文章目录
文章转载自 Kimol 君，原文链接：https://blog.csdn.net/kimol_justdo/article/details/109709994
一、前言
就在今天，我感受到了来自堵车的深深恶意。没错！我今天被堵在路上近乎 3 个小时，美好的约会就这样化为泡影了。
我倒还真想看看这路到底能有多堵。于是，我爬取了各城市的拥堵数据，并进行了可视化：
特别说明：由于数据具有实时性，画图时已经过了高峰期，于是图上一片绿油油也并不奇怪。
有感兴趣的客官，您接着往下看，待我给您慢慢分解。（ps.涉及到爬虫、Pyecharts、Flask等）
二、爬取拥堵指数
某度智慧交通提供了各个城市的拥堵指数的数据，我们只需要通过几行代码便可轻松抓取：
# 获取各城市的拥堵指数
url = 'https://jiaotong.baidu.com/trafficindex/city/list' # 接口api
# 发送请求 获取返回的json数据
res = requests.get(url)
data = res.json()
其中，url为获取数据的接口地址，通过简单的抓包分析便能知道。 而data为返回后的数据，它包括很多字段，但是我们只需要提取其中的城市名和拥堵指数即可：
# 提取数据
citys = [i['cityname'] for i in data['data']['list']] # 提取城市名称
indexs = [float(i['index']) for i in data['data']['list']] # 提取对应的指数
获取到了数据，接下来我们就可以将其可视化展示出来。
三、数据可视化
利用数据可视化神器 Pyecharts 库绘制地图，将城市以及对应的拥堵指数展示出来。其安装如下：
pip install pyecharts -i http://pypi.douban.com/simple --trusted-host pypi.douban.com
import pyecharts
print(pyecharts.__version__) # 查看pyecharts版本
部分版本需要再安装相关的地图扩展包，方法如下：
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple echarts-countries-pypkg # 全球国家地图
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple echarts-china-provinces-pypkg # 中国省级地图
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple echarts-china-cities-pypkg # 中国市级地图
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple echarts-china-counties-pypkg # 中国县区级地图
首先初始化一个地图对象：
geo = Geo()
geo.add_schema(maptype = 'china') # 导入中国地图
添加数据并进行相关设置：
geo.add('各城市拥堵指数', zip(citys,indexs), type_ = 'effectScatter') # 设置地图类型及数据
geo.set_series_opts(label_opts = opts.LabelOpts(is_show = False)) # 设置是否显示标签
根据拥堵指数的大小进行分类，分别为畅通、缓行、拥堵、严重拥堵：
geo.set_global_opts(visualmap_opts = opts.VisualMapOpts(
#max_ = 2.5, # 用于连续表示
is_piecewise = True, # 是否分段
pieces = [{'min':1.0,'max':1.5,'label':'畅通','color':'#16CE95'},
{'min':1.5,'max':1.8,'label':'缓行','color':'#F79D06'},
{'min':1.8,'max':2.0,'label':'拥堵','color':'#D80304'},
{'min':2.0,'max':2.5,'label':'严重拥堵','color':'#8F0921'}])) # 设置图例显示
最后将地图保存为本地 html 文件
geo.render(path='各城市拥堵指数.html')
到这里，我们就得到了文章一开始看到的那张图~~
然而，由于拥堵数据是实时变化的，如果我每次都要去运行一次代码岂不是很麻烦？很显然，机智的*青年是不会这么做的，您接着往下看。
四、搭建展示网站
为了更加方便地将各城市拥堵情况展示出来，我决定搭建一个用于展示的网站。方法可以是各式各样的，在这里我选择了利用 Flask 框架，简单快捷~~
完整代码如下:
# -*- coding: utf-8 -*-
"""
Created on Sun Nov 15 01:34:36 2020
@author: kimol_love
@CSDN：https://blog.csdn.net/kimol_justdo?t=1
@原文链接：https://blog.csdn.net/kimol_justdo/article/details/109709994
"""
import requests
from pyecharts.charts import Geo
from pyecharts import options as opts
from flask import Flask, render_template
def get_data():
# 获取各城市的拥堵指数
url = 'https://jiaotong.baidu.com/trafficindex/city/list' # 接口api
# 发送请求 获取返回的json数据
res = requests.get(url)
data = res.json()
# 提取数据
citys = [i['cityname'] for i in data['data']['list']] # 提取城市名称
indexs = [float(i['index']) for i in data['data']['list']] # 提取对应的指数
# 返回数据 [(城市名1,拥堵指数1), (城市名2,拥堵指数2)...]
return zip(citys, indexs)
def get_geo():
# 获取城市拥堵指数数据
data = get_data()
# 绘制散点分布图
geo = Geo()
geo.add_schema(maptype='china') # 导入中国地图
geo.add('各城市拥堵指数 by kimol', list(data), type_='effectScatter') # 设置地图类型及数据
geo.set_series_opts(label_opts=opts.LabelOpts(is_show=False)) # 设置是否显示标签
geo.set_global_opts(visualmap_opts=opts.VisualMapOpts(
# max_ = 2.5, # 用于连续表示
is_piecewise=True, # 是否分段
pieces=[{'min': 1.0, 'max': 1.5, 'label': '畅通', 'color': '#16CE95'},
{'min': 1.5, 'max': 1.8, 'label': '缓行', 'color': '#F79D06'},
{'min': 1.8, 'max': 2.0, 'label': '拥堵', 'color': '#D80304'},
{'min': 2.0, 'max': 2.5, 'label': '严重拥堵', 'color': '#8F0921'}])) # 设置图例显示
# 返回地图对象
return geo
# 定义app
app = Flask(__name__)
# 定义主界面
@app.route("/")
def hello():
geo = get_geo()
# Flask模板渲染
return render_template('geo.html', mygeo=geo.render_embed())
if __name__ == "__main__":
# 运行项目
app.run()
五、写在最后
让大家瞅瞅这万恶的晚高峰：
Flask模板渲染 Pyecharts 绘制的图形可以参考官方文档：
https://pyecharts.org/#/zh-cn/web_flask
最后，感谢各位大大的耐心阅读，咋们下次再会~
创作不易，大侠请留步… 动起可爱的双手，来个赞再走呗 (๑◕ܫ￩๑)
作者：Kimol君
CSDN：https://blog.csdn.net/kimol_justdo?t=1
原文链接：https://blog.csdn.net/kimol_justdo/article/details/109709994