知識星球
於是乎也想著自己去獲取資料，然後進行分析一番。
分析水平或許不能和他們的相比，但能提高資料的準確性。那篇文章中所用到的地鐵站資料並沒有去重，對於換乘站，含有大量重覆。即使作者一直在強調換乘站佔比很小，影響不是很大。
但於我而言，去除重覆資料還是比較簡單的。
然後照著人家的路子去分析，學習一下思路。
作者：小F
來源：法納斯特（ID：walker398）
01 獲取分析
地鐵資訊獲取從高德地圖上獲取。
上面主要獲取城市的「id」「cityname」及「名稱」。
用於拼接請求網址，進而獲取地鐵線路的具體資訊。
找到請求資訊，獲取各個城市的地鐵線路以及線路中站點詳情。
02 資料獲取
具體程式碼如下。
import json
import requests
from bs4 import BeautifulSoup
essay-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'}
def get_message(ID, cityname, name):
"""
地鐵線路資訊獲取
"""
url = 'http://map.amap.com/service/subway?_1555502190153&srhdata;=' + ID + '_drw_' + cityname + '.json'
response = requests.get(url=url, essay-headers=essay-headers)
html = response.text
result = json.loads(html)
for i in result['l']:
for j in i['st']:
# 判斷是否含有地鐵分線
if len(i['la']) > 0:
print(name, i['ln'] + '(' + i['la'] + ')', j['n'])
with open('subway.csv', 'a+', encoding='gbk') as f:
f.write(name + ',' + i['ln'] + '(' + i['la'] + ')' + ',' + j['n'] + '\n')
else:
print(name, i['ln'], j['n'])
with open('subway.csv', 'a+', encoding='gbk') as f:
f.write(name + ',' + i['ln'] + ',' + j['n'] + '\n')
def get_city():
"""
城市資訊獲取
"""
url = 'http://map.amap.com/subway/index.html?&1100'
response = requests.get(url=url, essay-headers=essay-headers)
html = response.text
# 編碼
html = html.encode('ISO-8859-1')
html = html.decode('utf-8')
soup = BeautifulSoup(html, 'lxml')
# 城市串列
res1 = soup.find_all(class_="city-list fl")[0]
res2 = soup.find_all(class_="more-city-list")[0]
for i in res1.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)
for i in res2.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()
最後成功獲取資料。
包含換乘站資料，一共3541個地鐵站點。
03 資料視覺化
先對資料進行清洗，去除重覆的換乘站資訊。
from wordcloud import WordCloud, ImageColorGenerator
from pyecharts import Line, Bar
import matplotlib.pyplot as plt
import pandas as pd
import numpy as np
import jieba
# 設定列名與資料對齊
pd.set_option('display.unicode.ambiguous_as_wide', True)
pd.set_option('display.unicode.east_asian_width', True)
# 顯示10行
pd.set_option('display.max_rows', 10)
# 讀取資料
df = pd.read_csv('subway.csv', essay-header=None, names=['city', 'line', 'station'], encoding='gbk')
# 各個城市地鐵線路情況
df_line = df.groupby(['city', 'line']).count().reset_index()
print(df_line)
透過城市及地鐵線路進行分組，得到全國地鐵線路總數。
一共183條地鐵線路。
def create_map(df):
# 繪製地圖
value = [i for i in df['line']]
attr = [i for i in df['city']]
geo = Geo("已開通地鐵城市分佈情況", 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("已開通地鐵城市分佈情況.html")
def create_line(df):
"""
生成城市地鐵線路數量分佈情況
"""
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()
# 生成柱狀圖
attr = len_stage.index
v1 = len_stage.values
bar = Bar("各城市地鐵線路數量分佈", title_pos='center', title_top='18', width=800, height=400)
bar.add("", attr, v1, is_stack=True, is_label_show=True)
bar.render("各城市地鐵線路數量分佈.html")
# 各個城市地鐵線路數
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)
已經開通地鐵的城市資料，還有各個城市的地鐵線路數。
一共32個城市開通地鐵，大部分都是省會城市，還有個別經濟實力強的城市。其中北京、上海線路已經超過了20條。
線路數量分佈情況。
可以看到大部分還是在「0-5」這個階段的，當然最少為1條線。
# 哪個城市哪條線路地鐵站最多
print(df_line.sort_values(by='station', ascending=False))
探索一下哪個城市哪條線路地鐵站最多。
北京10號線第一，重慶3號線第二。
還是蠻懷念北京1張票，2塊錢地鐵隨便做的時候。
可惜好日子一去不復返了。
去除重覆換乘站資料。
# 去除重覆換乘站的地鐵資料
df_station = df.groupby(['city', 'station']).count().reset_index()
print(df_station)
一共包含3034個地鐵站，相較新週刊中3447個地鐵站資料，減少了近400個地鐵站。
接下來看一下哪個城市地鐵站最多。
# 統計每個城市包含地鐵站數(已去除重覆換乘站)
print(df_station.groupby(['city']).count().reset_index().sort_values(by='station', ascending=False))
32個城市，上海第一，北京第二。沒想到的是，武漢居然有那麼多地鐵站。
現在來實現一下新週刊中的操作，生成地鐵名詞雲。
def create_wordcloud(df):
"""
生成地鐵名詞雲
"""
# 分詞
text = ''
for line in df['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:\Windows\Fonts\華康儷金黑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)
# 看看詞頻高的有哪些
process_word = WordCloud.process_text(wc, text)
sort = sorted(process_word.items(), key=lambda e: e[1], reverse=True)
print(sort[:50])
plt.imshow(wc)
plt.axis('off')
wc.to_file("地鐵名詞雲.jpg")
print('生成詞雲成功!')
