脚本之家 服务器常用软件
快捷导航
您的位置：首页 → 脚本专栏 → python → Python 绘制全国鸿星尔克门店分布图

用 Python 绘制全国鸿星尔克门店分布图

 更新时间：2022年01月26日 09:54:05   作者： Python学习与数据挖掘   
这篇文章主要介绍了用 Python 绘制全国鸿星尔克门店分布图，今天就以某度地图 用Python爬虫看一下全国到底有多少家鸿星尔克门店，,需要的朋友可以参考一下

1、需求分析

首先我们打开地图搜索“鸿星尔克”：

复制该链接到浏览器，发现这是一个json格式的数据集。我们所需要的省份和对应数量还有各个城市对应的数量都在其中。

2、发送请求

我们首先模拟浏览器来发送请求获取到这个json数据集，然后获取各个城市鸿星尔克门店及其对应数量 。

url = 'https://map.baidu.com/?newmap=1&reqflag=pcmap&biz=1&from=webmap&da_par=baidu&pcevaname=pc4.1&qt=s&da_src=searchBox.button&wd=%E9%B8%BF%E6%98%9F%E5%B0%94%E5%85%8B&c=1&src=0&wd2=&pn=0&sug=0&l=5&b=(7854419.220000001,831323.8799999999;15358291.22,8507227.879999999)&from=webmap&biz_forward={%22scaler%22:1,%22styles%22:%22pl%22}&sug_forward=&auth=yER4N%40Rwcw0cBSVCeS%3DdQBAfLdF6agFfuxLzNBVHVHRtxZhQxjh%40wWvvYgP1PcGCgYvjPuVtvYgPMGvgWv%40uVtvYgPPxRYuVtvYgP%40vYZcvWPCuVtvYgP%40ZPcPPuVtvYgPhPPyheuVtcvY1SGpuRtDpnSCE%40%40By1uVtCGYuVt1GgvPUDZYOYIZuVt1cv3uVtGccZcuVtPWv3GuBtR9KxXwPYIUvhgMZSguxzBEHLNRTVtcEWe1GD8zv7u%40ZPuVtc3CuVteuEthjzgjyBODQEYHUHBxfiKKvMuxcc%40AJ&seckey=cde6ebb241c3d75c675c8688828640edba33c570fc006f6ccdee864f2e95d88033fc19e794fee19c2417a6953ba260f3e91efa7e82cbc9c45b5854aec79ce924b08cce22526301f3a8c80710ebb635e73f5eccb560ee1dc38add2dfc793843279646449563fa4547850c144c3838de6fb1efaab7253aa6e99c1de56b4ddbad3905f480e4d46e5414c519465f08bedee98acac8fc7d2f84f413b041287538b09a811ee347b66a4c2c948f2ffa2f6e7674e0c5cb2b6407b610181af9064f870280fd7053482a91caa7cb762068ea41c4bb7bd2f7899f81a2ba5ab3fde28503a6fdc54b0fdee52cc2d02da76e1a4f1b4745&device_ratio=1&tn=B_NORMAL_MAP&nn=0&ie=utf-8&t=1627305062813'

