Python 城市公交网络分析与可视化

一、数据查看和预处理

数据获取自高德地图API，包含了天津市公交线路和站点名称及其 经纬度数据 。

        
import pandas as pd  
  
df = pd.read_excel('site\_information.xlsx')  
df.head()  

    

字段说明：

• 线路名称：公交线路的名称
• 上下行：0表示上行；1表示下行
• 站序号：公交线路上行或下行依次经过站的序号
• 站名称：站点名称
• 经度（分）：站点的经度
• 纬度（分）：站点的纬度

数据字段少，结构也比较简单，下面来充分了解我们的数据和进行预处理。

经纬度数据是7031.982、2348.1016这样的，需要将其转换为以度为单位。

        
df2 = df1.copy()  
df2['经度（分）'] = df1['经度（分）'].apply(float) / 60  
df2['纬度（分）'] = df1['纬度（分）'].apply(float) / 60  
df2.head()  

    

处理后的数据里，共有 618 条公交线路，4851个站点数据。

重新保存为处理后数据

        
df2.to_excel("处理后数据.xlsx", index=False)  

    

二、数据分析

分析天津市公交站点的分布情况

        
# -*- coding: UTF-8 -*-  
"""  
@Author  ：叶庭云  
@公众号  ：修炼Python  
@CSDN    ：https://yetingyun.blog.csdn.net/  
"""  
import pandas as pd  
import matplotlib.pyplot as plt  
import matplotlib as mpl  
import random  
  
df = pd.read_excel("处理后数据.xlsx")  
x_data = df['经度（分）']  
y_data = df['纬度（分）']  
colors = ['#FF0000', '#0000CD', '#00BFFF', '#008000', '#FF1493', '#FFD700', '#FF4500', '#00FA9A', '#191970', '#9932CC']  
colors = [random.choice(colors) for i in range(len(x_data))]  
mpl.rcParams['font.family'] = 'SimHei'  
plt.style.use('ggplot')  
# 设置大小  
plt.figure(figsize=(12, 6), dpi=200)  
# 绘制散点图  经度  纬度  传进去   设置 颜色  点的大小  
plt.scatter(x_data, y_data, marker="o", s=9., c=colors)  
  
# 添加描述信息 x轴 y轴 标题  
plt.xlabel("经度")  
plt.ylabel("纬度")  
plt.title("天津市公交站点分布情况")  
plt.savefig('经纬度散点图.png')  
plt.show()  

    

结果如下：

通过 matplotlib 绘制散点图可视化天津市公交站点的分布情况，容易看出天津市的公交热点分布区域。为了能更形象地分析公交线路网络，我们还可以将数据可视化在实际地图上，利用 Pyecharts 的 BMap 。

        
# -*- coding: UTF-8 -*-  
"""  
@Author  ：叶庭云  
@公众号  ：修炼Python  
@CSDN    ：https://yetingyun.blog.csdn.net/  
"""  
import pandas as pd  
from pyecharts.charts import BMap  
from pyecharts import options as opts  
from pyecharts.globals import CurrentConfig  
  
# 引用本地js资源渲染  
CurrentConfig.ONLINE_HOST = 'D:/python/pyecharts-assets-master/assets/'  
  
df = pd.read_excel('处理后数据.xlsx', encoding='utf-8')  
df.drop_duplicates(subset='站名称', inplace=True)  
longitude = list(df['经度（分）'])  
latitude = list(df['纬度（分）'])  
datas = []  
a = []  
for i, j in zip(longitude, latitude):  
    a.append([i, j])  
  
datas.append(a)  
print(datas)  
  
BAIDU_MAP_AK = "改成你的百度地图AK"  
  
c = (  
    BMap(init_opts=opts.InitOpts(width="1200px", height="800px"))  
    .add_schema(  
        baidu_ak=BAIDU_MAP_AK,     # 申请的BAIDU\_MAP\_AK  
        center=[117.20, 39.13],    # 天津市经纬度中心  
        zoom=10,  
        is_roam=True,  
    )  
    .add(  
        "",  
        type_="lines",  
        is_polyline=True,  
        data_pair=datas,  
        linestyle_opts=opts.LineStyleOpts(opacity=0.2, width=0.5, color='red'),  
        # 如果不是最新版本的话可以注释下面的参数（效果差距不大）  
        progressive=200,  
        progressive_threshold=500,  
    )  
)  
  
c.render('公交网络地图.html')  

