本文转载自微信公众号「小张Python」，作者zeroing。转载本文请联系小张Python公众号。
做地图可视化时需要提供经纬度坐标，但一般来说我们手上拿到的通常只有地理位置，比如说 北京市东大街302号狗不理包子店，可视化之前需经纬度坐标转换
需要转换的数据如果仅有几个还好，可以直接借助谷歌地图自带经纬度查询手动转换，但真实场景下需要转换的数据量可能要上百甚至上千，再手动的话就比较头疼了
如何将地理位置批量转化为经纬度坐标?本文将针对这个问题，介绍两个用 Python 来实现的方法
1，调用第三方 API
最常见办法就是调用第三方 API，例如百度、高德地图等服务平台，提供了相应的功能接口，它们的这类技术已经非常成熟啦，准确稳定，关键还是免费的 ~，本期教程以百度为例(高德的用方类似)，介绍一下其用法
1.1，用百度账号登陆百度地图控制台
百度地图开放平台
1.2，创建一个应用，获取 AK 参数
登录控制台之后，选择左侧 应用管理-> 我的应用 -> 创建应用
创建应用页面中有三项信息需要填写
1.3，地理编码、逆地理编码
经纬度地理位置根据转换方向分为两类，接下来我们分别演示一下其用法：
1.3.1 地理编码，
下面就是 Python 测试代码块，将 AK 参数(前面申请到的)和你需要转换的地理位置拼接到 官方提供的 url 中，用 requests 访问即可，
- import requests
- import json
- import re
- AK = '你的AK'
- address ='北京市海淀区上地十街10号'
- url = 'http://api.map.baidu.com/geocoding/v3/?address={}&output=json&ak={}&callback=showLocation'.format(address,AK)
- res = requests.get(url)
- print(res.text)
- results = json.loads(re.findall(r'\((.*?)\)',res.text)[0])
- print('\n')
- print('location is ',results['result']['location'])
输出结果如下
- showLocation&&showLocation({"status":0,"result":{"location":{"lng":116.3084202915042,"lat":40.05703033345938},"precise":1,"confidence":80,"comprehension":100,"level":"门址"}})
- location is {'lng': 116.3084202915042, 'lat': 40.05703033345938}
1.3.2 逆地理编码
逆地理编与地理编码用法相似
- lat = '40.05703033345938'
- lng = '116.3084202915042'
- AK = '你的AK'
- url = 'http://api.map.baidu.com/reverse_geocoding/v3/?ak={}&output=json&coordtype=wgs84ll&location={},{}'.format(AK,lat,lng)
- res = requests.get(url)
- print(res.text)
- address = json.loads(res.text)['result']['formatted_address']
- print('\n')
- print('address is ',address)
像我们这类免(bai) 费 piao) 用户，借助百度 API 每天最高可调用 6000 次，这个量级基本上能满足我们日常需要，但如果这个数量满足不了你的话，可以在线购买更高的使用额度
2，Geopy
2.1 Geopy 库介绍
这里介绍一个Python 包 Geopy ，借助它也可以实现经纬度地理位置转换，
这款包之经纬度转换原理其实还是借助了第三方 API 平台，因为市面上提供经纬度转换 第三方平台很多，为了方便， Geopy 把这些接口都分别封装在一个类中，借助 Geopy 模块来调用，支持的第三放平台如下
Geopy作为一个专注于地理处理包之外， 除了能实现上面地理编码、逆地理编码功能之外，还有一个其它令我经验的功能， 提供两个经纬度坐标，计算他们在地球上的最短距离
下面将介绍一下 Geopy 的具体用法，
2. 2 地理编码
使用 地理编码功能时，需要借助 Geopy 的 geocoders 模块，Geopy 把所有第三方API封装到 geocoders 中
这里选用 OpenStreetMap 平台上提供的 Nominatim 地理编码器，因为可以免费供我们使用，不需要申请 API ，但缺点是限流，限额，不能大规模频繁访问，否则会返回 403，429错误代码
- from geopy.geocoders import Nominatim
- geolocator=Nominatim()
- location= geolocator.geocode("北京市海淀区西二旗北路")
- print(location.address)
- print(location.latitude,location.longitude)
- 西二旗北路, 东北旺村, 海淀区, 北京市, 102208, 中国
- 40.056793 116.305811
2.3 逆地理编码
- from geopy.geocoders import Nominatim