create_wordcloud(df_station)
詞雲圖如下。
廣場、大道、公園佔了前三，和新週刊的圖片一樣，說明分析有效。
words = []
for line in df['station']:
for i in line:
# 將字串輸出一個個中文
words.append(i)
def all_np(arr):
"""
統計單字頻率
"""
arr = np.array(arr)
key = np.unique(arr)
result = {}
for k in key:
mask = (arr == k)
arr_new = arr[mask]
v = arr_new.size
result[k] = v
return result
def create_word(word_message):
"""
生成柱狀圖
"""
attr = [j[0] for j in word_message]
v1 = [j[1] for j in word_message]
bar = Bar("中國地鐵站最愛用的字", title_pos='center', title_top='18', width=800, height=400)
bar.add("", attr, v1, is_stack=True, is_label_show=True)
bar.render("中國地鐵站最愛用的字.html")
word = all_np(words)
word_message = sorted(word.items(), key=lambda x: x[1], reverse=True)[:10]
create_word(word_message)
統計一下，大家最喜歡用什麼字來命名地鐵。
路最多，其中上海的佔比很大。
不信往下看。
# 選取上海的地鐵站
df1 = df_station[df_station['city'] == '上海']
print(df1)
統計上海所有的地鐵站，一共345個。
選取包含路的地鐵站。
# 選取上海地鐵站名字包含路的資料
df2 = df1[df1['station'].str.contains('路')]
print(df2)
有210個，約占上海地鐵的三分之二，路的七分之二。
看來上海對路是情有獨鐘的。
具體緣由這裡就不解釋了，詳情見新週刊的推送，裡面還是講解蠻詳細的。
武漢和重慶則是對家這個詞特別喜歡。標志著那片土地開拓者們的籍貫與姓氏。
# 選取武漢的地鐵站
df1 = df_station[df_station['city'] == '武漢']
print(df1)
# 選取武漢地鐵站名字包含家的資料
df2 = df1[df1['station'].str.contains('家')]
print(df2)
# 選取重慶的地鐵站
df1 = df_station[df_station['city'] == '重慶']
print(df1)
# 選取重慶地鐵站名字包含家的資料
df2 = df1[df1['station'].str.contains('家')]
print(df2)
武漢共有17個，重慶共有20個。
看完家之後，再來看一下名字包含門的地鐵站。
def create_door(door):
"""
生成柱狀圖
"""
attr = [j for j in door['city'][:3]]
v1 = [j for j in door['line'][:3]]
bar = Bar("地鐵站最愛用“門”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("地鐵站最愛用門命名的城市.html")
# 選取地鐵站名字包含門的資料
df1 = df_station[df_station['station'].str.contains('門')]
# 對資料進行分組計數
df2 = df1.groupby(['city']).count().reset_index().sort_values(by='line', ascending=False)
print(df2)
create_door(df2)
一共有21個城市，地鐵站名包含門。
其中北京，南京，西安作為多朝古都，佔去了大部分。
具體的地鐵站名資料。
# 選取北京的地鐵站
df1 = df_station[df_station['city'] == '北京']
# 選取北京地鐵站名字包含門的資料
df2 = df1[df1['station'].str.contains('門')]
print(df2)
# 選取南京的地鐵站
df1 = df_station[df_station['city'] == '南京']
# 選取南京地鐵站名字包含門的資料
df2 = df1[df1['station'].str.contains('門')]
print(df2)
# 選取西安的地鐵站
df1 = df_station[df_station['city'] == '西安']
# 選取西安地鐵站名字包含門的資料
df2 = df1[df1['station'].str.contains('門')]
print(df2)
輸出如下。
04 總結
原始碼及相關檔案已上傳GitHub，連結：
https://github.com/Tobby-star/subway_analysis
這裡摘一段新週刊的話。
可以說，一個小小的地鐵名就是一座城市風貌的一部分。它反映著不同地方的水土，也承載著各個城市的文化和歷史。
確實如此，靠山的城市地鐵名多“山”，靠水的城市地鐵名“含水量”則是槓槓的。
朋友會在“發現-看一看”看到你“在看”的內容