市
274	2019-12-01	27.793767	120.648010	wsv	浙江省	温州市
275	2019-12-01	27.794510	120.656318	wsv	浙江省	温州市
276	2019-12-01	31.159035	121.523700	wtw	上海市	上海市
277	2019-12-01	32.013396	119.671030	wtt	江苏省	镇江市
278	2019-12-01	32.653241	110.799138	wmy	湖北省	十堰市
279	2019-12-01	40.086924	116.390887	wx4	北京市	北京市
280	2019-12-01	23.240734	113.356357	ws0	广东省	广州市
281	2019-12-01	31.341090	117.177117	wte	安徽省	合肥市
282	2019-12-01	39.791389	116.508744	wx4	北京市	北京市
283	2019-12-01	39.922552	116.432933	wx4	北京市	北京市
284	2019-12-01	25.074893	102.945970	wk3	云南省	昆明市
285	2019-12-01	22.678683	114.225002	ws1	广东省	东莞市
286	2019-12-01	31.818973	117.177929	wte	安徽省	合肥市
287	2019-12-01	27.924513	110.083142	wky	湖南省	湘西
288	2019-12-01	40.154270	116.299291	wx4	北京市	北京市
289	2019-12-01	23.126680	113.283753	ws0	广东省	广州市
290	2019-12-01	23.126862	113.283409	ws0	广东省	广州市
291	2019-12-01	25.001571	102.668471	wk3	云南省	昆明市
292	2019-12-01	31.902740	117.171997	wte	安徽省	合肥市
293	2019-12-01	39.579799	116.616863	wx4	河北省	廊坊市
294	2019-12-01	31.271824	120.530941	wtt	江苏省	苏州市
295	2019-12-01	31.460270	120.595866	wtt	江苏省	苏州市
296	2019-12-01	31.031324	121.230840	wtw	上海市	上海市
297	2019-12-01	39.967867	116.325924	wx4	北京市	北京市
298	2019-12-01	31.409115	121.199986	wtw	上海市	上海市
299	2019-12-01	40.085298	116.373141	wx4	北京市	北京市
300	2019-12-01	40.079848	116.337253	wx4	北京市	北京市
301	2019-12-01	40.085599	116.329256	wx4	北京市	北京市
302	2019-12-01	23.116805	113.244293	ws0	广东省	广州市
303	2019-12-01	38.252163	101.959621	wqb	甘肃省	金昌市
304	2019-12-01	31.024041	113.106464	wt8	湖北省	荆门市
305	2019-12-01	31.024018	113.106487	wt8	湖北省	荆门市
306	2019-12-01	31.024061	113.106449	wt8	湖北省	荆门市
307	2019-12-01	39.916735	116.661580	wx4	北京市	北京市
308	2019-12-01	22.822860	108.271452	wkh	广西壮族自治区	南宁市
309	2019-12-01	39.908806	116.672765	wx4	北京市	北京市
310	2019-12-01	39.903457	116.616644	wx4	北京市	北京市
311	2019-12-01	39.908511	116.688177	wx4	北京市	北京市
312	2019-12-01	29.538435	106.504695	wm7	重庆市	重庆市
313	2019-12-01	29.538527	106.504667	wm7	重庆市	重庆市
314	2019-12-01	22.834067	108.290934	wkj	广西壮族自治区	南宁市
315	2019-12-01	22.842431	108.286537	wkj	广西壮族自治区	南宁市
316	2019-12-01	30.516101	104.054210	wm3	四川省	成都市
317	2019-12-01	30.516126	104.054463	wm3	四川省	成都市
318	2019-12-01	23.146431	113.259598	ws0	广东省	广州市
319	2019-12-01	23.180967	113.279126	ws0	广东省	广州市
320	2019-12-01	23.125673	113.258402	ws0	广东省	广州市
