Python使用技巧（十四）：城市形态模块库osmnx的安装与测试使用

已于 2022-11-26 13:09:15 修改
阅读量5.6k 收藏 43
点赞数 13
分类专栏： python使用技巧 文章标签： python
于 2020-12-17 18:11:54 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_41194129/article/details/111308381
版权

openstreetmap是免费地理数据下载的网站，而osmnx是一个用于从openstreetmap下载边界并分析和可视化街道网络python包。

一、介绍

OSMnx工具箱，该工具箱可从OpenStreetMap自动下载，建模和可视化空间数据。可以通过该工具可视化方法（包括地物图和极坐标直方图）以计算方式探索世界各地街道网络和建筑物中的模式和配置，这些方法有助于将城市复杂性压缩成可理解的人工产物，以反映人类对建筑环境的体验。无处不在的城市数据和计算可以从定量和定性的角度开辟新的城市形态分析。（参考：https://geoffboeing.com/）
在这里插入图片描述

二、安装osmnx

windows:

​conda install -c conda-forge osmnx 
​pip install osmnx
pip install geos

或者：

conda config --prepend channels conda-forge
conda create -n ox --strict-channel-priority osmnx

在这里插入图片描述
在这里插入图片描述

ubuntu：

conda config --prepend channels conda-forge
conda install osmnx
# 或者
pip install geopandas tqdm osmnx matplotlib

安装的同时，也安装了其他依赖库，以确保该工具箱与相应的版本匹配。

Downloading and Extracting Packages
xerces-c-3.2.3       | 3.8 MB    | ##################### | 100% 
libspatialindex-1.9. | 380 KB    | ##################### | 100%  
libcurl-7.68.0       | 271 KB    | ##################### | 100%  
libiconv-1.16        | 680 KB    | ##################### | 100%  
munch-2.5.0          | 12 KB     | ##################### | 100%  
expat-2.2.9          | 261 KB    | ##################### | 100%  
libpq-11.5           | 3.5 MB    | ##################### | 100%  
joblib-1.0.0         | 206 KB    | ##################### | 100%  
cligj-0.7.1          | 10 KB     | ##################### | 100%  
kealib-1.4.7         | 133 KB    | ##################### | 100%  
fiona-1.8.4          | 916 KB    | ##################### | 100%  
curl-7.68.0          | 118 KB    | ##################### | 100%  
bzip2-1.0.8          | 149 KB    | ##################### | 100%  
krb5-1.16.4          | 833 KB    | ##################### | 100%  
libnetcdf-4.6.1      | 494 KB    | ##################### | 100%  
geopandas-0.6.3      | 903 KB    | ##################### | 100%  
libkml-1.3.0         | 8.9 MB    | ##################### | 100%  
hdf4-4.2.13          | 1.3 MB    | ##################### | 100%  
libssh2-1.9.0        | 218 KB    | ##################### | 100%  
attrs-20.3.0         | 41 KB     | ##################### | 100%  
threadpoolctl-2.1.0  | 15 KB     | ##################### | 100% 
scikit-learn-0.23.2  | 6.2 MB    | ##################### | 100% 
click-plugins-1.1.1  | 9 KB      | ##################### | 100%  
freexl-1.0.5         | 56 KB     | ##################### | 100%  
geos-3.7.1           | 771 KB    | ##################### | 100%  
descartes-1.1.0      | 7 KB      | ##################### | 100%  
gdal-2.3.3           | 984 KB    | ##################### | 100% 
rtree-0.9.4          | 44 KB     | ##################### | 100%  
hdf5-1.10.4          | 34.9 MB   | ##################### | 100%  
pyproj-1.9.6         | 238 KB    | ##################### | 100%  
libxml2-2.9.10       | 3.5 MB    | ##################### | 100%  
osmnx-0.16.2         | 69 KB     | ##################### | 100%  
boost-cpp-1.74.0     | 16.1 MB   | ##################### | 100%  
libspatialite-4.3.0a | 4.3 MB    | ##################### | 100%  
proj4-5.2.0          | 3.3 MB    | ##################### | 100%  
pcre-8.44            | 498 KB    | ##################### | 100%  
libgdal-2.3.3        | 7.2 MB    | ##################### | 100%  
branca-0.4.1         | 26 KB     | ##################### | 100%  
folium-0.11.0        | 61 KB     | ##################### | 100%  
click-7.1.2          | 64 KB     | ##################### | 100%  
shapely-1.6.4        | 391 KB    | ##################### | 100%  
Preparing transaction: done
Verifying transaction: done
Executing transaction: done