    

结果如下：

在实际地图上可以看到，和平区、南开区公交线路网络密集，交通便利。

公交线路网络中 i 节点代表第 i 条线路，其中节点 i 的度定义为与线路 i 可以经过换乘能够到达的线路的数目， 线路网络中度的 大小反映了该条公交线路与其他线路的 连通程度 ，构建算法分析公交线路网络中节点度的分布。

        
# -*- coding: UTF-8 -*-  
"""  
@Author  ：叶庭云  
@公众号  ：修炼Python  
@CSDN    ：https://yetingyun.blog.csdn.net/  
"""  
import xlrd  
import matplotlib.pyplot as plt  
import pandas as pd  
import matplotlib as mpl  
  
  
df = pd.read_excel("site\_information.xlsx")  
# 用pandas的操作去重   得到每条线路的名称  
loc = df['线路名称'].unique()  
# 得到每一条线路名称的列表  
line_list = list(loc)  
print(line_list)  
  
# 打开Excel表格  
data = xlrd.open_workbook("site\_information.xlsx")  
# print(data)   # <xlrd.book.Book object at 0x000001F1111C38D0> 在内存中  
# 获取特定Sheet  索引为0  也就是第一个表  
table = data.sheets()[0]  # 从零开始  
# 每条线路对应有哪些站点  字典推导式  
site_dic = {k: [] for k in line_list}  
site_list = []  
for i in range(1, table.nrows):  
    # 每一行的数据   返回的是一个列表  
    x = table.row_values(i)  
    if x[1] == "0":  
        # 上行   站点数据  每条线路对应有哪些站点 添加进列表  
        site_dic[x[0]].append(x[3])  
        site_list.append(x[3])  
    else:  
        continue  
# print(len(site\_dic))   # 618条线路  
# print(len(site\_list))  # 15248条站点数据  
print(f"公交网络共有 {len(line\_list)} 条线路")   # 618条线路  
  
# 先初始化一个统计每个节点的度的列表  与线路名称列表里的索引一一对应  
node_count = [m * 0 for m in range(len(line_list))]  
# 以每条线路为一个节点  线路名称为键      值为一个列表  里面包含每条路线上行经过的所有站点  
sites = [site for site in site_dic.values()]  
# print(sites)  
for j in range(len(sites)):  # 类似冒泡法排序  比较多少趟  
    for k in range(j, len(sites) - 1):  # 每趟比较后  往后推一个  直到比较完  和防止越界  
        if len(sites[j]) > len(sites[k + 1]):  
            for x in sites[j]:  
                if x in sites[j] and x in sites[k + 1]:   # 只要这两条线路有公共站点  节点度数加1  
                    node_count[j], node_count[k + 1] = node_count[j] + 1, node_count[k + 1] + 1  
                    break   # 两条线路对应在列表索引的值加1   这两条线的比较结束  
        else:  
            for x in sites[k + 1]:  
                if x in sites[j] and x in sites[k + 1]:   # 只要这两条线路有公共站点  节点度数加1  
                    node_count[j], node_count[k + 1] = node_count[j] + 1, node_count[k + 1] + 1  
                    break   # 两条线路对应在列表索引的值加1   这两条线的比较结束  
# print(node\_count)  
# 节点编号 与 节点的度数索引对应  
node_number = [y for y in range(len(node_count))]  
# 线性网络度的最大值   175  
print(f"线路网络的度的最大值为：{max(node\_count)}")  
print(f"线路网络的度的最小值为：{min(node\_count)}")  
print(f"线路网络的度的平均值为：{sum(node\_count) / len(node\_count)}")  
# 设置大小  图的像素  
# 设置字体   matplotlib 不支持显示中文  自己本地设置  
plt.figure(figsize=(10, 6), dpi=150)  
mpl.rcParams['font.family'] = 'SimHei'  
  
