[Python知识库]用Python展示全国高校的分布情况

用Python展示全国高校的分布情况

6月是毕业季，高考生正在准备填志愿。本文用Python展示了全国高校的分布情况，全国的高校哪些地方多，哪些地方少，可以一目了然地看到。
数据获取
要展示高校的分布情况，就得先获取全国高校的位置数据。本文的数据来源于掌上高考网(https://www.gaokao.cn/school/search)。

在2022年6月写本文时，共获取到了2822所高校的信息。检查了数据，除了极个别空值外，整份数据是非常完整的，不影响使用。数据一共有44个字段，本文只会用几个字段，可以不做处理，使用时按需获取即可。

数据获取方法介绍（基础爬虫知识）：
1.注册登录掌上高考网。在<查学校>页面选择全部学校。
2.按F12键，点击到 Network > Fetch/XHR，然后点击几次<查学校>页面的<上一页>、<下一页>按钮，在XHR的页面会显示访问的API等信息。
3.将每次翻页时的API复制出来进行对比，发现翻页时变化的参数有两个：page和signsafe，page为当前访问的页数，signsafe是一个md5值，没法反解，但可以把前面几次的值保存下来，后面随机变化使用。有了这个信息，不断改变访问的页数和signsafe值，就可以获取到所有的学校数据。
Response中的numFound参数值是学校总数，除以每页显示的学校个数可以得到总页数，也可以直接点击页面的<尾页>查看总页数，这样就确定了访问的次数。
4.因为网站需要登录才能使用，所以还要获取访问时的Headers，如Request Method(此次用POST)、User-Agent等。
5.有了上面的信息，循环拼接出所有页面的url，用requests发送请求即可获取到所有高校的数据，然后用pandas将数据写到excel中。

温馨提示：获取数据时需遵守网站的相关声明，爬虫代码尽量设置一定的时间间隔，不要在访问高峰期运行爬虫代码。

补充说明：
人民网最新公布：全国的普通高校数是2759所，与本文从掌上高考网获取的2822所相差63所，主要是部分学校的分校统计方式不同造成的差异。本文所展示的是分布情况，这个差异的影响不大。

经纬度获取
掌上高考网是为高考填志愿服务的网站，虽然获取的数据有44个字段，但里面并没有学校的经纬度。为了更好地在地图上展示高校位置， 需要根据学校的地址获取对应的经纬度。
本文使用百度地图开放平台：https://lbsyun.baidu.com/apiconsole/center#/home，可以用百度地图的开放接口获取地理位置的经纬度。
使用步骤为：
1.注册登录百度账号，这个账号可以是整个百度生态通用的账号（如网盘、文库等的账号是通用的）。
2.登录到百度地图开放平台，点击进入<控制台>，然后在<应用管理>中点击<我的应用>，再点击<创建应用>创建一个应用。应用名称自定义，其他信息按提示和要求填写完整，并进行实名认证，成为个人开发者。

3.创建应用完成后，会获得一个应用的<访问应用（AK）>，用这个AK值可以调用百度的API，参考代码如下。

import requests


def baidu_api(addr):
    url = "http://api.map.baidu.com/geocoding/v3/?"
    params = {
        "address": addr,
        "output": "json",
        "ak": "复制你创建的应用AK到此"
    }
    req = requests.get(url, params)
    res = req.json()
    if len(res["result"]) > 0:
        loc = res["result"]["location"]
        # print(loc)
        return loc
    else:
        print("获取{}经纬度失败".format(addr))
        return {'lng': '', 'lat': ''}

4.成功调用百度地图API后，读取所有高校的位置，依次调用上面的函数，获取所有高校的经纬度，重新写入excel中。

import pandas as pd
import numpy as np


def get_lng_lat():
    df = pd.read_excel('school.xlsx')
    lng_lat = []
    for row_index, row_data in df.iterrows():
        addr = row_data['address']
        if addr is np.nan:
            addr = row_data['city_name'] + row_data['county_name']
        # print(addr)
        loc = baidu_api(addr.split(',')[0])
        lng_lat.append(loc)
    df['经纬度'] = lng_lat
    df['经度'] = df['经纬度'].apply(lambda x: x['lng'])
    df['纬度'] = df['经纬度'].apply(lambda x: x['lat'])
    df.to_excel('school_lng_lat.xlsx')

