首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >啊?北京确诊病例曾距离我650米!

啊?北京确诊病例曾距离我650米!

作者头像
朱小五
发布2022-02-18 08:21:55
3810
发布2022-02-18 08:21:55
举报
文章被收录于专栏:凹凸玩数据凹凸玩数据

大家好,我是小五

北京,今天新增一例本地人员新冠肺炎确诊病例。

您瞧我这个乌鸦嘴。。。

根据新华社的推文,北京新增确诊为奥密克戎,轨迹涉及多个购物中心。

那么在京的小伙伴,估计都想查询一下这些途经点距离自己有多远?自己的行程卡会不会出现星号?今天我就分享一下自己是如何用数据查询的吧!

获取数据

首先从官方公布的信息中,可以提取到其在京主要的活动轨迹点,并将这些途径地点信息存储到北京疫情.csv的文件中。

想要查询距离,就要先获取各个坐标点的经纬度。

我们可以使用Python编程,调用百度地图API得到各个地点的经纬度信息。

import requests

def get_ll(x):
    url = f"http://api.map.baidu.com/geocoding/v3/?address={x}&output=json&ak=自己的key值&callback=showLocation"
    Post_data = {'address': x}
    se = requests.session()
    Text = se.post(url, data=Post_data).text.replace("'", '"').replace('/ ', '/')[27:-1]
    jsonValue = json.loads(Text)
    if('result' in jsonValue):
        return [jsonValue['result']['location']['lng'], jsonValue['result']['location']['lat']]
    else:
        return ' '

其中,自己的key值需要到百度地图开放平台去申请才能使用。

接下来,在北京地图上随便选一个地点,分别用【Python调用百度地图API】和【手动】的办法,验证一下。

事实证明,坐标经纬度基本一致,我们的程序没有问题。

有了坐标点就可以计算距离,将地球简化为一个球体(平均半径为6371公里),那么就可以使用数学公式计算了。

同样,我们也可以使用Python自定义函数去计算两个坐标点之间的距离。那么,这里同样在北京地图上随便选两个地点,分别用【Python自定义函数】和【手动】的办法,验证一下。

事实证明,两点之间直线距离基本一致,我们的程序没有问题。

接着,就可以应用该自定义函数去计算每一个途经点距离我的距离了!

df['距离(公里)'] = df['经纬度'].apply(get_address_distance)

最后,倒序即可看到距离我最近的途经点。

df.sort_values(by=["距离(公里)"]).head()

啊这???

某个途经点距离我650米?

不过仔细一想也不太可怕,毕竟途经点有那么多,除了看空间还要看时间嘛,大概率不会与病例曾“同时空”存在。

如果社区需要做核酸,积极配合就完事了。

可视化

正好我们已经获取了经纬度坐标点,干脆就一鼓作气直接把这些途经点可视化了吧!

同时为了简单方便,直接使用使用Pyecharts进行地理可视化!

data_pair = [(df.iloc[i]['途径地点名称'], df.iloc[i]['距离(公里)']) for i in range(len(df))]

json_str = json.dumps(json_data, ensure_ascii=False, indent=4)
with open('test_data.json', 'w', encoding='utf-8') as json_file:
    json_file.write(json_str)

c = (
    Geo()
    .add_schema(maptype="北京")
    .add_coordinate_json(json_file='test_data.json')
    .add("", data_pair, symbol_size=30, large_threshold=2000, symbol="pin")
    .set_series_opts(label_opts=opts.LabelOpts(is_show=False))
    .set_global_opts(visualmap_opts=opts.VisualMapOpts(max_=30), title_opts=opts.TitleOpts(title="北京海淀确诊病例-途经点分布图"))
    .set_global_opts(visualmap_opts=opts.VisualMapOpts(max_=2000,
                                                       is_piecewise=True,
                                                       pieces=[
                                                           {"max": 200, "min": 20,
                                                            "label": ">20", "color": "#54D7BA"},
                                                           {"max": 20, "min": 9,
                                                            "label": "9-20", "color": "#BAAB4C"},
                                                           {"max": 8, "min": 4, "label": "4-8",
                                                               "color": "#FF8605"},
                                                           {"max": 3, "min": 0, "label": "0-3",
                                                               "color": "#FF4E38"},
                                                       ]
                                                       ))
    .render("北京海淀确诊病例-途经点分布图.html"))

打开生成的北京海淀确诊病例-途经点分布图.html文件,具体效果如下图所示:

简单解释一下上图,我按照距离远近对这些途经点标记了颜色,其中红色是距离我 3公里以内。Pyecharts生成的可视化文件支持交互,鼠标移至每个途经点时,都会出现该点的名称和距离我多远!

PS:代码中我使用的是Geo,觉得百度地图作为底图更好看的小伙伴,可以尝试使用BAMP。

最后,希望北京加油,尽快阻断疫情!

本文参与 腾讯云自媒体分享计划,分享自微信公众号。
原始发表:2022-01-15,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 凹凸数据 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体分享计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 获取数据
  • 可视化
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档