321	2019-12-01	39.750405	116.434449	wx4	北京市	北京市
322	2019-12-01	38.702886	115.205831	wwc	河北省	保定市
323	2019-12-01	22.598159	114.044159	ws1	广东省	深圳市
324	2019-12-01	22.598169	114.044037	ws1	广东省	深圳市
325	2019-12-01	30.624029	104.140958	wm6	四川省	成都市
326	2019-12-01	45.765599	126.617896	yb4	黑龙江省	哈尔滨市
327	2019-12-01	45.765587	126.617898	yb4	黑龙江省	哈尔滨市
328	2019-12-01	45.765836	126.617979	yb4	黑龙江省	哈尔滨市
329	2019-12-01	23.174556	113.204743	ws0	广东省	广州市
330	2019-12-01	23.174568	113.204668	ws0	广东省	广州市
331	2019-12-01	39.813750	117.012857	wx5	河北省	廊坊市
332	2019-12-01	29.168094	115.830747	wt4	江西省	九江市
333	2019-12-01	23.508310	113.058993	ws0	广东省	清远市
334	2019-12-01	30.823505	106.096161	wm7	四川省	南充市
335	2019-12-01	36.181281	120.386287	wwm	山东省	青岛市
336	2019-12-01	36.174599	120.378045	wwm	山东省	青岛市
337	2019-12-01	29.529957	106.523544	wm5	重庆市	重庆市
338	2019-12-01	36.791080	118.056556	wwe	山东省	淄博市
339	2019-12-01	36.797678	118.042765	wwe	山东省	淄博市
340	2019-12-01	40.005434	116.369992	wx4	北京市	北京市
341	2019-12-01	35.224444	115.496402	ww6	山东省	菏泽市
342	2019-12-01	18.309263	109.404998	w7m	海南省	三亚市
343	2019-12-01	18.309231	109.405036	w7m	海南省	三亚市
344	2019-12-01	30.700987	103.976866	wm3	四川省	成都市
345	2019-12-01	23.121700	113.384897	ws0	广东省	广州市
346	2019-12-01	23.123997	113.389425	ws0	广东省	广州市
347	2019-12-01	34.435094	108.764894	wqj	陕西省	咸阳市
348	2019-12-01	34.435100	108.764889	wqj	陕西省	咸阳市
349	2019-12-01	25.208821	110.049178	wkq	广西壮族自治区	桂林市
350	2019-12-01	25.217089	110.054261	wkq	广西壮族自治区	桂林市
351	2019-12-01	34.435087	108.764902	wqj	陕西省	咸阳市
352	2019-12-01	23.254426	113.285646	ws0	广东省	广州市
353	2019-12-01	23.160499	113.258051	ws0	广东省	广州市
354	2019-12-01	30.291193	120.457733	wtm	浙江省	嘉兴市
355	2019-12-01	39.843371	116.393910	wx4	北京市	北京市
356	2019-12-01	37.869271	112.532071	ww8	山西省	太原市
357	2019-12-01	22.250911	113.512195	web	广东省	中山市
358	2019-12-01	22.250807	113.512424	web	广东省	中山市
359	2019-12-01	22.250720	113.512199	web	广东省	中山市
360	2019-12-01	23.105784	113.181241	ws0	广东省	广州市
361	2019-12-01	22.577585	113.084974	ws0	广东省	江门市
362	2019-12-01	22.962183	113.890847	ws0	广东省	东莞市
363	2019-12-01	32.139707	118.991269	wts	江苏省	镇江市
364	2019-12-01	23.160787	113.235168	ws0	广东省	广州市
365	2019-12-01	30.274377	120.193470	wtm	浙江省	杭州市
366	2019-12-01	43.899263	87.475616	tzy	新疆维吾尔自治区	乌鲁木齐市
367	2019-12-01	26.644363	106.625699	wke	贵州省	贵阳市
