企業工商數據API用哪種？
完成創建，如下圖，獲得 AK：
在開發文檔—接口服務—地理編碼，找到開發文檔。
地址是https://lbsyun.baidu.com/faq/api?title=webapi/guide/webservice-geocoding
!](https://image-bed-1311591712.cos.ap-shanghai.myqcloud.com/img/image-20231218190402439.png)
地理編碼服務提供將結構化地址數據（如：北京市海淀區上地十街十號）轉換為對應坐標點（經緯度）功能?？赏ㄟ^該功能，將結構化地址（省/市/區/街道/門牌號）解析為對應的位置坐標。地址結構越完整，地址內容越準確，解析的坐標精度越高。
點擊快速調用代碼，來到官方的示例：
API 服務地址為：
https://api.map.baidu.com/geocoding/v3/?address=北京市海淀區上地十街10號&output=json&ak=您的ak&callback=showLocation
//GET請求下面是一個 python 案例，請求”北京市海淀區上地十街 10 號”的經緯度，得到 json 格式的經緯度返回值。
# encoding:utf-8
import requests
# 接口地址
url = "https://api.map.baidu.com/geocoding/v3"
# 此處填寫你在控制臺-應用管理-創建應用后獲取的AK
ak = "填寫自己的AK"
params = {
"address": "北京市海淀區上地十街10號",
"output": "json",
"ak": ak,
}
response = requests.get(url=url, params=params)
if response:
print(response.json())返回 json 格式參數
{
"status": 0,
"result": {
"location": {
"lng": 116.30762232672,
"lat": 40.056828485961
},
"precise": 1,
"confidence": 80,
"comprehension": 100,
"level": "門址"
}
}返回參數含義如下，建議以comprehension字段作為解析結果判斷標準，comprehension分值范圍 0-100，分值越大，百度地圖返回的結果精確度越高。
狀態碼含義如下：
可以看到只有返回碼為 0，才請求正確?？梢栽?python 代碼里添加判斷語句，解析返回碼為 0 的數據，返回碼為其他情況，則不解析。
用一個包含290個車站名字的excel表為數據源，批量獲取這些車站的經緯度信息。本文使用的數據源是290個車站excel文件，公眾號后臺回復車站可以獲取此文件。
數據源如下所示：
執行完代碼獲得結果如下：
實戰開始：
創建一個get_geocoding(addr)函數，傳入一個地址，函數返回經緯度信息。
def get_geocoding(addr):
# 接口地址
url = "https://api.map.baidu.com/geocoding/v3"
# 此處填寫你在控制臺-應用管理-創建應用后獲取的AK
ak = "自己的AK" # 切換自己的AK
params = {
"address": addr,
"output": "json",
"ak": ak,
}
response = requests.get(url=url, params=params)
if response:
response = response.json() # 轉為json格式
if response['status'] == 0:
result = response['result']
location = result['location']
lng = location['lng']
lat = location['lat']
precise = result['precise']
confidence = result['confidence']
comprehension = result['comprehension']
level = result['level']
# print(response)
# print(addr, lng, lat, precise, confidence, comprehension, level)
t1 = (lng, lat, precise, confidence, comprehension, level) # 經緯度數據轉為混合數據類型元組t1
t2 = ','.join(map(str, t1)) # 混合數據類型元組t1，轉為字符串t2
return t2
else:
print(addr, "未獲取到經緯度")使用 tqdm 庫，顯示 pandas 執行 progress_apply 函數過程的進度條：
from tqdm import tqdm
tqdm.pandas(desc='獲取經緯度進度條', unit="個") # tqdm顯示進度條
df["經緯度等信息"] = df["檢索車站名稱"].progress_apply(get_geocoding) # 調用函數，批量獲取地址經緯度，使用tqdm時，apply換為progress_apply執行過程的進度條如下：
可以選擇導出為 csv 文件或者 excel 文件：
df.to_csv('result.csv', index=False) # 生成csv
df.to_excel('result.xlsx', index=False) # 生成excel計算程序執行用時：
import time
time_start = time.time() # 程序起始時間
time_end = time.time() # 程序結束時間
t = time_end - time_start # 運行時間
print('共用時%s秒' % t)完整代碼如下：
import requests
import pandas as pd
import time
from tqdm import tqdm
def get_geocoding(addr):
# 接口地址
url = "https://api.map.baidu.com/geocoding/v3"
# 此處填寫你在控制臺-應用管理-創建應用后獲取的AK
ak = "自己的AK" # 切換自己的AK
params = {
"address": addr,
"output": "json",
"ak": ak,
}
response = requests.get(url=url, params=params)
if response:
response = response.json() # 轉為json格式
if response['status'] == 0:
result = response['result']
location = result['location']
lng = location['lng']
lat = location['lat']
precise = result['precise']
confidence = result['confidence']
comprehension = result['comprehension']
level = result['level']
# print(response)
# print(addr, lng, lat, precise, confidence, comprehension, level)
t1 = (lng, lat, precise, confidence, comprehension, level) # 經緯度數據轉為混合數據類型元組t1
t2 = ','.join(map(str, t1)) # 混合數據類型元組t1，轉為字符串t2
return t2
else:
print(addr, "未獲取到經緯度")
if __name__ == "__main__":
# 讀取一個excel，批量獲取地址經緯度
df = pd.read_excel("上海局車站名稱.xlsx")
print(df.head())
time_start = time.time() # 程序起始時間
# df["經緯度等信息"] = df["檢索車站名稱"].apply(get_geocoding) # 調用函數，批量獲取地址經緯度
tqdm.pandas(desc='獲取經緯度進度條', unit="個") # tqdm顯示進度條
df["經緯度等信息"] = df["檢索車站名稱"].progress_apply(get_geocoding) # 調用函數，批量獲取地址經緯度，使用tqdm時，apply換為progress_apply
df["lon經度"] = df["經緯度等信息"].str.split(',', expand=True)[0]
df["lat維度"] = df["經緯度等信息"].str.split(',', expand=True)[1]
df["precise是否精確查找"] = df["經緯度等信息"].str.split(',', expand=True)[2]
df["confidence絕對精度"] = df["經緯度等信息"].str.split(',', expand=True)[3]
df["comprehension地址理解程度"] = df["經緯度等信息"].str.split(',', expand=True)[4]
df["level地址結構"] = df["經緯度等信息"].str.split(',', expand=True)[5]
df = df.drop("經緯度等信息", axis=1)
# df.to_csv('result.csv', index=False) # 生成csv
df.to_excel('result.xlsx', index=False) # 生成excel
time_end = time.time() # 程序結束時間
t = time_end - time_start # 運行時間
print('共用時%s秒' % t)輸出的 excel 表格內容如下：
本文使用的數據源是如下所示的290個車站excel文件，公眾號后臺回復車站可以獲取此文件。
下一期，我將使用獲取到的這些經緯度數據，通過python可視化地圖工具進行分析，歡迎關注我的公眾號。
本文章轉載微信公眾號@程序員coding
