[[393824]]

本文轉載自微信公眾號「小張Python」，作者zeroing。轉載本文請聯系小張Python公眾號。   

做地圖可視化時需要提供經緯度坐標，但一般來說我們手上拿到的通常只有地理位置，比如說 北京市東大街302號狗不理包子店，可視化之前需經緯度坐標轉換

需要轉換的數據如果僅有幾個還好，可以直接借助谷歌地圖自帶經緯度查詢手動轉換，但真實場景下需要轉換的數據量可能要上百甚至上千，再手動的話就比較頭疼了

如何將地理位置批量轉化為經緯度坐標?本文將針對這個問題，介紹兩個用 Python 來實現的方法

1，調用第三方 API

最常見辦法就是調用第三方 API，例如百度、高德地圖等服務平臺，提供了相應的功能接口，它們的這類技術已經非常成熟啦，準確穩定，關鍵還是免費的 ~，本期教程以百度為例(高德的用方類似)，介紹一下其用法

1.1，用百度賬號登陸百度地圖控制臺

百度地圖開放平臺

1.2，創建一個應用，獲取 AK 參數

登錄控制臺之后，選擇左側 應用管理-> 我的應用 -> 創建應用

創建應用頁面中有三項信息需要填寫

• 應用名稱，無限制隨意填寫即可;
• 應用類型 ，選擇服務端;
• IP 白名單，只是個人簡單測試的話0.0.0.0/0 即可，如果考慮安全問題， 可以將自己的 IP 填進去， AK 參數泄露的話非本機 IP 無法訪問，這樣也不用擔心額度被其他用戶盜用

1.3，地理編碼、逆地理編碼

經緯度地理位置根據轉換方向分為兩類，接下來我們分別演示一下其用法：

• 地理編碼：將地理地址轉換為坐標點(經緯度);
• 逆地理編碼，將經緯度轉化為地理地址;

1.3.1 地理編碼，

下面就是 Python 測試代碼塊，將 AK 參數(前面申請到的)和你需要轉換的地理位置拼接到 官方提供的 url 中，用 requests 訪問即可，

import requests 
import json 
import re 
 
AK = '你的AK' 
address ='北京市海淀區上地十街10號' 
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']) 

輸出結果如下

showLocation&&showLocation({"status":0,"result":{"location":{"lng":116.3084202915042,"lat":40.05703033345938},"precise":1,"confidence":80,"comprehension":100,"level":"門址"}})  
 
location is  {'lng': 116.3084202915042, 'lat': 40.05703033345938} 

1.3.2 逆地理編碼

逆地理編與地理編碼用法相似

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) 

像我們這類免(bai) 費 piao) 用戶，借助百度 API 每天最高可調用 6000 次，這個量級基本上能滿足我們日常需要，但如果這個數量滿足不了你的話，可以在線購買更高的使用額度

2，Geopy

2.1 Geopy 庫介紹

這里介紹一個Python 包 Geopy ，借助它也可以實現經緯度地理位置轉換，

這款包之經緯度轉換原理其實還是借助了第三方 API 平臺，因為市面上提供經緯度轉換 第三方平臺很多，為了方便， Geopy 把這些接口都分別封裝在一個類中，借助 Geopy 模塊來調用，支持的第三放平臺如下

Geopy作為一個專注于地理處理包之外， 除了能實現上面地理編碼、逆地理編碼功能之外，還有一個其它令我經驗的功能， 提供兩個經緯度坐標，計算他們在地球上的最短距離

下面將介紹一下 Geopy 的具體用法，

2. 2 地理編碼

使用 地理編碼功能時，需要借助 Geopy 的 geocoders 模塊，Geopy 把所有第三方API封裝到 geocoders 中

這里選用 OpenStreetMap 平臺上提供的 Nominatim 地理編碼器，因為可以免費供我們使用，不需要申請 API ，但缺點是限流，限額，不能大規模頻繁訪問，否則會返回 403，429錯誤代碼

from geopy.geocoders import Nominatim 
geolocator=Nominatim() 
location= geolocator.geocode("北京市海淀區西二旗北路") 
print(location.address) 
print(location.latitude,location.longitude) 

結果如下

西二旗北路, 東北旺村, 海淀區, 北京市, 102208, 中國 
40.056793 116.305811 

2.3 逆地理編碼

from geopy.geocoders import Nominatim 
geolocator=Nominatim() 
location= geolocator.reverse("40.056793 116.305811") 
print(location.address) 

結果如下

1#, 西二旗北路, 東北旺村, 海淀區, 北京市, 102208, 中國 

結果看起來還不錯，簡單方便;但提醒一下，因為前面說過 Nominatim 模塊是限額度的，不要頻繁訪問，否則會出現以下錯誤

2.4 根據經緯度計算距離

Geopy 最讓我驚喜的是這個用法，提供兩個經緯度坐標計算他們之間的距離，因為地球具體來說是橢圓，所以不能按照常規方法來計算 ，目前現有比較流行的幾個模型有以下幾個

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), 
} 

根據官方介紹，官網選擇的是 WGS-84 模型，根據統計最終計算到的距離誤差最高在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)#最后以英里單位輸出 
 
#output 
538.39044536 
 
wellington = (-41.32, 174.81) 
salamanca = (40.96, -5.50) 
print(distance.distance(wellington, salamanca).km)# 以 km 作為單位輸出 
19959.6792674 

3 批量地址坐標轉換

上面聊了這么多知識點，下面引入一個案例來簡單回顧一下;本案例中借助百度API 來實現地理位置坐標轉換，把一個 csv 表格內的所有地址位置數據批量轉換為經緯度

3.1 數據讀取

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 條數據，每條數據都表示一個地理位置;數據明顯有一些擾亂項，例如左端的數字字符、以及數據中的分隔符\t;因此轉換之前需要對數據進行一次預處理操作

3.2 數據預處理

def process_str(x): 
    # 數據預處理，去掉前面的數字、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 

預處理結果如下

3.3 地理編碼(經緯度轉換)

import time 
start = time.time() 
AK = '你的AK' 
def get_location(str1): 
    # 獲取經緯度坐標 
    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('耗時 {}s'.format(time.time()-start)) 
print(df) 

為了測試轉換效率，這里我加了一個計時器;98 條數據成功轉換后共耗時 4.65s 左右，效率還不錯，要比 Geopy 優秀得多，

3.5 案例源碼數據

我已經把本案例中用到代碼的數據打包再一起了，感興趣的可以在公號后臺回復關鍵字：210418 ，即可獲取!

4. 小結

上面介紹了這么多，最后做個小結;聊一下這兩種方法在 地理坐標轉換方面 各自的優勢和劣勢

第三方API

• 優勢：地理編碼、逆編碼比較準確，精度高;且支持高并發;
• 劣勢：不支持國外，環境配置較為復雜;

Geopy (用 Nominatim 模塊的話)

• 優勢：簡單方便，上手快;支持國外地理編碼
• 劣勢：不支持并發訪問、效率低且精度較低;

這里給大家一個建議，如果地址數據在國內的話 經緯度轉換 建議用第三方 API，穩定且準確;若是涉及下緯度距離計算、單位換算或地址數據在國外，建議用 Geopy

好了，以上就是本篇文章的全部內容啦，如果對你有所幫助，點個贊是對我最大的鼓勵