368	2019-12-01	23.157784	114.445888	ws1	广东省	惠州市
369	2019-12-01	30.191806	120.205071	wtm	浙江省	杭州市
370	2019-12-01	34.736253	113.615667	ww0	河南省	郑州市
371	2019-12-01	39.231387	117.825549	wwg	天津市	天津市
372	2019-12-01	22.539690	114.018344	ws1	香港特别行政区	香港特别行政区
373	2019-12-01	28.082111	121.273184	wsy	浙江省	台州市
374	2019-12-01	28.082079	121.273154	wsy	浙江省	台州市
375	2019-12-01	28.122847	121.238619	wsy	浙江省	台州市
376	2019-12-01	28.122900	121.238814	wsy	浙江省	台州市
377	2019-12-01	28.082077	121.273211	wsy	浙江省	台州市
378	2019-12-01	28.082046	121.273133	wsy	浙江省	台州市
379	2019-12-01	27.912917	120.848852	wsv	浙江省	温州市
380	2019-12-01	27.828063	121.144167	wsy	浙江省	温州市
381	2019-12-01	34.615166	119.166840	wwh	江苏省	连云港市
382	2019-12-01	34.615118	119.166836	wwh	江苏省	连云港市
383	2019-12-01	34.609143	119.164263	wwh	江苏省	连云港市
384	2019-12-01	34.490115	119.546565	wwj	江苏省	连云港市
385	2019-12-01	41.803987	123.344676	wxr	辽宁省	沈阳市
386	2019-12-01	23.169760	113.268932	ws0	广东省	广州市
387	2019-12-01	22.540800	113.913296	ws1	广东省	深圳市
388	2019-12-01	30.286402	120.123885	wtm	浙江省	杭州市
389	2019-12-01	30.288094	120.123726	wtm	浙江省	杭州市
390	2019-12-01	23.043518	113.145440	ws0	广东省	广州市
391	2019-12-01	23.043553	113.145470	ws0	广东省	广州市
392	2019-12-01	23.043558	113.145404	ws0	广东省	广州市
393	2019-12-01	23.043126	113.145294	ws0	广东省	广州市
394	2019-12-01	23.043110	113.145297	ws0	广东省	广州市
395	2019-12-01	23.043129	113.145327	ws0	广东省	广州市
396	2019-12-01	23.042800	113.145148	ws0	广东省	广州市
397	2019-12-01	23.043544	113.145424	ws0	广东省	广州市
398	2019-12-01	23.043142	113.145268	ws0	广东省	广州市
399	2019-12-01	25.255938	110.324897	wkq	广西壮族自治区	桂林市
400	2019-12-01	31.283044	120.508142	wtt	江苏省	苏州市
401	2019-12-01	24.563638	118.052645	ws7	福建省	厦门市
402	2019-12-01	38.011801	114.487758	wwc	河北省	石家庄市
403	2019-12-01	38.011539	114.487561	wwc	河北省	石家庄市
404	2019-12-01	38.011798	114.487726	wwc	河北省	石家庄市
405	2019-12-01	24.071330	116.964023	ws7	广东省	潮州市
406	2019-12-01	24.072935	116.960483	ws7	广东省	潮州市
407	2019-12-01	39.107501	117.719293	wwg	天津市	天津市
408	2019-12-01	39.802793	116.287541	wx4	北京市	北京市
409	2019-12-01	39.802786	116.287506	wx4	北京市	北京市
410	2019-12-01	31.505916	120.434265	wtt	江苏省	苏州市
411	2019-12-01	22.533486	114.060139	ws1	香港特别行政区	香港特别行政区
412	2019-12-01	22.533189	114.060053	ws1	香港特别行政区	香港特别行政区
413	2019-12-01	22.285001	114.145023	wec	香港特别行政区	香港特别行政区
414	2019-12-01	22.449766	114.177413	wec	香港特别行政区	香港特别行政区
