Python 城市公交網(wǎng)絡分析與可視化

# -*- coding: UTF-8 -*-
"""
@Author ：葉庭云
@公眾號 ：修煉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資源渲染
CurrentConfig.ONLINE_HOST = 'D:/python/pyecharts-assets-master/assets/'

df = pd.read_excel('處理后數(shù)據(jù).xlsx', encoding='utf-8')
df.drop_duplicates(subset='站名稱', inplace=True)
longitude = list(df['經(jīng)度（分）'])
latitude = list(df['緯度（分）'])
datas = []
a = []
for i, j in zip(longitude, latitude):
    a.append([i, j])

datas.append(a)
print(datas)

BAIDU_MAP_AK = "改成你的百度地圖AK"

c = (
    BMap(init_opts=opts.InitOpts(width="1200px", height="800px"))
    .add_schema(
        baidu_ak=BAIDU_MAP_AK, # 申請的BAIDU_MAP_AK
        center=[117.20, 39.13], # 天津市經(jīng)緯度中心
        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話可以注釋下面的參數(shù)（效果差距不大）
        progressive=200,
        progressive_threshold=500,
    )
)

c.render('公交網(wǎng)絡地圖.html')

# -*- coding: UTF-8 -*-
"""
@Author ：葉庭云
@公眾號 ：修煉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 得到每條線路的名稱
loc = df['線路名稱'].unique()
# 得到每一條線路名稱的列表
line_list = list(loc)
print(line_list)

# 打開Excel表格
data = xlrd.open_workbook("site_information.xlsx")
# print(data) # <xlrd.book.Book object at 0x000001F1111C38D0> 在內存中
# 獲取特定Sheet 索引為0 也就是第一個表
table = data.sheets()[0] # 從零開始
# 每條線路對應有哪些站點 字典推導式
site_dic = {k: [] for k in line_list}
site_list = []
for i in range(1, table.nrows):
    # 每一行的數(shù)據(jù) 返回的是一個列表
    x = table.row_values(i)
    if x[1] == "0":
        # 上行 站點數(shù)據(jù) 每條線路對應有哪些站點 添加進列表
        site_dic[x[0]].append(x[3])
        site_list.append(x[3])
    else:
        continue
# print(len(site_dic)) # 618條線路
# print(len(site_list)) # 15248條站點數(shù)據(jù)
print(f"公交網(wǎng)絡共有 {len(line_list)} 條線路") # 618條線路

# 先初始化一個統(tǒng)計每個節(jié)點的度的列表 與線路名稱列表里的索引一一對應
node_count = [m * 0 for m in range(len(line_list))]
# 以每條線路為一個節(jié)點 線路名稱為鍵 值為一個列表 里面包含每條路線上行經(jīng)過的所有站點
sites = [site for site in site_dic.values()]
# print(sites)
for j in range(len(sites)): # 類似冒泡法排序 比較多少趟
    for k in range(j, len(sites) - 1): # 每趟比較后 往后推一個 直到比較完 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]: # 只要這兩條線路有公共站點 節(jié)點度數(shù)加1
                    node_count[j], node_count[k + 1] = node_count[j] + 1, node_count[k + 1] + 1
                    break   # 兩條線路對應在列表索引的值加1 這兩條線的比較結束
        else:
            for x in sites[k + 1]:
                if x in sites[j] and x in sites[k + 1]: # 只要這兩條線路有公共站點 節(jié)點度數(shù)加1
                    node_count[j], node_count[k + 1] = node_count[j] + 1, node_count[k + 1] + 1
                    break   # 兩條線路對應在列表索引的值加1 這兩條線的比較結束
# print(node_count)
# 節(jié)點編號 與 節(jié)點的度數(shù)索引對應
node_number = [y for y in range(len(node_count))]
# 線性網(wǎng)絡度的最大值 175
print(f"線路網(wǎng)絡的度的最大值為：{max(node_count)}")
print(f"線路網(wǎng)絡的度的最小值為：{min(node_count)}")
print(f"線路網(wǎng)絡的度的平均值為：{sum(node_count) / len(node_count)}")
# 設置大小 圖的像素
# 設置字體 matplotlib 不支持顯示中文 自己本地設置
plt.figure(figsize=(10, 6), dpi=150)
mpl.rcParams['font.family'] = 'SimHei'

# 繪制每個節(jié)點度的分布
plt.bar(node_number, node_count, color="purple")

# 添加描述信息
plt.xlabel("節(jié)點編號n")
plt.ylabel("節(jié)點的度數(shù)K")
plt.title("線路網(wǎng)絡中各節(jié)點的度的大小分布", fontsize=15)
plt.savefig("線路網(wǎng)絡中各節(jié)點的度的大小.png")
plt.show()