- geolocator=Nominatim()
- location= geolocator.reverse("40.056793 116.305811")
- print(location.address)
- 1#, 西二旗北路, 东北旺村, 海淀区, 北京市, 102208, 中国
结果看起来还不错，简单方便;但提醒一下，因为前面说过 Nominatim 模块是限额度的，不要频繁访问，否则会出现以下错误
2.4 根据经纬度计算距离
Geopy 最让我惊喜的是这个用法，提供两个经纬度坐标计算他们之间的距离，因为地球具体来说是椭圆，所以不能按照常规方法来计算 ，目前现有比较流行的几个模型有以下几个
- model major (km) minor (km) flattening
- 'WGS-84': (6378.137, 6356.7523142, 1 / 298.257223563),
- 'GRS-80': (6378.137, 6356.7523141, 1 / 298.257222101),
- 'Airy (1830)': (6377.563396, 6356.256909, 1 / 299.3249646),
- 'Intl 1924': (6378.388, 6356.911946, 1 / 297.0),
- 'Clarke (1880)': (6378.249145, 6356.51486955, 1 / 293.465),
- 'GRS-67': (6378.1600, 6356.774719, 1 / 298.25),
- }
根据官方介绍，官网选择的是 WGS-84 模型，根据统计最终计算到的距离误差最高在0.5%左右;使用方法如下
- from geopy import distance
- newport_ri = (41.49008, -71.312796)
- cleveland_oh = (41.499498, -81.695391)
- print(distance.distance(newport_ri, cleveland_oh).miles)#最后以英里单位输出
- #output
- 538.39044536
- wellington = (-41.32, 174.81)
- salamanca = (40.96, -5.50)
- print(distance.distance(wellington, salamanca).km)# 以 km 作为单位输出
- 19959.6792674
3 批量地址坐标转换
上面聊了这么多知识点，下面引入一个案例来简单回顾一下;本案例中借助百度API 来实现地理位置坐标转换，把一个 csv 表格内的所有地址位置数据批量转换为经纬度
3.1 数据读取
- import pandas as pd
- import string
- data_path = 'H:/Data/Latlon/map-location.csv'
- df = pd.read_csv(data_path,encoding='GB18030')
- df
一共有 98 条数据，每条数据都表示一个地理位置;数据明显有一些扰乱项，例如左端的数字字符、以及数据中的分隔符\t;因此转换之前需要对数据进行一次预处理操作
3.2 数据预处理
- def process_str(x):
- # 数据预处理，去掉前面的数字、及字符串中 \t
- x = str(x).replace('\t','')
- x = str(x).strip(string.digits)
- return x
- df['location'] = df['location'].apply(process_str)
- df
预处理结果如下
3.3 地理编码(经纬度转换)
- import time
- start = time.time()
- AK = '你的AK'
- def get_location(str1):
- # 获取经纬度坐标
- url = 'http://api.map.baidu.com/geocoding/v3/?address={}&output=json&ak={}&callback=showLocation'.format(str1,AK)
- res = requests.get(url)
- results = json.loads(re.findall(r'\((.*?)\)',res.text)[0])
- return (results['result']['location']['lat'],results['result']['location']['lng'])
- df['(lat,lng)'] = df['location'].apply(get_location)
- print('耗时 {}s'.format(time.time()-start))
- print(df)
为了测试转换效率，这里我加了一个计时器;98 条数据成功转换后共耗时 4.65s 左右，效率还不错，要比 Geopy 优秀得多，
3.5 案例源码数据
我已经把本案例中用到代码的数据打包再一起了，感兴趣的可以在公号后台回复关键字：210418 ，即可获取!
4. 小结
上面介绍了这么多，最后做个小结;聊一下这两种方法在 地理坐标转换方面 各自的优势和劣势
第三方API
Geopy (用 Nominatim 模块的话)
这里给大家一个建议，如果地址数据在国内的话 经纬度转换 建议用第三方 API，稳定且准确;若是涉及下纬度距离计算、单位换算或地址数据在国外，建议用 Geopy
好了，以上就是本篇文章的全部内容啦，如果对你有所帮助，点个赞是对我最大的鼓励
