python⾼德地图路径规划_Python利⽤⾼德地图api实现经纬度
与地址的批量转换
Python 利⽤⾼德地图api实现经纬度与地址的批量转换
发布时间：2020-08-27 06:44:34
来源：脚本之家
阅读：217
作者：chenqin''s blog
我们都知道，可以使⽤⾼德地图api实现经纬度与地址的转换。那么，当我们有很多个地址与经纬度，需要批量转换的时候，应该怎么办呢？
在这⾥，选⽤⾼德Web服务的API，其中的地址/逆地址编码，可以实现经纬度与地址的转换。
⾼德API地址：
1.申请key
2.坐标转换
坐标转换是⼀类简单的HTTP接⼝，能够将⽤户输⼊的⾮⾼德坐标(GPS坐标、mapbar坐标、baidu坐标)转换成⾼德坐标。
def transform(location):
parameters = {'coordsys':'gps','locations': location, 'key': '7ec25a9c6716bb26f0d25e9fdfa012b8'}
base = 'restapi.amap/v3/assistant/coordinate/convert'
response = (base, parameters)
answer = response.json()
return answer['locations']
2.地理/逆地理编码
我这⾥是将经纬度转换为地址，所以选⽤的是逆地理编码的接⼝。
def geocode(location):
parameters = {'location': location, 'key': '7ec25a9c6716bb26f0d25e9fdfa012b8'}
base = 'restapi.amap/v3/geocode/regeo'
response = (base, parameters)
answer = response.json()python怎么读取json文件
return answer['regeocode']['addressComponent']['district'].encode('gbk','replace'),answer['regeocode']
['formatted_address'].encode('gbk','replace')
3.从⽂件中读取
需要批量获取的话，⼀般是从⽂件中读取数据，读取代码如下：
def parse():
datas = []
totalListData = pd.read_csv('locs.csv')
totalListDict = _dict('index')
for i in range(0, len(totalListDict)):
datas.append(str(totalListDict[i]['centroidx']) + ',' + str(totalListDict[i]['centroidy']))
return datas
4.完整代码
对于批量获取，我⼀开始也⾛了很多弯路。⼀开始选⽤javascript接⼝，但是js接⼝的函数是异步返回，所以可能第10⾏的结果跑到第15⾏去了，⼀直没有很好的解决，后来才选⽤web接⼝。最后，将完整代码贴于此，仅供参考。
#!/usr/bin/env
#-*- coding:utf-8 -*-
'''
利⽤⾼德地图api实现经纬度与地址的批量转换
'''
import requests
import pandas as pd
import time
import sys
reload(sys)
sys.setdefaultencoding("utf-8")
def parse():
datas = []
totalListData = pd.read_csv('locs.csv')
totalListDict = _dict('index')
for i in range(0, len(totalListDict)):
datas.append(str(totalListDict[i]['centroidx']) + ',' + str(totalListDict[i]['centroidy']))
return datas
def transform(location):
parameters = {'coordsys':'gps','locations': location, 'key': '7ec25a9c6716bb26f0d25e9fdfa012b8'}
base = 'restapi.amap/v3/assistant/coordinate/convert'
response = (base, parameters)
answer = response.json()
return answer['locations']
def geocode(location):
parameters = {'location': location, 'key': '7ec25a9c6716bb26f0d25e9fdfa012b8'}
base = 'restapi.amap/v3/geocode/regeo'
response = (base, parameters)
answer = response.json()
return answer['regeocode']['addressComponent']['district'].encode('gbk','replace'),answer['regeocode']
['formatted_address'].encode('gbk','replace')
if __name__=='__main__':
i = 0
count = 0
df = pd.DataFrame(columns=['location','detail'])
#locations = parse(item)
locations = parse()
for location in locations:
dist, detail = geocode(transform(location))
df.loc[i] = [dist, detail]
i = i + 1
<_csv('locdetail.csv', index =False)
注意事项：
在测试的时候，⼀个key差不多可以下载2000-3000条数据，⼀个账号可以申请4个key。这是我⾃⼰的使⽤情况。所以，测试的时候，不⽤测试过多，直接开始正式爬数据才是正道。
以上就是本⽂的全部内容，希望对⼤家的学习有所帮助，也希望⼤家多多⽀持亿速云。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。