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 得到每條線路的名稱
loc = df['線路名稱'].unique()
# 得到每一條線路名稱的列表
line_list = list(loc)
print(line_list)

# 打開Excel表格
data = xlrd.open_workbook("site_information.xlsx")
# print(data) # <xlrd.book.Book object at 0x000001F1111C38D0> 在內存中
# 獲取特定Sheet 索引為0 也就是第一個表
table = data.sheets()[0] # 從零開始
# 每條線路對應有哪些站點 字典推導式
site_dic = {k: [] for k in line_list}
site_list = []
for i in range(1, table.nrows):
    # 每一行的數(shù)據(jù) 返回的是一個列表
    x = table.row_values(i)
    if x[1] == "0":
        # 上行 站點數(shù)據(jù) 每條線路對應有哪些站點 添加進列表
        site_dic[x[0]].append(x[3])
        site_list.append(x[3])
    else:
        continue
# print(len(site_dic)) # 618條線路
# print(len(site_list)) # 15248條站點數(shù)據(jù)
# 先初始化一個統(tǒng)計每個節(jié)點的度的列表 與線路名稱列表里的索引一一對應
node_count = [m * 0 for m in range(len(line_list))]
# 以每條線路為一個節(jié)點 線路名稱為鍵 值為一個列表 里面包含每條路線上行經(jīng)過的所有站點
sites = [site for site in site_dic.values()]
# print(sites)
for j in range(len(sites)): # 類似冒泡法排序 比較多少趟
    for k in range(j, len(sites) - 1): # 每趟比較后 往后推一個 直到比較完 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]: # 只要這兩條線路有公共站點 節(jié)點度數(shù)加1
                    node_count[j], node_count[k + 1] = node_count[j] + 1, node_count[k + 1] + 1
                    break   # 兩條線路對應在列表索引的值加1 這兩條線的比較結束
        else:
            for x in sites[k + 1]:
                if x in sites[j] and x in sites[k + 1]: # 只要這兩條線路有公共站點 節(jié)點度數(shù)加1
                    node_count[j], node_count[k + 1] = node_count[j] + 1, node_count[k + 1] + 1
                    break   # 兩條線路對應在列表索引的值加1 這兩條線的比較結束
# print(node_count)
# 節(jié)點編號 與 節(jié)點的度數(shù)索引對應
node_number = [y for y in range(len(node_count))]
# 線性網(wǎng)絡度的最大值 175
# print(max(node_count))

# 設置大小 圖的像素
# 設置字體 matplotlib 不支持顯示中文 自己本地設置
plt.figure(figsize=(10, 6), dpi=150)
mpl.rcParams['font.family'] = 'SimHei'

# 分析節(jié)點的度K的概率分布
# 統(tǒng)計節(jié)點的度為K的 分別有多少個
node_count = collections.Counter(node_count)
node_count = node_count.most_common()
# 點
node_dic = {_k: _v for _k, _v in node_count}
# 按鍵從小到大排序 得到一個列表 節(jié)點的度
sort_node = sorted(node_dic)
# 按順序得到鍵對應的值 即有相同節(jié)點的度的個數(shù)
sort_num = [node_dic[q] for q in sort_node]
# 概率分布中度平均值 總的度數(shù)加起來 / 個數(shù)
# print(sum(sort_node)/len(sort_node))
# 概率分布中最大的度值 也就個數(shù)最多那個
print(f"概率分布中概率最大的度值為：{max(sort_num)}")

probability = [s1 / sum(sort_num) for s1 in sort_num] # 概率分布
print(probability)

# 天津市公交線路節(jié)點概率分布圖像
plt.bar(sort_node, probability, color="red")
# 添加描述信息
plt.xlabel("節(jié)點的度K")
plt.ylabel("節(jié)點度為K的概率P(K)")
plt.title("線路網(wǎng)絡中節(jié)點度的概率分布", fontsize=15)

plt.savefig("線路網(wǎng)絡中節(jié)點度的概率分布.png")
plt.show()

import xlrd
import matplotlib.pyplot as plt
import pandas as pd
import matplotlib as mpl


# 讀取數(shù)據(jù)
df = pd.read_excel("site_information.xlsx")
# 用pandas的操作去重 得到每條線路的名稱
loc = df['線路名稱'].drop_duplicates()
# 得到每一條線路名稱的列表 按照Excel表里以次下去的順序
line_list = list(loc)
# print(line_list)

