python地铁车票_Python分析3034个地铁站，发现中国地铁名字的秘密。

原标题：Python分析3034个地铁站，发现中国地铁名字的秘密。

最近看了新周刊的一篇推送，有关地铁名字的分析，链接如下。

我们分析了3447个地铁站，发现了中国城市地名的秘密

于是乎也想着自己去获取数据，然后进行分析一番。

当然分析水平不可能和他们的相比，毕竟文笔摆在那里，也就那点水平。

大家看着乐呵就好，能提高的估摸着也就只有数据的准确性啦。

文中所用到的地铁站数据并没有去重，对于换乘站，含有大量重复。

即使作者一直在强调换乘站占比很小，影响不是很大。

但于我而言，去除重复数据还是比较简单的。

然后照着人家的路子去分析，多学习一下。

/ 01 / 获取分析

地铁信息获取从高德地图上获取。

上面主要获取城市的「id」，「cityname」及「名称」。

用于拼接请求网址，进而获取地铁线路的具体信息。

找到请求信息，获取各个城市的地铁线路以及线路中站点详情。

/ 02 / 数据获取

具体代码如下。

importjson

importrequests

frombs4 importBeautifulSoup

headers = {'user-agent': 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.132 Safari/537.36'}

defget_message(ID, cityname, name):

"""

地铁线路信息获取

"""

url = 'http://map.amap.com/service/subway?_1555502190153&srhdata='+ ID + '_drw_'+ cityname + '.json'

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

html = response.text

result = json.loads(html)

fori inresult['l']:

forj ini['st']:

# 判断是否含有地铁分线

iflen(i['la']) > 0:

print(name, i['ln'] + '('+ i['la'] + ')', j['n'])

withopen('subway.csv', 'a+', encoding='gbk') asf:

f.write(name + ','+ i['ln'] + '('+ i['la'] + ')'+ ','+ j['n'] + 'n')

else:

print(name, i['ln'], j['n'])

withopen('subway.csv', 'a+', encoding='gbk') asf:

f.write(name + ','+ i['ln'] + ','+ j['n'] + 'n')

defget_city():

"""

城市信息获取

"""

url = 'http://map.amap.com/subway/index.html?&1100'

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

html = response.text

# 编码

html = html.encode('ISO-8859-1')

html = html.decode('utf-8')

soup = BeautifulSoup(html, 'lxml')

# 城市列表

res1 = soup.find_all(class_="city-list fl")[0]

res2 = soup.find_all(class_="more-city-list")[0]

fori inres1.find_all('a'):

# 城市ID值

ID = i['id']

# 城市拼音名

cityname = i['cityname']

# 城市名

name = i.get_text()

get_message(ID, cityname, name)

fori inres2.find_all('a'):

# 城市ID值

ID = i['id']

# 城市拼音名

cityname = i['cityname']

# 城市名

name = i.get_text()

get_message(ID, cityname, name)

if__name__ == '__main__':

get_city()

最后成功获取数据。

包含换乘站数据，一共3541个地铁站点。

/ 03 / 数据可视化

先对数据进行清洗，去除重复的换乘站信息。

fromwordcloud importWordCloud, ImageColorGenerator

frompyecharts importLine, Bar

importmatplotlib.pyplot asplt

importpandas aspd

importnumpy asnp

importjieba

# 设置列名与数据对齐

pd.set_option('display.unicode.ambiguous_as_wide', True)

pd.set_option('display.unicode.east_asian_width', True)

# 显示10行

pd.set_option('display.max_rows', 10)

# 读取数据

df = pd.read_csv('subway.csv', header=None, names=['city', 'line', 'station'], encoding='gbk')

# 各个城市地铁线路情况

df_line = df.groupby(['city', 'line']).count().reset_index()

print(df_line)

通过城市及地铁线路进行分组，得到全国地铁线路总数。

一共183条地铁线路。

defcreate_map(df):

# 绘制地图

value = [i fori indf['line']]

attr = [i fori indf['city']]

geo = Geo("已开通地铁城市分布情况", title_pos='center', title_top='0', width=800, height=400, title_color="#fff", background_color="#404a59", )

geo.add("", attr, value, is_visualmap=True, visual_range=[0, 25], visual_text_color="#fff", symbol_size=15)

geo.render("已开通地铁城市分布情况.html")

defcreate_line(df):

"""

生成城市地铁线路数量分布情况

"""

title_len = df['line']

bins = [0, 5, 10, 15, 20, 25]

level = ['0-5', '5-10', '10-15', '15-20', '20以上']

len_stage = pd.cut(title_len, bins=bins, labels=level).value_counts().sort_index()

# 生成柱状图

attr = len_stage.index

v1 = len_stage.values

bar = Bar("各城市地铁线路数量分布", title_pos='center', title_top='18', width=800, height=400)

bar.add("", attr, v1, is_stack=True, is_label_show=True)

bar.render("各城市地铁线路数量分布.html")

# 各个城市地铁线路数

df_city = df_line.groupby(['city']).count().reset_index().sort_values(by='line', ascending=False)

print(df_city)

create_map(df_city)

create_line(df_city)

已经开通地铁的城市数据，还有各个城市的地铁线路数。

一共32个城市开通地铁，其中北京、上海线路已经超过了20条。

城市分布情况。

大部分都是省会城市，还有个别经济实力强的城市。

线路数量分布情况。

可以看到大部分还是在「0-5」这个阶段的，当然最少为1条线。

# 哪个城市哪条线路地铁站最多

print(df_line.sort_values(by='station', ascending=False))

