Python通过高德API获取全国省市区行政区边界

引文

由于项目需求，需要获取全国的省市区三级行政区边界。而随着历史变迁和各种人文、政治、发展、规划等因素，各级行政区的辖区都在发生变化，那么对于静态的行政边界矢量包很有可能会由于时效性导致无法及时更新而出现偏差。本文使用Python通过高德API实时获取全国省市区三级行政区的边界，可以保证准确性和时效性的要求。

1. 导入相关依赖库

import requests
import pandas as pd
import json
from tqdm import tqdm

2. 获取省市区三级行政区边界数据

# 查询当前行政区及下三级行政区
def search_district(keywords):
    key = 'xxxxxxxxxx'  # 替换为你的高德API key
    url = 'https://restapi.amap.com/v3/config/district'
    params = {'keywords': keywords, 'subdistrict':3, 'extensions':'all', 'key': key}
    headers={'User-Agent':'Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/94.0.4606.81 Safari/537.36'}
    response = requests.get(url=url, params=params, headers=headers, timeout=3)
    res = json.loads(response.text)['districts']
    return res

# 获取省市区三级行政区划分信息
data = search_district('中华人民共和国')
concat_list = []
def process_data(data):
    df_tmp = pd.DataFrame(data)
    concat_list.append(df_tmp)
    for area in data:
        if area['districts'] == []:
            continue
        df_tmp = pd.DataFrame(area['districts'])
        concat_list.append(df_tmp)
        process_data(area['districts'])
process_data(data)
df = pd.concat(concat_list).drop_duplicates(subset='adcode')

# 获取polyline和下属行政区划分
concat_list_2 = [pd.DataFrame(search_district(adcode)) for adcode in tqdm(df['adcode'].values)]
df2 = pd.concat(concat_list_2).drop_duplicates(subset='adcode').drop(columns=['districts']).sort_values(by='adcode').reset_index(drop=True)
df2.to_json(path_or_buf='高德中国省市区行政边界数据.json',orient="records",force_ascii=False)

运行结果：

文件保存为json格式，因为由于边界数据过长，若保存为csv或xlsx表格文件格式，会发生数据截断而造成数据丢失，而在json格式下可以保证数据的完整性。

3. 展示边界形状

from shapely import wkt

def polyline2polygon(polyline):       #  将polyline转化为polygon格式
    if '|' in polyline:
        poly_list = polyline.split('|')
        return 'MULTIPOLYGON(' + ','.join(map(lambda x:'(('+x.replace(',',' ').replace(';',',')+'))',poly_list)) + ')'
    else:
        return 'POLYGON((' + polyline.replace(',',' ').replace(';',',') + '))'

# 北京市行政区边界
polyline = df2['polyline'].values[1]
polygon = polyline2polygon(polyline)
wkt.loads(polygon)