    headers = {
        'Cookie': 'BIDUPSID=5FDDBE7E96E9CA6D71998093E123403A; PSTM=1627225875; BAIDUID=F934E08738623DF508F108DEF391CFB9:FG=1; BDORZ=B490B5EBF6F3CD402E515D22BCDA1598; BCLID_BFESS=8512773460870798959; BDSFRCVID_BFESS=5UPOJeC62l07libepqHRKmSPxe5rbsOTH6aoyt6boQjiS8lguPwkEG0PHf8g0Ku-S2EqogKKy2OTH9DF_2uxOjjg8UtVJeC6EG0Ptf8g0M5; H_BDCLCKID_SF_BFESS=tJk8_DPbJK-3fP36q4cBb-4WhmT22-us3g7W2hcH0b61EnR_XRQcbJ8LQ-Qi2lJTMITiaKJjBMb1DbRMLfjN5TODKf-DKb3pWDTm_q5TtUJMeCnTDMRh-l04XNbyKMnitIv9-pPKWhQrh459XP68bTkA5bjZKxtq3mkjbPbDfn028DKuDj-WDjJ0DGRf-b-X-I6b0nRH-njfebRNq4nKbICShG4tLlO9WDTm_DostI3SjJoNKbQ10xPD0n3OK6QHKj79-pPKKR7BfKQPhpQ8MqJbhMJtQnbW3mkjbpnDfn02OPKz0T5pKt4syPR8JfRnWn5RKfA-b4ncjRcTehoM3xI8LNj405OTbIFO0KJzJCcjqR8ZDTuBj55P; __yjs_duid=1_695635cb727c238e28cd4254a28a7a0e1627258379781; BAIDUID_BFESS=F934E08738623DF508F108DEF391CFB9:FG=1; __yjs_st=2_NDRiODllYWQzMjBiMzFhYTlmYWVjZTE4NjFkZTM5MmMwODhlZDE0MjVkYWVmMjIzMzc3MWI2Y2RlOTNkMWJkNDBhNmE2YTIyMTJlZjg0ODJiNzk0NDY2NTYxY2NkOGY5YjM5ODViMDAyZjAwY2E0MThjODUyMGM0N2JiMmEyZGEyMTA4ODdkNjViYjcwNDEwODhjNDkzNDg4YjQyMWNjYTI4ZjAzZDllYTg3YjE3ZDRiYWNlMmJkMzc3YjE1OGU5NWU4NjM3YWQxMjkwNDVkMmMyZTM1YTQ5ODgxNTA4ZjE3MDk2YTYwODg5MmY5ZTZlMmYxZGQ5ZTU1OTdkZGYxZV83X2VhYjhlOWZi; H_PS_PSSID=34300_34100_33969_34272_31254_33848_34282_26350_22158; delPer=0; PSINO=3; BA_HECTOR=002h218g2ka58g0lhq1gftcs10r; ab_sr=1.0.1_ZWRlNDJiMzk0ZWQ3YzZmYzgxMmQzOTIyZDBlN2FjZTIxNjIzODliZWE4MzZjZGEwZTBiMTIzNGRmNDhiYmM2NTJhZjI0ZjBkNTFlMjg4MWYxYmY3ZDMzMGVkNmQ1NTNhMDVkN2I1ZGViMDY2ZjBlNWJmOTk4NTBhZGIwOGU4OTg5YzNiM2QwZjVhMTFkYmQ0ODU2NTJkYzNkZmI0ZjI1MA==; PMS_JT=%28%7B%22s%22%3A1627305057015%2C%22r%22%3A%22https%3A//map.baidu.com/@11606355.22%2C4669275.88%2C5.4z%22%7D%29',
        'Referer': 'https://map.baidu.com/search/%E9%B8%BF%E6%98%9F%E5%B0%94%E5%85%8B/@11606355.22,4669275.88,5z?querytype=s&da_src=shareurl&wd=%E9%B8%BF%E6%98%9F%E5%B0%94%E5%85%8B&c=1&src=0&pn=0&sug=0&l=5&b=(6569474.192744261,1360353.0162781863;12256345.744431017,7177600.4441499)&from=webmap&biz_forward=%7B%22scaler%22:1,%22styles%22:%22pl%22%7D&seckey=cde6ebb241c3d75c675c8688828640edba33c570fc006f6ccdee864f2e95d88033fc19e794fee19c2417a6953ba260f3e91efa7e82cbc9c45b5854aec79ce924b08cce22526301f3a8c80710ebb635e73f5eccb560ee1dc38add2dfc793843279646449563fa4547850c144c3838de6fb1efaab7253aa6e99c1de56b4ddbad3905f480e4d46e5414c519465f08bedee98acac8fc7d2f84f413b041287538b09a811ee347b66a4c2c948f2ffa2f6e7674e0c5cb2b6407b610181af9064f870280fd7053482a91caa7cb762068ea41c4bb7bd2f7899f81a2ba5ab3fde28503a6fdc54b0fdee52cc2d02da76e1a4f1b4745&device_ratio=1',
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/93.0.4573.0 Safari/537.36'
    }

    resp = requests.get(url, headers = headers)

    if resp.status_code == requests.codes.ok:
        print(resp.json())

