最近看了新周刊的一篇推送，有關地鐵名字的分析。于是乎也想著自己去獲取數據，然后進行分析一番。

當然分析水平不可能和他們的相比，畢竟文筆擺在那里，也就那點水平。

大家看著樂呵就好，能提高的估摸著也就只有數據的準確性啦。

文中所用到的地鐵站數據并沒有去重，對于換乘站，含有大量重復。

即使作者一直在強調換乘站占比很小，影響不是很大。

但于我而言，去除重復數據還是比較簡單的。

然后照著人家的路子去分析，多學習一下。

一、獲取分析

地鐵信息獲取從高德地圖上獲取。

上面主要獲取城市的「id」，「cityname」及「名稱」。

用于拼接請求網址，進而獲取地鐵線路的具體信息。

找到請求信息，獲取各個城市的地鐵線路以及線路中站點詳情。

二、數據獲取

具體代碼如下。

import json 
import requests 
from bs4 import BeautifulSoup 
 
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): 
    """ 
    地鐵線路信息獲取 
    """ 
    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) 
    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(): 
    """ 
    城市信息獲取 
    """ 
    url = 'http://map.amap.com/subway/index.html?&1100' 
    response = requests.get(url=url, headers=headers) 
    html = response.text 
    # 編碼 
    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] 
    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() 

***成功獲取數據。

包含換乘站數據，一共3541個地鐵站點。

二、數據可視化

先對數據進行清洗，去除重復的換乘站信息。

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 
 
# 設置列名與數據對齊 
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) 
# 讀取數據 
df = pd.read_csv('subway.csv', 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) 

通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): 
    # 繪制地圖 
    value = [i for i in df['line']] 
    attr = [i for i in df['city']] 
    geo = Geo("已開通地鐵城市分布情況", 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("已開通地鐵城市分布情況.html") 
 
 
def create_line(df): 
    """ 
    生成城市地鐵線路數量分布情況 
    """ 
    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("各城市地鐵線路數量分布.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數據，還有各個城市的地鐵線路數。

一共32個城市開通地鐵，其中北京、上海線路已經超過了20條。

城市分布情況。

[[263955]]

大部分都是省會城市，還有個別經濟實力強的城市。

線路數量分布情況。

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***，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。

去除重復換乘站數據。

# 去除重復換乘站的地鐵數據 
df_station = df.groupby(['city', 'station']).count().reset_index() 
print(df_station) 

一共包含3034個地鐵站，相較新周刊中3447個地鐵站數據。

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(已去除重復換乘站) 
print(df_station.groupby(['city']).count().reset_index().sort_values(by='station', ascending=False)) 

32個城市，上海***，北京第二。

沒想到的是，武漢居然有那么多地鐵站。

現在來實現一下新周刊中的操作，生成地鐵名詞云。

def create_wordcloud(df): 
    """ 
    生成地鐵名詞云 
    """ 
    # 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("地鐵名詞云.jpg") 
    print('生成詞云成功!') 
 
 
create_wordcloud(df_station) 

詞云圖如下。

廣場、大道、公園占了前三，和新周刊的圖片一樣，說明分析有效。

words = [] 
for line in df['station']: 
    for i in line: 
        # 將字符串輸出一個個中文 
        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***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***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，大家最喜歡用什么字來命名地鐵。

路最多，在此之中上海的占比很大。

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數據 
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。

具體緣由這里就不解釋了，詳情見新周刊的推送，里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數據 
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數據 
df2 = df1[df1['station'].str.contains('家')] 
print(df2) 

武漢共有17個，重慶共有20個。

看完家之后，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***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***用門命名的城市.html") 
 
 
# 選取地鐵站名字包含門的數據 
df1 = df_station[df_station['station'].str.contains('門')] 
# 對數據進行分組計數 
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，占去了大部分。

具體的地鐵站名數據。

# 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數據 
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數據 
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數據 
df2 = df1[df1['station'].str.contains('門')] 
print(df2) 

輸出如下。

三、總結

源碼及相關文件已上傳GitHub，點擊閱讀原文即可獲取。

這里摘一段新周刊的話。

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”則是杠杠的。