# 绘制每个节点度的分布  
plt.bar(node_number, node_count, color="purple")  
  
# 添加描述信息  
plt.xlabel("节点编号n")  
plt.ylabel("节点的度数K")  
plt.title("线路网络中各节点的度的大小分布", fontsize=15)  
plt.savefig("线路网络中各节点的度的大小.png")  
plt.show()  

    

结果如下：

        
公交网络共有 618 条线路  
线路网络的度的最大值为：175  
线路网络的度的最小值为：0  
线路网络的度的平均值为：55.41423948220065  

    

        
import xlrd  
import matplotlib.pyplot as plt  
import pandas as pd  
import matplotlib as mpl  
import collections  
  
df = pd.read_excel("site\_information.xlsx")  
# 用pandas的操作去重   得到每条线路的名称  
loc = df['线路名称'].unique()  
# 得到每一条线路名称的列表  
line_list = list(loc)  
print(line_list)  
  
# 打开Excel表格  
data = xlrd.open_workbook("site\_information.xlsx")  
# print(data)   # <xlrd.book.Book object at 0x000001F1111C38D0> 在内存中  
# 获取特定Sheet  索引为0  也就是第一个表  
table = data.sheets()[0]  # 从零开始  
# 每条线路对应有哪些站点  字典推导式  
site_dic = {k: [] for k in line_list}  
site_list = []  
for i in range(1, table.nrows):  
    # 每一行的数据   返回的是一个列表  
    x = table.row_values(i)  
    if x[1] == "0":  
        # 上行   站点数据  每条线路对应有哪些站点 添加进列表  
        site_dic[x[0]].append(x[3])  
        site_list.append(x[3])  
    else:  
        continue  
# print(len(site\_dic))   # 618条线路  
# print(len(site\_list))  # 15248条站点数据  
# 先初始化一个统计每个节点的度的列表  与线路名称列表里的索引一一对应  
node_count = [m * 0 for m in range(len(line_list))]  
# 以每条线路为一个节点  线路名称为键      值为一个列表  里面包含每条路线上行经过的所有站点  
sites = [site for site in site_dic.values()]  
# print(sites)  
for j in range(len(sites)):  # 类似冒泡法排序  比较多少趟  
    for k in range(j, len(sites) - 1):  # 每趟比较后  往后推一个  直到比较完  和防止越界  
        if len(sites[j]) > len(sites[k + 1]):  
            for x in sites[j]:  
                if x in sites[j] and x in sites[k + 1]:   # 只要这两条线路有公共站点  节点度数加1  
                    node_count[j], node_count[k + 1] = node_count[j] + 1, node_count[k + 1] + 1  
                    break   # 两条线路对应在列表索引的值加1   这两条线的比较结束  
        else:  
            for x in sites[k + 1]:  
                if x in sites[j] and x in sites[k + 1]:   # 只要这两条线路有公共站点  节点度数加1  
                    node_count[j], node_count[k + 1] = node_count[j] + 1, node_count[k + 1] + 1  
                    break   # 两条线路对应在列表索引的值加1   这两条线的比较结束  
# print(node\_count)  
# 节点编号 与 节点的度数索引对应  
node_number = [y for y in range(len(node_count))]  
# 线性网络度的最大值   175  
# print(max(node\_count))  
  
# 设置大小  图的像素  
# 设置字体   matplotlib 不支持显示中文  自己本地设置  
plt.figure(figsize=(10, 6), dpi=150)  
mpl.rcParams['font.family'] = 'SimHei'  
  
