如何用Python实现经纬度换算+计算两地距离+地理可视化

故事的起因:小编的驾驶证在今年有效期满了,需要提交体检信息才可以进行换证。那么哪些医院是支持驾驶员体检的呢?

打开北京市公安局公安交通管理局,可以查到对应的体检医院。网址:http://jtgl.beijing.gov.cn/jgj/qtym/1734494/index.html

640-259
▲点击查看大图

在上方的网页中,交管局提供了223个医院地址和相关的联系方式、工作时间等信息,非常详细。

640-93

但是,但是,在这么多信息中,我无法得知到底哪个医院是离我家最近的。。。

于是乎,我希望能用Python帮我解决这个问题,并且以后遇到类似问题时,也能一键得出结论。

查询经纬度

首先从官方公布的网页信息中,我将可以体检的医院相关数据复制到“北京驾驶人体检医院信息.csv”中,具体详情如下图所示。

640-260

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。

注册百度地图开放平台

打开百度地图开放平台的网址后(https://lbs.baidu.com/),点击控制台,然后激活个人开发者账号才能申请自己的免费密钥,这样才能完全使用该API。注册成功之后,就可以在开放平台上点击“创建应用”,填写相关信息后即可获得自己创建应用对应的密钥,如下图红圈标注所示。

注意,“创建应用”时IP白名单中,输入0.0.0.0/0即可。

640-259

我们依此就可以编写一段Python代码,来调用百度地图API得到某点的经纬度信息。注意要将代码中url出的key值替换成自己刚刚得到的密钥,这样才能使得程序正常运行。

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 " "

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,验证一下我们的Python程序是否有效。

640-262

事实证明,坐标经纬度基本一致,我们的程序没有问题。

计算距离

如何通过经纬度信息,计算两地距离呢?

我们都知道,地球的赤道半径是 6378 公里,极半径是 6356 公里,平均半径为6371公里,所以它并不是一个完美的球体。

640-264

但我们并不是要做科研追求极致,只要地球简化为一个球体,那么就可以使用数学公式计算两地的近似距离。

通过搜索学习,我查到了非常清晰且简练的方法——半正矢公式(Haversine公式)。相关计算成果可以见对应的维基百科:https://en.wikipedia.org/wiki/Haversine_formula

640-263

感兴趣的小伙伴可以自己去学习了解,这里我们只需要将公式转换为Python程序。下方的Python代码中我们分别预设了两个坐标值,它们是【五道口地铁站】和【北京市第二医院】的经纬度坐标。

from math import radians, cos, sin, asin, sqrt

address_me = [116.344434,39.998568]

def get_address_distance(ddd):
    lon1, lat1, lon2, lat2 = map(radians, [address_me[0],address_me[1],ddd[0],ddd[1]])
    # 半正矢公式
    dlon = lon2 - lon1
    dlat = lat2 - lat1
    a = sin(dlat/2)**2 + cos(lat1) * cos(lat2) * sin(dlon/2)**2
    c = 2 * asin(sqrt(a))
    r = 6371
    dis = round((c * r * 1000)/1000, 2)
    return dis

instance = get_address_distance([116.38267925546985, 39.90878484073634])
print(f"两点距离为:{str(instance)}公里")

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。

640-261

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。

需要注意一点,这里我们是根据两地的经纬度进行计算的直线距离,跟我们平时使用地图查询的规划路线距离肯定不同。

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医院及其相关信息。

640-266

距离我最近的驾驶员体检医院:朝阳区南磨房社区卫生服务中心、朝阳区平房社区卫生服务中心、朝阳区八里庄社区卫生服务中心。

640-265

其中,朝阳区南磨房社区卫生服务中心距离直线距离不到3公里,就去这里了!

地理可视化

本来事情就可以告一段落了,但是正好已经获取了经纬度坐标点,干脆就一鼓作气直接把这些医院的位置可视化了吧!

同时为了简单方便,直接使用使用Pyecharts进行地理可视化(下方为部分代码,完整代码下载见文末)。

from pyecharts import options as opts
from pyecharts.charts import Geo
from pyecharts.globals import ThemeType

data_pair = [(df.iloc[i]["医院名称"], df.iloc[i]["距离(公里)"])
             for i in range(len(df))]

geo = Geo(init_opts=opts.InitOpts(theme=ThemeType.DARK))
geo.add_schema(maptype="北京")

打开生成的北京驾驶员体检医院分布图.html文件,具体效果如下图所示:

640-48

简单解释一下上图,我按照距离远近将223家医院分为了4类,并标记了颜色,其中红色是距离我 5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,都会出现该医院的名称和距离我多远!