有须要Python学习资料的小伙伴吗?
（1）初始数据：csv格式的数据表格
初始数据为2017年1月70个大中城市新建住宅价格指数同比值，直接从国家统计局网站公布的数据copy过来（下图），数据已整理好，为两列（城市city、房价指数price），并保存为csv格式。在实际中，我们常常通过爬取网站上万条地区数据并存为csv格式来剖析，在这里为简化流程，初始数据来源直接copy已有数据。
（2）城市转换成经纬度第一步：注册密钥
在百度舆图api上干系位置的展现因此经纬度为根本的（这里暂不先容百度舆图坐标体系与其他舆图的差异），如北京，其经度（longitude）为：116.395645，纬度（latitude）为：39.929986，在这里既须要通过百度的Geocoding API来获取不同城市的经纬度坐标，又哀求将csv数据文件导入python，批量获取这70个城市的坐标信息。在做这些之前，须要注册百度舆图api（首先你要用百度的账号）以获取免费的密钥，才能完备利用该api。
登录网址：http://lbsyun.baidu.com/，
首页点击申请密钥按钮，经由填写个人信息、邮箱注册等，成功之后在开放平台上点击“创建运用”，填写干系信息，在这里特殊解释的是，在IP白名单框里，如果不清楚自己的IP地址，最好设置为：0.0.0.0/0，虽然百度提醒它会有透露利用的风险，但是有时候你把你自己的IP地址输进去可能也弗成。提交后，在你创建运用的访问运用（AK）那一栏便是你的密钥。
（3）城市转换成经纬度第二步：布局经纬度获取函数
注册密钥后就可以在百度Web做事API下的Geocoding API接口来获取你所须要地址的经纬度坐标并转化为json构造的数据，其网址为：
http://lbsyun.baidu.com/index.php?title=webapi/guide/webservice-geocoding，
网页中有干系解释，根据示例URL，采取python3软件，写出如下函数：
import jsonfrom urllib.request import urlopen, quoteimport requests,csvimport pandas as pd #导入这些库后边都要用到def getlnglat(address): url = 'http://api.map.baidu.com/geocoder/v2/' output = 'json' ak = '你申请的密钥' add = quote(address) #由于本文城市变量为中文，为防止乱码，先用quote进行编码 uri = url + '?' + 'address=' + add + '&output=' + output + '&ak=' + ak req = urlopen(uri) res = req.read().decode() #将其他编码的字符串解码成unicode temp = json.loads(res) #对json数据进行解析 return temp
（4）城市转换成经纬度第三步：批量获取城市经纬度坐标
在布局完获取坐标函数后，我们就须要用python读取csv文件的数据，并将city列单独读出来，批量获取经度、纬度坐标，并天生json的数据文件，其代码如下：
file = open(r'E:\\爬虫数据剖析\调用百度舆图api\point.json','w') #建立json数据文件with open(r'E:\\爬虫数据剖析\调用百度舆图api\各区域房价.csv', 'r') as csvfile: #打开csv reader = csv.reader(csvfile) for line in reader: #读取csv里的数据 # 忽略第一行 if reader.line_num == 1: #由于第一行为变量名称，故忽略掉 continue # line是个list，取得所有须要的值 b = line[0].strip() #将第一列city读取出来并打消不须要字符 c= line[1].strip()#将第二列price读取出来并打消不须要字符 lng = getlnglat(b)['result']['location']['lng'] #采取布局的函数来获取经度 lat = getlnglat(b)['result']['location']['lat'] #获取纬度 str_temp = '{\"大众lat\"大众:' + str(lat) + ',\"大众lng\"大众:' + str(lng) + ',\公众count\公众:' + str(c) +'},' #print(str_temp) #也可以通过打印出来，把数据copy到百度热力舆图api的相应位置上 file.write(str_temp) #写入文档file.close() #保存
在这里特殊要把稳str_temp = ‘{“lat”:’ + str(lat) + ‘,”lng”:’ + str(lng) + ‘,”count”:’ + str(c) +’},’，这一行的命令，这是参照百度舆图JavaScript API热力争制作的相应格式而天生的，天生的json数据格式为：{“lat”:39.92998577808024,”lng”:116.39564503787867,”count”:124.7},如下图所示，来自于网址：http://developer.baidu.com/map/jsdemo.htm#c1_15。
（5）天生热力舆图
接下来就比较大略，我们先建立一个html文件，将http://developer.baidu.com/map/jsdemo.htm#c1_15 网址中源代码复制过来，首先将代码中的ak换成你自己的密钥；
然后将天生的point.json文件里的数据复制出来，在更换掉var points =[ ]里的内容，即可。这里要把稳的是，由于百度舆图JavaScript API热力争默认的因此天安门为中央的北京区域舆图，而我们的数据是全国性的，以是这里还须要对热力争中“设置中央点坐标和舆图级别”的部分进行修正（见下图），详细设置可以参考百度创建舆图api中：
http://api.map.baidu.com/lbsapi/creatmap/ ，自己可以去调试出得当的中央点与舆图级别。
末了，由于我们的大部分price数据（也便是points里的count）都超过了100（默认最大为100），还须要对热点图代码中的点最大值进行设定（这里设为140）。
保存后，用浏览器打开，即得到了2017年1月70个大中城市新建住宅价格指数同比的热力舆图
有须要Python学习资料的小伙伴吗?小编整理【一套Python资料、源码和PDF】，感兴趣者可以关注小编后私信学习资料（是关注后私信哦）反正闲着也是闲着呢，不如学点东西啦