开始安装osmnx

  Downloading https://pypi.tuna.tsinghua.edu.cn/packages/f7/a4/e66aafbefcbb717813bf3a355c8c4fc3ed04ea1dd7feb2920f2f4f868921/geopandas-0.8.1-py2.py3-none-any.whl (962 kB)
     |██▌                             | 71 kB 4.5 MB/s eta 0:00:0     |███                             | 81 kB 5.1 MB/s eta 0:00:0     |███                             | 92 kB 5.8 MB/s eta 0:00:0     |███▌                            | 102 kB 6.4 MB/s eta 0:00:     |████                            | 112 kB 6.4 MB/s eta 0:00:     |████                            | 122 kB 6.4 MB/s eta 0:00:     |████▌                           | 133 kB 6.4 MB/s eta 0:00:     |█████                           | 143 kB 6.4 MB/s eta 0:00:     |█████                           | 153 kB 6.4 MB/s eta 0:00:     |█████▌                          | 163 kB 6.4 MB/s eta 0:00:     |██████                          | 174 kB 6.4 MB/s eta 0:00:     |██████                          | 184 kB 6.4 MB/s eta 0:00:     |██████▌                         | 194 kB 6.4 MB/s eta 0:00:     |███████                         | 204 kB 6.4 MB/s eta 0:00:     |███████                         | 215 kB 6.4 MB/s eta 0:00:     |███████▌                        | 225 kB 6.4 MB/s eta 0:00:     |████████                        | 235 kB 6.4 MB/s eta 0:00:     |████████                        | 245 kB 6.4 MB/s eta 0:00:     |████████▌                       | 256 kB 6.4 MB/s eta 0:00:     |█████████                       | 266 kB 6.4 MB/s eta 0:00:     |█████████                       | 276 kB 6.4 MB/s eta 0:00:     |█████████▌                      | 286 kB 6.4 MB/s eta 0:00:     |██████████                      | 296 kB 6.4 MB/s eta 0:00:     |██████████                      | 307 kB 6.4 MB/s eta 0:00:     |██████████▌                     | 317 kB 6.4 MB/s eta 0:00:     |███████████                     | 327 kB 6.4 MB/s eta 0:00:     |███████████                     | 337 kB 6.4 MB/s eta 0:00:     |███████████▌                    | 348 kB 6.4 MB/s eta 0:00:     |████████████                    | 358 kB 6.4 MB/s eta 0:00:     |████████████                    | 368 kB 6.4 MB/s eta 0:00:     |████████████▌                   | 378 kB 6.4 MB/s eta 0:00:     |█████████████                   | 389 kB 6.4 MB/s eta 0:00:     |█████████████                   | 399 kB 6.4 MB/s eta 0:00:     |█████████████▌                  | 409 kB 6.4 MB/s eta 0:00:     |██████████████                  | 419 kB 6.4 MB/s eta 0:00:     |██████████████                  | 430 kB 6.4 MB/s eta 0:00:     |██████████████▌                 | 440 kB 6.4 MB/s eta 0:00:     |███████████████                 | 450 kB 6.4 MB/s eta 0:00:     |███████████████                 | 460 kB 6.4 MB/s eta 0:00:     |███████████████▌                | 471 kB 6.4 MB/s eta 0:00:     |████████████████                | 481 kB 6.4 MB/s eta 0:00:     |████████████████▌               | 491 kB 6.4 MB/s eta 0:00:     |█████████████████               | 501 kB 6.4 MB/s eta 0:00:     |█████████████████               | 512 kB 6.4 MB/s eta 0:00:     |█████████████████▌              | 522 kB 6.4 MB/s eta 0:00:     |██████████████████              | 532 kB 6.4 MB/s eta 0:00:     |██████████████████              | 542 kB 6.4 MB/s eta 0:00:     |██████████████████▌             | 552 kB 6.4 MB/s eta 0:00:     |███████████████████             | 563 kB 6.4 MB/s eta 0:00:     |███████████████████             | 573 kB 6.4 MB/s eta 0:00:     |███████████████████▌            | 583 kB 6.4 MB/s eta 0:00:     |████████████████████            | 593 kB 6.4 MB/s eta 0:00:     |████████████████████            | 604 kB 6.4 MB/s eta 0:00:     |████████████████████▌           | 614 kB 6.4 MB/s eta 0:00:     |█████████████████████           | 624 kB 6.4 MB/s eta 0:00:     |█████████████████████           | 634 kB 6.4 MB/s eta 0:00:     |█████████████████████▌          | 645 kB 6.4 MB/s eta 0:00:     |██████████████████████          | 655 kB 6.4 MB/s eta 0:00:     |██████████████████████          | 665 kB 6.4 MB/s eta 0:00:     |██████████████████████▌         | 675 kB 6.4 MB/s eta 0:00:     |███████████████████████         | 686 kB 6.4 MB/s eta 0:00:     |███████████████████████         | 696 kB 6.4 MB/s eta 0:00:     |███████████████████████▌        | 706 kB 6.4 MB/s eta 0:00:     |████████████████████████        | 716 kB 6.4 MB/s eta 0:00:     |████████████████████████        | 727 kB 6.4 MB/s eta 0:00:     |████████████████████████▌       | 737 kB 6.4 MB/s eta 0:00:     |█████████████████████████       | 747 kB 6.4 MB/s eta 0:00:     |█████████████████████████       | 757 kB 6.4 MB/s eta 0:00:     |█████████████████████████▌      | 768 kB 6.4 MB/s eta 0:00:     |██████████████████████████      | 778 kB 6.4 MB/s eta 0:00:     |██████████████████████████      | 788 kB 6.4 MB/s eta 0:00:     |██████████████████████████▌     | 798 kB 6.4 MB/s eta 0:00:     |███████████████████████████     | 808 kB 6.4 MB/s eta 0:00:     |███████████████████████████     | 819 kB 6.4 MB/s eta 0:00:     |███████████████████████████▌    | 829 kB 6.4 MB/s eta 0:00:     |████████████████████████████    | 839 kB 6.4 MB/s eta 0:00:     |████████████████████████████    | 849 kB 6.4 MB/s eta 0:00:     |████████████████████████████▌   | 860 kB 6.4 MB/s eta 0:00:     |█████████████████████████████   | 870 kB 6.4 MB/s eta 0:00:     |█████████████████████████████   | 880 kB 6.4 MB/s eta 0:00:     |█████████████████████████████▌  | 890 kB 6.4 MB/s eta 0:00:     |██████████████████████████████  | 901 kB 6.4 MB/s eta 0:00:     |██████████████████████████████  | 911 kB 6.4 MB/s eta 0:00:     |██████████████████████████████▌ | 921 kB 6.4 MB/s eta 0:00:     |███████████████████████████████ | 931 kB 6.4 MB/s eta 0:00:     |███████████████████████████████ | 942 kB 6.4 MB/s eta 0:00:     |███████████████████████████████▌| 952 kB 6.4 MB/s eta 0:00:     |████████████████████████████████| 962 kB 6.4 MB/s eta 0:00:     |████████████████████████████████| 962 kB 6.4 MB/s 