415	2019-12-01	22.285024	114.145003	wec	香港特别行政区	香港特别行政区
416	2019-12-01	34.297547	108.980125	wqj	陕西省	西安市
417	2019-12-01	32.063285	118.283783	wts	安徽省	滁州市
418	2019-12-01	32.063729	118.283248	wts	安徽省	滁州市
419	2019-12-01	32.086022	118.274345	wts	安徽省	滁州市
420	2019-12-01	31.185227	121.693325	wtw	上海市	上海市
421	2019-12-01	31.185245	121.693148	wtw	上海市	上海市
422	2019-12-01	31.183995	121.696364	wtw	上海市	上海市
423	2019-12-01	31.184026	121.696345	wtw	上海市	上海市
424	2019-12-01	31.184105	121.696373	wtw	上海市	上海市
425	2019-12-01	23.028542	113.367935	ws0	广东省	广州市
426	2019-12-01	31.061452	121.545099	wtw	上海市	上海市
427	2019-12-01	31.061451	121.545098	wtw	上海市	上海市
428	2019-12-01	22.835781	113.672017	ws0	广东省	东莞市
429	2019-12-01	22.846654	113.258846	ws0	广东省	广州市
430	2019-12-01	36.039389	103.855255	wq3	甘肃省	兰州市
431	2019-12-01	36.040131	103.855060	wq3	甘肃省	兰州市
432	2019-12-01	22.611978	113.184066	ws0	广东省	江门市
433	2019-12-01	22.551346	114.023179	ws1	香港特别行政区	香港特别行政区
434	2019-12-01	22.551622	114.022982	ws1	香港特别行政区	香港特别行政区
435	2019-12-01	38.945211	121.588265	wwy	辽宁省	大连市
436	2019-12-01	38.945139	121.587994	wwy	辽宁省	大连市
437	2019-12-01	39.772551	116.333405	wx4	北京市	北京市
438	2019-12-01	30.446914	114.010994	wt3	湖北省	武汉市
439	2019-12-01	37.750588	115.673233	wwd	河北省	衡水市
440	2019-12-01	30.230025	120.257374	wtm	浙江省	杭州市
441	2019-12-01	30.229579	120.257874	wtm	浙江省	杭州市
442	2019-12-01	31.124825	121.436102	wtw	上海市	上海市
443	2019-12-01	39.670821	106.807219	wr5	内蒙古自治区	乌海市
444	2019-12-01	39.667548	106.807876	wr5	内蒙古自治区	乌海市
445	2019-12-01	39.964320	116.529353	wx4	北京市	北京市
446	2019-12-01	40.757478	107.419416	wrh	内蒙古自治区	巴彦淖尔
447	2019-12-01	23.112919	113.213619	ws0	广东省	广州市
448	2019-12-01	25.095056	102.930440	wk3	云南省	昆明市
449	2019-12-01	25.096712	102.925998	wk3	云南省	昆明市
450	2019-12-01	30.067469	103.823783	wm3		
451	2019-12-01	29.976825	103.443291	wm3		
452	2019-12-01	28.592060	115.964241	wt4	江西省	南昌市
453	2019-12-01	39.917428	116.508704	wx4	北京市	北京市
454	2019-12-01	22.758032	114.499446	ws1	广东省	惠州市
455	2019-12-01	26.051011	119.296111	wss	福建省	福州市
456	2019-12-01	24.617067	118.246066	wsk	福建省	厦门市
457	2019-12-01	37.755130	112.631485	ww8	山西省	太原市
458	2019-12-01	38.921631	121.641270	wwy	辽宁省	大连市
459	2019-12-01	39.949675	116.407636	wx4	北京市	北京市
460	2019-12-01	39.973108	116.790033	wx5	北京市	北京市