最终数据结果如下图：

个人开发者使用百度地图开放平台时需注意，每天有额度限制，所以调试代码时先不要用所有数据，先用demo跑通，否则得等一天或购买额度。

高校位置展示
数据准备好了，接下来将他们展示到地图上。
本文使用百度开源的数据可视化工具Echarts，Echarts为Python语言提供了pyecharts库，使用很方便。
安装命令：

pip install pyecharts

1.标注高校的位置

from pyecharts.charts import Geo
from pyecharts import options as opts
from pyecharts.globals import GeoType
import pandas as pd

def multi_location_mark():
    """批量标注点"""
    geo = Geo(init_opts=opts.InitOpts(bg_color='black', width='1600px', height='900px'))
    df = pd.read_excel('school_lng_lat.xlsx')
    for row_index, row_data in df.iterrows():
        geo.add_coordinate(row_data['name'], row_data['经度'], row_data['纬度'])
    data_pair = [(name, 2) for name in df['name']]
    geo.add_schema(
        maptype='china', is_roam=True, itemstyle_opts=opts.ItemStyleOpts(color='#323c48', border_color='#408080')
    ).add(
        '', data_pair=data_pair, type_=GeoType.SCATTER, symbol='pin', symbol_size=16, color='#CC3300'
    ).set_series_opts(
        label_opts=opts.LabelOpts(is_show=False)
    ).set_global_opts(
        title_opts=opts.TitleOpts(title='全国高校位置标注图', pos_left='650', pos_top='20',
                                  title_textstyle_opts=opts.TextStyleOpts(color='white', font_size=16))
    ).render('high_school_mark.html')

从标注结果来看，高校主要分布沿海、中部和东部，西部尤其是高海拔地区分布相对较少。
2.绘制高校分布热力图

from pyecharts.charts import Geo
from pyecharts import options as opts
from pyecharts.globals import ChartType
import pandas as pd

def draw_location_heatmap():
    """绘制热力图"""
    geo = Geo(init_opts=opts.InitOpts(bg_color='black', width='1600px', height='900px'))
    df = pd.read_excel('school_lng_lat.xlsx')
    for row_index, row_data in df.iterrows():
        geo.add_coordinate(row_data['name'], row_data['经度'], row_data['纬度'])
    data_pair = [(name, 2) for name in df['name']]
    geo.add_schema(
        maptype='china', is_roam=True, itemstyle_opts=opts.ItemStyleOpts(color='#323c48', border_color='#408080')
    ).add(
        '', data_pair=data_pair, type_=ChartType.HEATMAP
    ).set_series_opts(
        label_opts=opts.LabelOpts(is_show=False)
    ).set_global_opts(
        title_opts=opts.TitleOpts(title='全国高校分布热力图', pos_left='650', pos_top='20',
                                  title_textstyle_opts=opts.TextStyleOpts(color='white', font_size=16)),
        visualmap_opts=opts.VisualMapOpts()
    ).render('high_school_heatmap.html')

从热力图看，高校分布较集中的地方主要是沿海、北上广、长江黄河流域，西部较多的地方只有川渝。
3.绘制按省划分的分布密度图

from pyecharts.charts import Map
from pyecharts import options as opts
import pandas as pd


def draw_location_density_map():
    """绘制各省高校分布密度图"""
    map = Map(init_opts=opts.InitOpts(bg_color='black', width='1200px', height='700px'))
    df = pd.read_excel('school_lng_lat.xlsx')
    s = df['province_name'].value_counts()
    data_pair = [[province, int(s[province])] for province in s.index]
    map.add(
        '', data_pair=data_pair, maptype="china"
    ).set_global_opts(
        title_opts=opts.TitleOpts(title='全国高校按省分布密度图', pos_left='500', pos_top='70',
                                  title_textstyle_opts=opts.TextStyleOpts(color='white', font_size=16)),
        visualmap_opts=opts.VisualMapOpts(max_=200, is_piecewise=True, pos_left='100', pos_bottom='100',                      textstyle_opts=opts.TextStyleOpts(color='white', font_size=16))
    ).render("high_school_density.html")

从省级分布密度图可以看出，高校数量多的省份集中在中部和东部，尤其是北京和上海附近的几个省。
4.211和985高校的分布情况
筛选出211和985的高校数据，再绘制一次。（代码不重复粘贴，只需要加一行筛选代码即可）

以上就是本文的全部内容，对以上内容有兴趣的话，大家可以多多尝试，也可以联系博主讨论。

参考文档：
1.掌上高考网：https://www.gaokao.cn/school/search
2.pyecharts中文文档：https://pyecharts.org/#/zh-cn/geography_charts