189 8069 5689
本篇内容主要讲解“怎么用Python和用户实际地理位置做任意区域人员流量图”，感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷，实用性强。下面就让小编来带大家学习“怎么用Python和用户实际地理位置做任意区域人员流量图”吧!
专注于为中小企业提供网站建设、成都做网站服务,电脑端+手机端+微信端的三站合一,更高效的管理,为中小企业彭山免费做网站提供优质的服务。我们立足成都，凝聚了一批互联网行业人才，有力地推动了千余家企业的稳健成长，帮助中小企业通过网站建设实现规模扩充和转变。
腾讯其实开放了数据接口，但是只能商用：
经过分析发现，每次请求都会发送4个post请求，每次请求的参数如下：
rank值从1变化到4，咱也不知道是啥意思，索性就都爬了，大不了再去重
返回数据如下：
主要是locs字段，以第一组数据为例，3295代表纬度信息，11590代表经度信息，分别除100既是经纬度原始值，6代表该位置人数。
下面我们开始写写代码获取数据：
import requests
import json
header={
'User-Agent':'Mozilla/5.0 (Windows NT 6.1; Win64; x64; rv:82.0) Gecko/20100101 Firefox/82.0'}
url = 'https://xingyun.map.qq.com/api/getXingyunPoints'
for i in range(1,5):
payload = {'count': i, 'rank': 0}
response = requests.post(url, data=json.dumps(payload))
datas=json.loads(response.text)['locs']
datas=datas.split(',')
datas=[int(i) for i in datas[:-1]]
all_data=[]
a=[]
for n,data in enumerate(datas):
a.append(data)
all_data.append(a)
if (n+1)%3==0:
a=[]
all_data=[[i[0]/100,i[1]/100,i[2]] for i in all_data]将数据转换为DataFrame格式：
import pandas as pd
lat=[float(i[0]) for i in all_data]
long=[i[1] for i in all_data]
weight=[i[2] for i in all_data]
dataframe=pd.DataFrame({'纬度':lat,'经度':long,'人数':weight})对数据进行去重：
dataframe=dataframe.drop_duplicates(keep='first')
有了这些坐标信息，我们可以估算一个区域的人流量
DataFrame.drop_duplicates(subset=None, keep='first', inplace=False)
subset用来指定特定的列，默认所有列；
keep="first"表示删除重复项并保留第一次出现的项，此外，keep值还可以为'last':表示保留最后一次出现的值；'false'：表示所有相同的数据都删除
data1=dataframe[(dataframe.纬度.between(39.26,41.03)) & (dataframe.经度.between(115.25,117.30))]
import folium
from folium.plugins import HeatMap
map_data = data1[['纬度', '经度', '人数']].values.tolist()
hmap = folium.Map(
location=[data1['纬度'].mean(), data1['经度'].mean()], #地图中心坐标
control_scale=True,
zoom_start=13 #地图显示级别
)
hmap.add_child(HeatMap(map_data, radius=5, gradient={.1: 'blue',.3: 'lime', .5: 'yellow',.7:'red'}))
到此，相信大家对“怎么用Python和用户实际地理位置做任意区域人员流量图”有了更深的了解，不妨来实际操作一番吧！这里是创新互联网站，更多相关内容可以进入相关频道进行查询，关注我们，继续学习！