探索一下哪个城市哪条线路地铁站最多。

北京10号线第一，重庆3号线第二。

还是蛮怀念北京1张票，2块钱地铁随便做的时候。

可惜好日子一去不复返了。

去除重复换乘站数据。

# 去除重复换乘站的地铁数据

df_station = df.groupby(['city', 'station']).count().reset_index()

print(df_station)

一共包含3034个地铁站，相较新周刊中3447个地铁站数据。

减少了近400个地铁站。

接下来看一下哪个城市地铁站最多。

# 统计每个城市包含地铁站数(已去除重复换乘站)

print(df_station.groupby(['city']).count().reset_index().sort_values(by='station', ascending=False))

32个城市，上海第一，北京第二。

没想到的是，武汉居然有那么多地铁站。

现在来实现一下新周刊中的操作，生成地铁名词云。

defcreate_wordcloud(df):

"""

生成地铁名词云

"""

# 分词

text = ''

forline indf['station']:

text += ' '.join(jieba.cut(line, cut_all=False))

text += ' '

backgroud_Image = plt.imread('rocket.jpg')

wc = WordCloud(

background_color='white',

mask=backgroud_Image,

font_path='C:WindowsFonts华康俪金黑W8.TTF',

max_words=1000,

max_font_size=150,

min_font_size=15,

prefer_horizontal=1,

random_state=50,

)

wc.generate_from_text(text)

img_colors = ImageColorGenerator(backgroud_Image)

wc.recolor(color_func=img_colors)

# 看看词频高的有哪些

process_word = WordCloud.process_text(wc, text)

sort = sorted(process_word.items(), key=lambdae: e[1], reverse=True)

print(sort[:50])

plt.imshow(wc)

plt.axis('off')

wc.to_file("地铁名词云.jpg")

print('生成词云成功!')

create_wordcloud(df_station)

词云图如下。

广场、大道、公园占了前三，和新周刊的图片一样，说明分析有效。

words = []

forline indf['station']:

fori inline:

# 将字符串输出一个个中文

words.append(i)

defall_np(arr):

"""

统计单字频率

"""

arr = np.array(arr)

key = np.unique(arr)

result = {}

fork inkey:

mask = (arr == k)

arr_new = arr[mask]

v = arr_new.size

result[k] = v

returnresult

defcreate_word(word_message):

"""

生成柱状图

"""

attr = [j[0] forj inword_message]

v1 = [j[1] forj inword_message]

bar = Bar("中国地铁站最爱用的字", title_pos='center', title_top='18', width=800, height=400)

bar.add("", attr, v1, is_stack=True, is_label_show=True)

bar.render("中国地铁站最爱用的字.html")

word = all_np(words)

word_message = sorted(word.items(), key=lambdax: x[1], reverse=True)[:10]

create_word(word_message)

统计一下，大家最喜欢用什么字来命名地铁。

路最多，在此之中上海的占比很大。

不信往下看。

# 选取上海的地铁站

df1 = df_station[df_station['city'] == '上海']

print(df1)

统计上海所有的地铁站，一共345个。

选取包含路的地铁站。

# 选取上海地铁站名字包含路的数据

df2 = df1[df1['station'].str.contains('路')]

print(df2)

有210个，约占上海地铁的三分之二，路的七分之二。

看来上海对路是情有独钟的。

具体缘由这里就不解释了，详情见新周刊的推送，里面还是讲解蛮详细的。

武汉和重庆则是对家这个词特别喜欢。

标志着那片土地开拓者们的籍贯与姓氏。

# 选取武汉的地铁站

df1 = df_station[df_station['city'] == '武汉']

print(df1)

# 选取武汉地铁站名字包含家的数据

df2 = df1[df1['station'].str.contains('家')]

print(df2)

# 选取重庆的地铁站

df1 = df_station[df_station['city'] == '重庆']

print(df1)

# 选取重庆地铁站名字包含家的数据

df2 = df1[df1['station'].str.contains('家')]

print(df2)

武汉共有17个，重庆共有20个。

看完家之后，再来看一下名字包含门的地铁站。

defcreate_door(door):

"""

生成柱状图

"""

attr = [j forj indoor['city'][:3]]

v1 = [j forj indoor['line'][:3]]

bar = Bar("地铁站最爱用“门”命名的城市", title_pos='center', title_top='18', width=800, height=400)

bar.add("", attr, v1, is_stack=True, is_label_show=True, yaxis_max=40)

bar.render("地铁站最爱用门命名的城市.html")

# 选取地铁站名字包含门的数据

df1 = df_station[df_station['station'].str.contains('门')]

# 对数据进行分组计数

df2 = df1.groupby(['city']).count().reset_index().sort_values(by='line', ascending=False)

print(df2)

create_door(df2)

一共有21个城市，地铁站名包含门。

其中北京，南京，西安作为多朝古都，占去了大部分。

具体的地铁站名数据。

# 选取北京的地铁站

df1 = df_station[df_station['city'] == '北京']

# 选取北京地铁站名字包含门的数据

df2 = df1[df1['station'].str.contains('门')]

print(df2)

# 选取南京的地铁站

df1 = df_station[df_station['city'] == '南京']

# 选取南京地铁站名字包含门的数据

df2 = df1[df1['station'].str.contains('门')]

print(df2)

# 选取西安的地铁站

df1 = df_station[df_station['city'] == '西安']

# 选取西安地铁站名字包含门的数据

df2 = df1[df1['station'].str.contains('门')]

print(df2)

输出如下。

责任编辑：