获取相应信息如下：

接下来我们先来获取各个省份和对应的数量，因为咱们国家除了23个省还有直辖市等，所以我们要分步获取

中国共计34个省级行政区，包括23个省、5个自治区、4个直辖市、2个特别行政区。23个省分别为：河北省、山西省、辽宁省、吉林省、黑龙江省、江苏省、浙江省、安徽省、福建省、江西省、山东省、河南省、湖北省、湖南省、广东省、海南省、四川省、贵州省、云南省、陕西省、甘肃省、青海省、台湾省。
5个自治区分别为：内蒙古自治区、广西壮族自治区、西藏自治区、宁夏回族自治区、新疆维吾尔自治区。4个直辖市分别为：北京市、天津市、上海市、重庆市。2个特别行政区分别为：香港特别行政区、澳门特别行政区。

四个直辖市所在的位置是不同于其它城市的，分布如下：

我们将获取到的信息使用熊猫保存在省份的Excel中，代码如下：

    prov = []
    value = []

    # 获取四个直辖市
    hot_city = datas.json()['hot_city']
    for i in hot_city:
        pv = i.split('|')
        if '北京市' in pv[0]:
            prov.append(pv[0])
            value.append(pv[1])

        if '上海市' in pv[0]:
            prov.append(pv[0])
            value.append(pv[1])

        if '天津市' in pv[0]:
            prov.append(pv[0])
            value.append(pv[1])

        if '重庆市' in pv[0]:
            prov.append(pv[0])
            value.append(pv[1])

    # 打印出所有省份信息
    city_list = datas.json()['more_city']
    for item in city_list:
        # 获取鸿星尔克所在省份
        province = item['province']
        prov.append(province)

        # 获取鸿星尔克所在省份的数量
        prov_num = item['num']
        value.append(prov_num)


        pd_data = pd.DataFrame({
            '省份': prov,
            '数量':  value,
        })

    pd_data.to_excel('省份.xlsx')
    ic('省份信息打印完成！')

Excel存储省份数据如下：

同样的我们可以获取各个省份内具体城市的红鸿星尔克门店数量

所有城市信息包括热门城市+更多城市 两部分组成

city = []
    value = []

    # 获取四个直辖市
    hot_city = datas.json()['hot_city']
    for i in hot_city:
        pv = i.split('|')
        if '广州市' in pv[0]:
            city.append(pv[0])
            value.append(pv[1])

        if '成都市' in pv[0]:
            city.append(pv[0])
            value.append(pv[1])

        if '南京市' in pv[0]:
            city.append(pv[0])
            value.append(pv[1])

        if '杭州市' in pv[0]:
            city.append(pv[0])
            value.append(pv[1])

        if '武汉市' in pv[0]:
            city.append(pv[0])
            value.append(pv[1])

        if '深圳市' in pv[0]:
            city.append(pv[0])
            value.append(pv[1])

    # 打印出所有城市信息
    city_list = datas.json()['more_city']

    for item in city_list:
        cities = item['city']

        for i in cities:
            # 获取鸿星尔克所在省份的市区
            cit = i['name']
            city.append(cit)
            # 获取鸿星尔克所在省份的市区对应的数量
            city_num = i['num']
            value.append(city_num)

            pd_data = pd.DataFrame({
                '城市': city,
                '数量': value,
            })

            pd_data.to_excel('城市.xlsx')

    ic('城市信息打印完成！')

Excel存储城市数据如下：

3、数据处理

我们先要使用Pandas来读取并且清洗数据

主要就是去掉省份后面的’省’字和‘自治区’等

# 读取文件
    pd_data = pd.read_excel('省份.xlsx')

    prov = pd_data['省份'].tolist()
    prov_num = pd_data['数量'].tolist()

    name = []
    for i in prov:
        if "省" in i:
            name.append(i.replace('省', ''))
        elif '内蒙古自治区' in i:
            name.append(i.replace('自治区', ''))
        else:
            name.append(i[:2])
    ic(name)
    ic(prov)