# 分析节点的度K的概率分布  
# 统计节点的度为K的 分别有多少个  
node_count = collections.Counter(node_count)  
node_count = node_count.most_common()  
# 点  
node_dic = {_k: _v for _k, _v in node_count}  
# 按键从小到大排序   得到一个列表  节点的度  
sort_node = sorted(node_dic)  
# 按顺序得到键对应的值   即有相同节点的度的个数  
sort_num = [node_dic[q] for q in sort_node]  
# 概率分布中度平均值  总的度数加起来  / 个数  
# print(sum(sort\_node)/len(sort\_node))  
# 概率分布中最大的度值   也就个数最多那个  
print(f"概率分布中概率最大的度值为：{max(sort\_num)}")  
  
probability = [s1 / sum(sort_num) for s1 in sort_num]   # 概率分布  
print(probability)  
  
# 天津市公交线路节点概率分布图像  
plt.bar(sort_node, probability, color="red")  
# 添加描述信息  
plt.xlabel("节点的度K")  
plt.ylabel("节点度为K的概率P(K)")  
plt.title("线路网络中节点度的概率分布", fontsize=15)  
  
plt.savefig("线路网络中节点度的概率分布.png")  
plt.show()  

    

结果如下：

        
概率分布中概率最大的度值为：16  

    

天津市公交线路网络的度分布如上图所示，本文收集的天津市线路网络共有 618 条线路组成，线路网络的 度的最大值为175 。概率分布中概率最大的度值为 16 ， 度平均值为55.41 ，表明天津市公交网络提供的换乘机会较多，使得可达性较高。其中概率较大的度值大多集中在 7~26 之间，使得节点强度分布相对来说不够均匀，造成天津市很多路段公交线路较少，少数路段经过线路过于密集，造成资源的浪费。

聚类系数 是研究 节点邻居之间的连接紧密程度 ，因此不必考虑边的方向。对于有向图，将其当成无向图来处理。网络聚类系数大，表明网络中节点与其附近节点之间的连接紧密度程度高，即与实际站点之间的公交线路连接密集。计算得到天津公交复杂网络的聚类系数为0.091，相对其他城市较低。

根据公式：同规模的随机网络聚集系数约为0.00044，进一步体现了 网络的小世界特性 。

Python代码如下：

        
import xlrd  
import matplotlib.pyplot as plt  
import pandas as pd  
import matplotlib as mpl  
  
  
# 读取数据  
df = pd.read_excel("site\_information.xlsx")  
# 用pandas的操作去重   得到每条线路的名称  
loc = df['线路名称'].drop_duplicates()  
# 得到每一条线路名称的列表  按照Excel表里以次下去的顺序  
line_list = list(loc)  
# print(line\_list)  
  
# 打开Excel表格  
data = xlrd.open_workbook("site\_information.xlsx")  
# print(data)   # <xlrd.book.Book object at 0x000001F1111C38D0> 在内存中  
# 获取特定Sheet  索引为0  也就是第一个表  
table = data.sheets()[0]  # 从零开始  
# 每条线路对应有哪些站点  字典推导式  
site_dic = {k: [] for k in line_list}  
site_list = []  
for i in range(1, table.nrows):  
    # 每一行的数据   返回的是一个列表  
    x = table.row_values(i)  
    if x[1] == "0":  
        # 只取上行站点数据  每条线路对应有哪些站点 添加进列表  
        site_dic[x[0]].append(x[3])  
        site_list.append(x[3])  
    else:  
        continue  
# print(len(site\_dic))   # 618条线路  
# print(len(site\_list))  # 15248条站点数据  
# 先初始化一个统计每个节点的度的列表  与线路名称列表里的索引一一对应  
node_count = [m * 0 for m in range(len(line_list))]  
# 以每条线路为一个节点  线路名称为键      值为一个列表  里面包含每条路线上行经过的所有站点  
sites = [site for site in site_dic.values()]  
# print(sites)  
# 统计各节点的度  
for j in range(len(sites) - 1):  # 类似冒泡法排序  比较多少趟  
    for k in range(j, len(sites) - 1):  # 每趟比较后  往后推一个  直到比较完  和防止越界  
        if len(sites[j]) > len(sites[k + 1]):  
            for x in sites[j]:  
                if x in sites[j] and x in sites[k + 1]:   # 只要这两条线路有公共站点  节点度数加1  
                    node_count[j], node_count[k + 1] = node_count[j] + 1, node_count[k + 1] + 1  
                    break   # 两条线路对应在列表索引的值加1   这两条线的比较结束  
        else:  
            for x in sites[k + 1]:  
                if x in sites[j] and x in sites[k + 1]:   # 只要这两条线路有公共站点  节点度数加1  
                    node_count[j], node_count[k + 1] = node_count[j] + 1, node_count[k + 1] + 1  
                    break   # 两条线路对应在列表索引的值加1   这两条线的比较结束  
  