  Attempting uninstall: pyproj
    Found existing installation: pyproj 1.9.6
    Uninstalling pyproj-1.9.6:
      Successfully uninstalled pyproj-1.9.6
  Attempting uninstall: Shapely
    Found existing installation: Shapely 1.6.4.post2
    Uninstalling Shapely-1.6.4.post2:
      Successfully uninstalled Shapely-1.6.4.post2
  Attempting uninstall: geopandas
    Found existing installation: geopandas 0.6.3
    Uninstalling geopandas-0.6.3:
      Successfully uninstalled geopandas-0.6.3
Successfully installed Shapely-1.7.1 geopandas-0.8.1 pyproj-3.0.0.post1

第二种安装方式：
如果上述方法无法安装, 可以在https://www.lfd.uci.edu/~gohlke/pythonlibs/中下载相应的whl文件。如下：
在这里插入图片描述
安装osmnx的依赖包
可以按照下列顺序一个个进行安装（包虽然多，但是安装起来很快）

1、descartes
2、folium
3、geopy
4、matplotlib
5、networkx
6、numpy
7、pandas
8、requests
9、pyproj
10、GDAL
11、Fiona
12、Rtree
13、lxml
14、Pillow
15、Basemap
16、geos
17、geopandas
18、Shapely
19、osmnx

下载完之后使用pip install pk_name.whl即可。

测试源码：

In [2]: import osmnx as ox

In [3]: G = ox.graph_from_point((37.79, -122.41), dist=750, network_type='all')
   ...: ox.plot_graph(G)
Out[3]: (<Figure size 800x800 with 1 Axes>, <AxesSubplot:>)

In [4]: G = ox.graph_from_point((37.79, -122.41), dist=750, network_type='all')
   ...: ox.plot_graph(G)

执行结果
在这里插入图片描述
您可以轻松地请求自治市，县，州或其他地理实体内的街道网络。您还可以传递一个地点列表（例如几个邻近的城市）以在其中创建统一的街道网络。场所列表可以包括字符串和/或结构化键：值场所查询：

In [9]: places = ['Los Altos, California, USA',
   ...:           {'city':'Los Altos Hills', 'state':'California'},
   ...:           'Loyola, California']
   ...: G = ox.graph_from_place(places, network_type='drive')
   ...: ox.plot_graph(G)

执行结果：
在这里插入图片描述
加载路网并显示。网络类型“驱动器”将加载汽车可到达的道路。其他可用类型：“all_private”、“all”、“bike”、“drive”、“drive_service”、“walk”。G对象是 MultiDiGraph 的一个实例，它是NetworkX包中的有向图类型。

import osmnx as ox
G = ox.graph_from_place('Sutherland Shire Council', network_type='drive')
ox.plot_graph(G)

在这里插入图片描述

四、解决的报错问题

OSMnx不带OSM ID，但是您可以指定是否要城市或州（甚至是which_result）：

import osmnx as ox
outline_city = ox.gdf_from_place({'city':'Salzburg'})
outline_state = ox.gdf_from_place({'state':'Salzburg'})

编辑：请注意，自OSMnx v0.15.0起，gdf_from_place和gdf_from_places函数已被弃用，并由geocode_to_gdf函数替换。

https://stackoverflow.com/questions/54789530/osmnx-specify-place-in-gdf-from-place-better

OSMnx路径规划优缺点：

优点：路径规划不需注册，无配额限制，而著名地图API路径规划一般每天限额几千次，要进行大规模研究时可适当考虑。

缺点：图商的路径规划通常会考虑到实际交通情况，但OSMnx做不到，只能考虑物理几何最短路径，高精度分析需求时需注意这一点。

注意：OSM系列数据不能用于涉及我国国境线的地图表达，须遵守法律法规，使用正确、合法的数据。

参考文献

参考python 引用osmnx

https://www.cnpython.com/qa/56242

https://github.com/gboeing/osmnx/issues/8
https://osmnx.readthedocs.io/en/stable/

