灵魂拷问：假期郊游，哪些地方距离远，且离家近？

最新推荐文章于 2024-10-29 16:30:52 发布

大鹏教你玩数据

最新推荐文章于 2024-10-29 16:30:52 发布

阅读量234

点赞数

分类专栏： python

本文链接：https://blog.csdn.net/weixin_44617975/article/details/89844755

版权

python 专栏收录该内容

15 篇文章 0 订阅

订阅专栏

“没有私人飞机也能任性畅玩？”

故事的起因是这样的:上个周末我进行了快乐郊游，回程时不出意外又双叒叕被堵在路上。

大塞车时我跟朋友聊天：

哼！我们技术宅可是有尊严的！没有私人飞机，照样可以快乐游玩！在五一假期来临之际，本着造福人类的心，我跟大家分享一下我的旅行计划：
我的目标：以上海为出发地，找到限定通行时间单程3小时以内的一日游目的地。
计划过程：

从哪儿出发，到哪儿去？

首先，OD问题——从哪出发，到哪里去？一份全国各城市经纬度坐标数据闪亮登场。

然后，对数据进行简单的排列组合，以上海为起点，其他城市为终点，制作一张OD表。使用python，写几行代码，主要逻辑是遍历，再重新排列组合，so easy!

import pandas as pdcity = pd.read_excel('中国城市经纬度.xlsx')l = []for ocity, olng, olat in zip(city['name'],city['lng'],city['lat']):    for dcity, dlng, dlat in zip(city['name'],city['lng'],city['lat']):        l.append([ocity,olng,olat,dcity,dlng,dlat])data = pd.DataFrame(l,columns=['ocity','olng','olat','dcity','dlng','dlat'])data = data[data['ocity']=='上海']data = data[data['dcity']!='上海']data.to_csv('上海城市联系表.csv',encoding='gbk',index=0)

（完整代码和数据见文末）

整理后，结果是这样的。

两者的通行时间？

有了OD联系表后，问题又来了，我如何知道两者的通行时间？有一个简单的办法：高德地图一个个查呗！

当然，如果你参加过数据分析师微专业课程，掌握python，就会知道这其实有更高效的批量解决方案。高德提供API接口，地图查询显示的数据都能通过API得到。我们打开路径规划API文档。

可以发现它支持各种交通方式，步行，骑车，公交（不包括飞机，包括高铁），驾车。接口说明清晰明了，字段丰富多样，以供选择。

所以，让我们一起coding吧。

import requestsimport pandas as pdfrom tqdm import tqdmAK = '引号中输入您的高德地图开放平台秘钥'def createUrl(gd_ak):    transitUrl = 'https://restapi.amap.com/v3/direction/transit/integrated?key={}&'.format(gd_ak)    driveUrl = 'https://restapi.amap.com/v3/direction/driving?key={}&'.format(gd_ak)    return transitUrl,driveUrldef transit(url,origin,destination,city,cityd):    api = url + 'origin=' + origin + '&destination=' + destination + '&city=' + city + '&cityd=' + cityd    callback = requests.get(api).json()['route']['transits']    minutes = []    for tra in callback:        dur = float(tra['duration'])        minutes.append(dur)        minimum_time = min(minutes)    return minimum_timedef drive(url,origin,destination,city,cityd):    api = url + 'origin=' + origin + '&destination=' + destination + '&city=' + city + '&cityd=' + cityd + '&strategy=0'    callback = requests.get(api).json()['route']['paths'][0]    duration = callback['duration']    return durationdef run(data_path,ak):    transitUrl, driveUrl = createUrl(ak)    data = pd.read_csv(data_path,engine='python')    l = []    for olng,olat,dlng,dlat,ocity,dcity in tqdm(zip(data['olng'],data['olat'],data['dlng'],                                               data['dlat'],data['ocity'],data['dcity'])):        origin = str(olng) + ',' + str(olat)        destination = str(dlng) + ',' + str(dlat)        try:            minimum_time = transit(transitUrl,origin,destination,ocity,dcity)        except:            minimum_time = None        try:            duration = drive(driveUrl,origin,destination,ocity,dcity)        except:            duration = None        l.append([ocity,dcity,olng,olat,dlng,dlat,minimum_time,duration])        result = pd.DataFrame(l,columns=['出发城市','到达城市',                                         '出发城市经度','出发城市纬度',                                         '到达城市经度','到达城市纬度',                                         '公交最小花费时间','驾车最小花费时间'])        result.to_csv('./通行时间表.csv',index=0,encoding='gbk')def main():    run('./上海城市联系表.csv',AK)if __name__ == '__main__':    main()

非常简单的流程，我们只抓取公交和驾车两种出行方式通行时间。

下载数据结果如下：

既然有数据了，我们先来做一下简单的分析。

我们比较同一段OD，驾车和公交两种出行方式所需时间，发现绝大多数城市，使用公交出行，耗时较短。公交在城际间主要方式是火车。可见高铁对减少出行时间有着显著作用。

再来看看驾车和公交两种交通方式出行，所花时间的分布。

可见，公交出行，绝大多地方都能在15小时内可达，而驾车就未必了。

三小时可达的城市有哪些？

回到正题，我们先提取从上海出发，三小时内可达的城市列表。

import pandas as pddata = pd.read_csv('通行时间表.csv',engine='python')data_tra = data[data['公交最小花费时间']<=10800]data_drive = data[data['驾车最小花费时间']<=10800]data_tra.to_csv('公交3小时可达城市.csv',index=0,encoding='gbk')data_drive.to_csv('驾车3小时可达城市.csv',index=0,encoding='gbk')

在噼里啪啦30秒coding之后，结果出现了。