    '''
    2021-07-27 20:50:50.752477|name: ['北京','上海','天津','重庆','广东','浙江','山东','江苏','河北','安徽','湖南','四川','福建','河南','内蒙古','山西','广西','贵州','黑龙江','湖北','云南','甘肃','辽宁','陕西','江西','吉林','上海','新疆','天津','宁夏','海南','西藏','青海']
2021-07-27 20:50:50.752477|prov: ['北京市','上海市','天津市','重庆市','广东省','浙江省','山东省','江苏省','河北省','安徽省','湖南省','四川省','福建省','河南省','内蒙古自治区','山西省','广西壮族自治区','贵州省','黑龙江省','湖北省','云南省','甘肃省','辽宁省','陕西省','江西省','吉林省','上海市','新疆维吾尔自治区','天津市','宁夏回族自治区','海南省','西藏自治区','青海省']
    '''

接下来我们使用pyecharts来可视化我们清洗过后的数据

map = (
      Map()
      .add("数量分布", [list(z) for z in zip(prov, prov_num)], "china")
      .set_global_opts(
      title_opts=opts.TitleOpts(title="鸿星尔克全国门店分布图"),
      visualmap_opts=opts.VisualMapOpts(max_=500, is_piecewise=True),
      )

  )
  map.render('省份.shtml')
  ic('省份分布图绘制完毕！')

效果图如下：

省份所在的各个城市图也是同理。我们就以门店最多的广东作为案例，你也可以选择任意省份哈

抓取数据->存储数据->处理数据->可视化数据最终效果如下:

数据可视化之后一目了然，比起看Excel更加赏心悦目。并且事半功倍。

到此这篇关于用 Python 绘制全国鸿星尔克门店分布图的文章就介绍到这了,更多相关 Python 绘制全国鸿星尔克门店分布图内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！

您可能感兴趣的文章:

相关文章

  • python绘图库Matplotlib的安装

    python绘图库Matplotlib的安装

    这篇文章主要介绍了python库绘图Matplotlib的安装,需要的朋友可以参考下
    2014-07-07
  • python使用protobufde的过程解析

    python使用protobufde的过程解析

    Google开源的一个序列化框架，类似于xml ， json。最大的特点是基于 二进制，比传统的xml表示同样的内容要短小很多。亦可定义一些可选字段，用于服务端与客户端通信
    2021-08-08
  • Python Series从0开始索引的方法

    Python Series从0开始索引的方法

    今天小编就为大家分享一篇Python Series从0开始索引的方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
    2018-11-11
  • python将中文数字转化成阿拉伯数字的简单方法

    python将中文数字转化成阿拉伯数字的简单方法

    这篇文章主要给大家介绍了关于python如何将中文数字转化成阿拉伯数字的相关资料，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
    2021-03-03
  • Python对图像进行灰度处理的代码介绍

    Python对图像进行灰度处理的代码介绍

    这篇文章主要给大家介绍了关于Python对图像进行灰度处理的相关资料,图像灰度化是将一幅彩色图像转换为灰度化图像的过程,文中通过代码介绍的非常详细,需要的朋友可以参考下
    2023-11-11
  • Python如何配置环境变量详解

    Python如何配置环境变量详解

    今天带大家学习python如何配置环境变量,文中有非常详细的步骤,对正在学习python的小伙伴们有很好地帮助,需要的朋友可以参考下
    2021-05-05
  • Python实现天气查询软件

    Python实现天气查询软件

    今天给大家带来一个不是那么实用的小工具-天气查询,文中详细介绍了如何实用Python实现天气查询系统,需要的朋友可以参考下
    2021-06-06
  • Python unittest工作原理和使用过程解析

    Python unittest工作原理和使用过程解析

    这篇文章主要介绍了Python unittest工作原理和使用过程解析,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
    2020-02-02
  • 如何使用python数据处理解决数据冲突和样本的选取

    如何使用python数据处理解决数据冲突和样本的选取

    这篇文章主要介绍了如何使用python数据处理解决数据冲突和样本的选取，其中主要包括 实际业务数据冲突、样本选取问题、数据共线性等思路
    2021-08-08
  • neo4j网址拒绝访问的问题及解决

    neo4j网址拒绝访问的问题及解决

    这篇文章主要介绍了neo4j网址拒绝访问的问题及解决,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教
    2024-02-02

最新评论