# 找到该节点的邻居节点  邻居节点间实际的边数  
Ei = []  
# 对每条线路进行找邻接节点  并统计其邻接节点点实际的边数  
for a in range(len(sites)):  
    neighbor = []  
    if node_count[a] == 0:  
        Ei.append(0)  
        continue  
    if node_count[a] == 1:  
        Ei.append(0)  
        continue  
    for b in range(len(sites)):  
        if a == b:    # 自身  不比  
            continue  
        if len(sites[a]) > len(sites[b]):   # 从站点多的线路里选取站点   看是否有公共站点  
            for x in sites[a]:  
                if x in sites[a] and x in sites[b]:  # 找到邻居节点  
                    neighbor.append(sites[b])  
                    break  
        else:  
            for x in sites[b]:  
                if x in sites[a] and x in sites[b]:  # 找到邻居节点  
                    neighbor.append(sites[b])  
                    break  
    # 在邻居节点中判断这些节点的实际边数  又类似前面的方法  判断两两是否相连  
    count = 0  
    for c in range(len(neighbor) - 1):  
        for d in range(c, len(neighbor) - 1):  # 每趟比较后  往后推一个  直到比较完  和防止越界  
            try:  
                if len(sites[c]) > len(sites[d + 1]):  
                    for y in sites[c]:  
                        if y in sites[c] and y in sites[d + 1]:  # 邻居节点这两个也相连  
                            count += 1  
                            break  
                        else:  
                            continue  
                else:  
                    for y in sites[d + 1]:  
                        if y in sites[c] and y in sites[d + 1]:  # 邻居节点这两个也相连  
                            count += 1  
                            break  
                        else:  
                            continue  
            except IndexError:  
                break  
    Ei.append(count)  
  
# 每个节点的邻居节点间实际相连的边数  
# print(Ei)  
# 节点编号 与 节点的度数索引对应  
node_number = [y for y in range(len(node_count))]  
  
# 设置字体   matplotlib 不支持显示中文  自己本地设置  
mpl.rcParams['font.family'] = 'SimHei'  
# 设置大小  图的像素  
plt.figure(figsize=(10, 6), dpi=150)  
# 公交线路网络的聚类系数分布图像   相邻节点的连通程度  
Ci = []  
for m in range(len(node_number)):  
    if node_count[m] == 0:  
        Ci.append(0)  
    elif node_count[m] == 1:  
        Ci.append(0)  
  
    else:  # 2 * 该节点邻居节点实际连接边数 / 最大边数  
        Ci.append(2 * Ei[m] / (node_count[m] * (node_count[m] - 1)))  
  
# 各节点邻居节点的连通程度 计算平均聚类系数  
print("天津市公交线路网络平均聚类系数为：{:.4f}".format(sum(Ci) / len(Ci)))  
plt.bar(node_number, Ci, color="blue")  
  
# 添加描述信息  
plt.xlabel("节点编号n")  
plt.ylabel("节点的聚类系数")  
plt.title("线路网络中各节点的聚类系数分布", fontsize=15)  
  
plt.savefig("聚类系数分布.png")  
plt.show()  

    

结果如下：

        
天津市公交线路网络平均聚类系数为：0.0906  

    

更多阅读

2020 年最佳流行 Python 库 Top 10

2020 Python中文社区热门文章 Top 10

5分钟快速掌握 Python 定时任务框架

特别推荐

点击下方阅读原文加入 社区会员