461	2019-12-01	39.973233	116.790094	wx5	北京市	北京市
462	2019-12-01	40.070999	116.412565	wx4	北京市	北京市
463	2019-12-01	39.932443	116.324773	wx4	北京市	北京市
464	2019-12-01	39.791392	116.284305	wx4	北京市	北京市
465	2019-12-01	39.791375	116.284281	wx4	北京市	北京市
466	2019-12-01	29.568840	106.493214	wm7	重庆市	重庆市
467	2019-12-01	29.568666	106.493182	wm7	重庆市	重庆市
468	2019-12-01	20.007620	110.311584	w7w	海南省	海口市
469	2019-12-01	35.231131	115.499637	ww6	山东省	菏泽市
470	2019-12-01	35.532620	115.816370	ww6	山东省	菏泽市
471	2019-12-01	35.223992	115.495944	ww6	山东省	菏泽市
472	2019-12-01	35.425115	115.670813	ww6	山东省	菏泽市
473	2019-12-01	38.055092	114.500644	wwc	河北省	石家庄市
474	2019-12-01	39.915308	116.415252	wx4	北京市	北京市
475	2019-12-01	39.915308	116.415252	wx4	北京市	北京市
476	2019-12-01	39.915308	116.415252	wx4	北京市	北京市
477	2019-12-01	22.546793	114.083582	ws1	香港特别行政区	香港特别行政区
478	2019-12-01	38.034649	114.463347	wwc	河北省	石家庄市
479	2019-12-01	38.960033	121.542838	wwy	辽宁省	大连市
480	2019-12-01	18.239640	109.502804	w7j	海南省	三亚市
481	2019-12-01	24.112877	102.761036	wk3	云南省	玉溪市
482	2019-12-01	24.112716	102.761625	wk3	云南省	玉溪市
483	2019-12-01	24.077092	102.770451	wk3	云南省	玉溪市
484	2019-12-01	34.433365	108.759386	wqj	陕西省	咸阳市
485	2019-12-01	26.126018	119.179790	wss	福建省	福州市
486	2019-12-01	29.574099	103.463518	wm3	四川省	眉山市
487	2019-12-01	29.574240	103.463598	wm3	四川省	眉山市
488	2019-12-01	27.038769	114.921019	wsc	江西省	吉安市
489	2019-12-01	40.074422	113.319963	wx0	山西省	大同市
490	2019-12-01	23.013470	113.864178	ws0	广东省	东莞市
491	2019-12-01	22.795275	113.826544	ws0	广东省	深圳市
492	2019-12-01	35.383606	103.870968	wq3	甘肃省	定西市
493	2019-12-01	35.381282	103.868653	wq3	甘肃省	定西市
494	2019-12-01	35.383672	103.871029	wq3	甘肃省	定西市
495	2019-12-01	35.280397	104.071241	wq6	甘肃省	定西市
496	2019-12-01	22.593475	114.249754	ws1	香港特别行政区	香港特别行政区
497	2019-12-01	30.712836	103.992843	wm3	四川省	成都市
498	2019-12-01	39.873577	116.359222	wx4	北京市	北京市
499	2019-12-01	36.607258	101.752028	wq8	青海省	西宁市

总结

第一次写关于GIS的代码。代码很糙还有很多要改正的地方，例如有的经纬度不能识别问题，矢量偏移过大有的用户定位在了两个城市边界内了。欢迎指正。谢谢

青青草原烤全羊

关注

2
点赞
踩
11

收藏

觉得还不错? 一键收藏
0
评论
python射线法-离线根据经纬度反向获取城市信息

使用算法-根据经纬度反向获取城市信息准备工作相关算法储备总结目前能够使用经纬度信息去逆解析经纬度的API有很多，各自可以根据业务需求和地理编码格式选择百度、谷歌、高德等API。但是对于大批量每天好几T的数据量再去掉API很突兀了。这里简单写了射线法，用来判断当前经纬度是否在城市边界的多边形矩阵内。准备工作申请高德api key、Polygon、Pandas、Geohash1.需要各省市经纬度信息城市边界信息组成多边形矩阵2.对城市边界信息做矢量偏移3.使用geohash加速算法相关算法储备
复制链接

扫一扫