源代码杀手
关注
  • 13
    点赞
  • 踩
  • 43
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 10
    评论
专栏目录
使用python，利用OSMnx库，获取国外POI数据
K_first的博客
06-26 3296
由于百度或者高德的API只能获取国内的POI，谷歌API需要翻墙而且还收费，所以一直为为何白嫖国外POI数据头疼。最近终于找到了方法，使用OSMnx，得到基于OSM地图提供的POI数据。在学习的过程中，发现居然没有人写相关的文章介绍，没办法只能摸着石头过河，一点一点学习，这个功能最提出是在github issue中提到的。里面对于最初的功能设计、内容呈现之类的问题都有讨论，还是挺有意思的。同时也感谢这些开源贡献者，非常感谢！...
osmnx package 入门学习
weixin_45380740的博客
05-14 1908
官方解释： OSMnx是一个Python软件包，支持从OpenStreetMap下载地理空间数据，并对现实世界的街道网络和任何其他地理空间几何图形进行建模、投影、可视化和分析。通过一行代码即可下载城市网络（walkable, drivable, or bikeable urban networks）并对齐建模，然后轻松进行分析和可视化；也可以轻松下载并使用其他基础设施类型（设施/兴趣点、建筑物占地面积、高度数据、街道方位/方向、速度/行驶时间）。 若使用osmnx包，别忘了引用以下文章哦： Boeing,
Anaconda安装Osmnx详细步骤以及问题解决
HsinglukLiu的博客
10-02 2797
文章目录Anaconda安装Osmnx Anaconda安装Osmnx Anaconda安装osmnx一直出错，知道找到了这个帖子。 https://blog.csdn.net/qq_37054356/article/details/104124999?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-1.channel_param&depth_1-utm_source=distribut
探索城市数据的神器：OSMnx
最新发布
gitblog_00028的博客
03-21 325
探索城市数据的神器：OSMnx 项目地址:https://gitcode.com/gboeing/osmnx OSMnx 是一个开源Python库，由地理学家Gregory Boeing开发，用于下载、构建、操作、分析和可视化OpenStreetMap（OSM）数据。如果你对城市规划、地理信息科学或任何涉及地理位置数据分析的工作感兴趣，那么OSMnx绝对值得你的关注。 项目简介 OSMnx 提供了...
OSMnx包的使用
WenbinYao&YouweiHu
12-30 8597
osmnx的介绍与使用
GeoPandas、osmnx安装【Python保姆级教程】
GODXML的博客
09-04 1247
​建议使用Anaconda3，安装。在装这种比较难装的包的时候，强烈建议创建新的环境。亲测成功，保姆级教程 ​
python osmnx安装教程
qq_41999152的博客
09-30 5861
osmnx依赖geopandas库，geopandas库又依赖gdal、fiona、pyproj、pandas，另外shapely库安装需要geos.dll,geos_c.dll两个文件。直接pip install出错时，通过上面网站下载安装相应的wheel文件，可放在任意文件夹里，在命令行中输入pip install ，然后将下载好的文件拖到命令行位置，等价于输入该文件所在位置。shapely包依赖geos.dll,geos_c.dll两个文件。当然还有先安装anaconda，再进行安装的方式。
使用HMM与osmnx进行地图匹配
the_new_zz的博客
04-15 2311
主要思路： 1.使用osmnx获取路网 2.利用osmnx包获得距离gps点较近的几条边（或者几个点） 3.将hmm利用到map-matching中 gps数据预处理思路： 已知观察变量， 即给定模型和观测序列，求给定观测序列条件下，最可能出现的对应的隐藏状态序列。 使用维特比算法 对于每个输入的GPS位置，计算在GPS位置周围一定半径范围内的若干地图匹配候选。然后使用hmm-lib提供的Viterbi算法来计算最可能的地图匹配候选序列。因此，考虑GPS位置与地图匹配候选点之间的距离以及连续地图匹配候选
python爬虫开发之Request模块从安装到详细使用方法与实例全解
12-20
python爬虫模块Request的安装 在cmd中，使用如下指令安装requests： pip install requests python爬虫模块Request快速上手 Requests 已安装 Requests 是最新的 Request模块发送请求 使用 Requests 发送网络请求...
python MysqlDb模块安装及其使用详解
01-20
1. MySQL-python：是封装了MySQL C驱动的Python驱动； 2.mysql-connector-python：是MySQL官方的纯Python驱动。 这里使用MySQL-python驱动，即MySQLdb模块。 命令行安装 pip install python-mysql 或者在pycharm...
osmn:OpenStreetMap Nominatim API 的 Ruby 包装器
07-13
OSMN OpenStreetMap Nominatim API 的 Ruby 包装器。 Nominatim 是一种通过名称和地址搜索 osm 数据并生成 osm 点的合成地址（反向地理编码）的工具。 服务可以在找到 API 详细信息可以在找到 安装 $ gem install osmn 用法 简单的方法： # search for a place OSMN :: search ( '135 pilkington avenue, birmingham' ) # convert latitude and longitude into a place OSMN :: reverse_geocode ( 52.5487429714954 , - 1.81602098644987 ) 完全控制方式： 搜索 # search for address # required params:
OsmnxProjectDemo：利用Python的Osmnx程序库分析城市道路网络，并利用相关函数进行可视化展示
02-05
OsmnxProjectDemo 复杂网络与社会网络分析大作业 利用python的开源第三方库Osmnx ，结合旧金山的出租车轨迹数据集和旧金山的驱动道路网络，进行了一些分析，将结果可视化出来 注意：第一次运行此代码时，替换程序中的代码注释去掉 出租车的轨迹数据集保存在cabspottingdata文件夹中 cabspottingdata文件夹中的每个一个txt文件（除去一个记录了所有车的编号的txt文件）表示插入车辆移位的轨迹， txt文件名即为车辆的唯一标记编号， txt文件里面的每个行数据的各个列分别表示为：纬度|经度|是否载客（“ 0”表示空车状态，“ 1”表示载客状态）|最高 数据文
Python第三方模块(库、包)安装、卸载与查看
01-06
Python第三方模块(库、包)安装、卸载与查看 python功能强用途广泛的一个重要原因是，拥有众多的第三方模块（库、包），Python第三方模块(库、包)安装、卸载与查看需要熟悉掌握。 Python模块(库、包)安装方法 在cmd中...
Python 随机生成测试数据的模块：faker基本使用方法详解
01-20
本文实例讲述了Python 随机生成测试数据的模块：faker基本使用方法。分享给大家供大家参考，具体如下： 本文内容： faker的介绍 faker的使用 小例子：生成随机的数据表信息 首发日期：2018-06-15 faker介绍： ...
关于osmnx的安装流程
the_new_zz的博客
10-13 1646
使用pycharm对osmnx包手动安装 使用pycharm依次下载下列模块 安装方式：在pycharm中找到settings打开 到该界面点击右边加号，在搜索里查找对应包名 安装osmnx的依赖包 按照下列顺序一个个进行安装（包虽然多，但是安装起来很快） 1、descartes 2、folium 3、geopy 4、matplotlib 5、networkx 6、numpy 7、pandas 8、requests 9、pyproj 10、GDAL 11、Fiona 12、Rtree 13、lxml 14
window中osmnx包的详细安装过程
勿在浮沙筑高台
01-31 3400
环境 win10 64位 python3.7 安装 使用pip安装 到Python Extension下载下图所示的whl文件，网址：https://www.lfd.uci.edu/~gohlke/pythonlibs/ 安装顺序 pip install geos pip install Shapely-1.6.4.post2-cp37-cp37m-win_amd64.whl ...
python：osmnx包下载城市路网数据
weixin_44548098的博客
06-16 2471
python osmnx包
windows下安装OSMnx用于处理OSM数据
热门推荐
fancychuan的博客
04-01 1万+
安装方法： 1. 使用conda（anaconda自带的包管理器，强烈建议按照anaconda作为python开发环境）。 conda install -c conda-forge osmnx 注意这个命名是直接在当前的conda环境下安装的，会对当前环境的anaconda各种包做更改，强烈建议创建一个虚拟环境安装osmnx。详细步骤如下： 【完整安装过程】 # 1. 创建...
Openstreatmap + osmnx库 + QGIS + PostGIS
请叫我少爷的博客
03-20 1206
地图数据的获取 Openstreatmap 官网提供了开源的地图数据，具体下载方法自行百度。 python环境下的osmnx库提供了对Openstreatmap 数据的多种操作方法，无需下载，操作方便。建议使用anaconda安装osmnx库，一键安装省时省力。 下面就介绍一下osmnx库的简单使用，https://github.com/gboeing/osmnx-examples具体参考官方e...
python osmnx
08-15
Python OSMnx 是一个用于处理 OpenStreetMap 数据的 Python 包。它提供了一组功能强大的工具，可用于下载、分析和可视化 OpenStreetMap 数据，以及从中提取有关道路、网络、地理位置和其他空间属性的信息。 使用 OSMnx，你可以通过指定城市名称、地点名称或坐标来下载 OpenStreetMap 数据，并将其转换为 NetworkX 图对象。然后，可以使用 OSMnx 提供的方法来分析网络结构、计算节点和边缘的属性，以及执行网络分析任务，如路径规划、最短路径计算等。 此外，OSMnx 还提供了用于绘制地图和可视化网络的功能，以及用于获取地理位置数据和地理编码的工具。 你可以通过在 Python 中安装 OSMnx 来开始使用它。可以使用以下命令安装： ``` pip install osmnx ``` 安装完成后，你就可以在 Python 中导入 OSMnx 并开始使用它了。希望这可以回答你的问题！如果有任何进一步的问题，请随时提问。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 10
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

源代码杀手

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值