# 打開Excel表格
data = xlrd.open_workbook("site_information.xlsx")
# print(data) # <xlrd.book.Book object at 0x000001F1111C38D0> 在內存中
# 獲取特定Sheet 索引為0 也就是第一個表
table = data.sheets()[0] # 從零開始
# 每條線路對應有哪些站點 字典推導式
site_dic = {k: [] for k in line_list}
site_list = []
for i in range(1, table.nrows):
    # 每一行的數(shù)據(jù) 返回的是一個列表
    x = table.row_values(i)
    if x[1] == "0":
        # 只取上行站點數(shù)據(jù) 每條線路對應有哪些站點 添加進列表
        site_dic[x[0]].append(x[3])
        site_list.append(x[3])
    else:
        continue
# print(len(site_dic)) # 618條線路
# print(len(site_list)) # 15248條站點數(shù)據(jù)
# 先初始化一個統(tǒng)計每個節(jié)點的度的列表 與線路名稱列表里的索引一一對應
node_count = [m * 0 for m in range(len(line_list))]
# 以每條線路為一個節(jié)點 線路名稱為鍵 值為一個列表 里面包含每條路線上行經(jīng)過的所有站點
sites = [site for site in site_dic.values()]
# print(sites)
# 統(tǒng)計各節(jié)點的度
for j in range(len(sites) - 1): # 類似冒泡法排序 比較多少趟
    for k in range(j, len(sites) - 1): # 每趟比較后 往后推一個 直到比較完 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]: # 只要這兩條線路有公共站點 節(jié)點度數(shù)加1
                    node_count[j], node_count[k + 1] = node_count[j] + 1, node_count[k + 1] + 1
                    break   # 兩條線路對應在列表索引的值加1 這兩條線的比較結束
        else:
            for x in sites[k + 1]:
                if x in sites[j] and x in sites[k + 1]: # 只要這兩條線路有公共站點 節(jié)點度數(shù)加1
                    node_count[j], node_count[k + 1] = node_count[j] + 1, node_count[k + 1] + 1
                    break   # 兩條線路對應在列表索引的值加1 這兩條線的比較結束

# 找到該節(jié)點的鄰居節(jié)點 鄰居節(jié)點間實際的邊數(shù)
Ei = []
# 對每條線路進行找鄰接節(jié)點 并統(tǒng)計其鄰接節(jié)點點實際的邊數(shù)
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]): # 從站點多的線路里選取站點 看是否有公共站點
            for x in sites[a]:
                if x in sites[a] and x in sites[b]: # 找到鄰居節(jié)點
                    neighbor.append(sites[b])
                    break
        else:
            for x in sites[b]:
                if x in sites[a] and x in sites[b]: # 找到鄰居節(jié)點
                    neighbor.append(sites[b])
                    break
    # 在鄰居節(jié)點中判斷這些節(jié)點的實際邊數(shù) 又類似前面的方法 判斷兩兩是否相連
    count = 0
    for c in range(len(neighbor) - 1):
        for d in range(c, len(neighbor) - 1): # 每趟比較后 往后推一個 直到比較完 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]: # 鄰居節(jié)點這兩個也相連
                            count += 1
                            break
                        else:
                            continue
                else:
                    for y in sites[d + 1]:
                        if y in sites[c] and y in sites[d + 1]: # 鄰居節(jié)點這兩個也相連
                            count += 1
                            break
                        else:
                            continue
            except IndexError:
                break
    Ei.append(count)

# 每個節(jié)點的鄰居節(jié)點間實際相連的邊數(shù)
# print(Ei)
# 節(jié)點編號 與 節(jié)點的度數(shù)索引對應
node_number = [y for y in range(len(node_count))]

# 設置字體 matplotlib 不支持顯示中文 自己本地設置
mpl.rcParams['font.family'] = 'SimHei'
# 設置大小 圖的像素
plt.figure(figsize=(10, 6), dpi=150)
# 公交線路網(wǎng)絡的聚類系數(shù)分布圖像 相鄰節(jié)點的連通程度
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 * 該節(jié)點鄰居節(jié)點實際連接邊數(shù) / 最大邊數(shù)
        Ci.append(2 * Ei[m] / (node_count[m] * (node_count[m] - 1)))

# 各節(jié)點鄰居節(jié)點的連通程度 計算平均聚類系數(shù)
print("天津市公交線路網(wǎng)絡平均聚類系數(shù)為：{:.4f}".format(sum(Ci) / len(Ci)))
plt.bar(node_number, Ci, color="blue")

# 添加描述信息
plt.xlabel("節(jié)點編號n")
plt.ylabel("節(jié)點的聚類系數(shù)")
plt.title("線路網(wǎng)絡中各節(jié)點的聚類系數(shù)分布", fontsize=15)

plt.savefig("聚類系數(shù)分布.png")
plt.show()