183條地鐵線路，3034個地鐵站，發現中國地鐵名字的秘密。
最近看了新週刊的一篇推送，有關地鐵名字的分析，連結如下。
我們分析了3447個地鐵站，發現了中國城市地名的秘密
於是乎也想著自己去獲取資料，然後進行分析一番。
當然分析水平不可能和他們的相比，畢竟文筆擺在那裡，也就那點水平。
大家看著樂呵就好，能提高的估摸著也就只有資料的準確性啦。
文中所用到的地鐵站資料並沒有去重，對於換乘站，含有大量重複。
即使作者一直在強調換乘站佔比很小，影響不是很大。
但於我而言，去除重複資料還是比較簡單的。
然後照著人家的路子去分析，多學習一下。
/ 01 / 獲取分析
地鐵資訊獲取從高德地圖上獲取。
上面主要獲取城市的「id」，「cityname」及「名稱」。
用於拼接請求網址，進而獲取地鐵線路的具體資訊。
找到請求資訊，獲取各個城市的地鐵線路以及線路中站點詳情。
/ 02 / 資料獲取
具體程式碼如下。
import json
import requests
from bs4 import BeautifulSoup
headers = {‘user-agent’： ‘Mozilla/5。0 （Windows NT 6。1； WOW64） AppleWebKit/537。36 （KHTML， like Gecko） Chrome/63。0。3239。132 Safari/537。36’}
def get_message（ID， cityname， name）：
“”“
地鐵線路資訊獲取
”“”
url = ‘http：//map。amap。com/service/subway？_1555502190153&srhdata=’ + ID + ‘_drw_’ + cityname + ‘。json’
response = requests。get（url=url， headers=headers）
html = response。text
result = json。loads（html）
for i in result［‘l’］：
for j in i［‘st’］：
# 判斷是否含有地鐵分線
if len（i［‘la’］） > 0：
print（name， i［‘ln’］ + ‘（’ + i［‘la’］ + ‘）’， j［‘n’］）
with open（‘subway。csv’， ‘a+’， encoding=‘gbk’） as f：
f。write（name + ‘，’ + i［‘ln’］ + ‘（’ + i［‘la’］ + ‘）’ + ‘，’ + j［‘n’］ + ‘\n’）
else：
print（name， i［‘ln’］， j［‘n’］）
with open（‘subway。csv’， ‘a+’， encoding=‘gbk’） as f：
f。write（name + ‘，’ + i［‘ln’］ + ‘，’ + j［‘n’］ + ‘\n’）
def get_city（）：
“”“
城市資訊獲取
”“”
url = ‘http：//map。amap。com/subway/index。html？&1100’
response = requests。get（url=url， headers=headers）
html = response。text
# 編碼
html = html。encode（‘ISO-8859-1’）
html = html。decode（‘utf-8’）
soup = BeautifulSoup（html， ‘lxml’）
# 城市列表
res1 = soup。find_all（class_=“city-list fl”）［0］
res2 = soup。find_all（class_=“more-city-list”）［0］
for i in res1。find_all（‘a’）：
# 城市ID值
ID = i［‘id’］
# 城市拼音名
cityname = i［‘cityname’］
# 城市名
name = i。get_text（）
get_message（ID， cityname， name）
for i in res2。find_all（‘a’）：
# 城市ID值
ID = i［‘id’］
# 城市拼音名
cityname = i［‘cityname’］
# 城市名
name = i。get_text（）
get_message（ID， cityname， name）
if __name__ == ‘__main__’：
get_city（）
最後成功獲取資料。
包含換乘站資料，一共3541個地鐵站點。
/ 03 / 資料視覺化
先對資料進行清洗，去除重複的換乘站資訊。
from wordcloud import WordCloud， ImageColorGenerator
from pyecharts import Line， Bar
import matplotlib。pyplot as plt
import pandas as pd
import numpy as np
import jieba
# 設定列名與資料對齊
pd。set_option（‘display。unicode。ambiguous_as_wide’， True）
pd。set_option（‘display。unicode。east_asian_width’， True）
# 顯示10行
pd。set_option（‘display。max_rows’， 10）
# 讀取資料
df = pd。read_csv（‘subway。csv’， header=None， names=［‘city’， ‘line’， ‘station’］， encoding=‘gbk’）
# 各個城市地鐵線路情況
df_line = df。groupby（［‘city’， ‘line’］）。count（）。reset_index（）
print（df_line）
透過城市及地鐵線路進行分組，得到全國地鐵線路總數。
一共183條地鐵線路。
def create_map（df）：
# 繪製地圖
value = ［i for i in df［‘line’］］
attr = ［i for i in df［‘city’］］
geo = Geo（“已開通地鐵城市分佈情況”， title_pos=‘center’， title_top=‘0’， width=800， height=400， title_color=“#fff”， background_color=“#404a59”， ）
geo。add（“”， attr， value， is_visualmap=True， visual_range=［0， 25］， visual_text_color=“#fff”， symbol_size=15）
geo。render（“已開通地鐵城市分佈情況。html”）
def create_line（df）：
“”“
生成城市地鐵線路數量分佈情況
”“”
title_len = df［‘line’］
bins = ［0， 5， 10， 15， 20， 25］
level = ［‘0-5’， ‘5-10’， ‘10-15’， ‘15-20’， ‘20以上’］
len_stage = pd。cut（title_len， bins=bins， labels=level）。value_counts（）。sort_index（）
# 生成柱狀圖
attr = len_stage。index
v1 = len_stage。values
bar = Bar（“各城市地鐵線路數量分佈”， title_pos=‘center’， title_top=‘18’， width=800， height=400）
bar。add（“”， attr， v1， is_stack=True， is_label_show=True）
bar。render（“各城市地鐵線路數量分佈。html”）
# 各個城市地鐵線路數
df_city = df_line。groupby（［‘city’］）。count（）。reset_index（）。sort_values（by=‘line’， ascending=False）
print（df_city）
create_map（df_city）
create_line（df_city）
已經開通地鐵的城市資料，還有各個城市的地鐵線路數。
一共32個城市開通地鐵，其中北京、上海線路已經超過了20條。
城市分佈情況。
大部分都是省會城市，還有個別經濟實力強的城市。
線路數量分佈情況。
可以看到大部分還是在「0-5」這個階段的，當然最少為1條線。
# 哪個城市哪條線路地鐵站最多
print（df_line。sort_values（by=‘station’， ascending=False））
探索一下哪個城市哪條線路地鐵站最多。
北京10號線第一，重慶3號線第二。
還是蠻懷念北京1張票，2塊錢地鐵隨便做的時候。
可惜好日子一去不復返了。
去除重複換乘站資料。
# 去除重複換乘站的地鐵資料
df_station = df。groupby（［‘city’， ‘station’］）。count（）。reset_index（）
print（df_station）
一共包含3034個地鐵站，相較新週刊中3447個地鐵站資料。
減少了近400個地鐵站。
接下來看一下哪個城市地鐵站最多。
# 統計每個城市包含地鐵站數（已去除重複換乘站）
print（df_station。groupby（［‘city’］）。count（）。reset_index（）。sort_values（by=‘station’， ascending=False））
32個城市，上海第一，北京第二。
沒想到的是，武漢居然有那麼多地鐵站。
現在來實現一下新週刊中的操作，生成地鐵名詞雲。
def create_wordcloud（df）：
“”“
生成地鐵名詞雲
”“”
# 分詞
text = ‘’
for line in df［‘station’］：
text += ‘ ’。join（jieba。cut（line， cut_all=False））
text += ‘ ’
backgroud_Image = plt。imread（‘rocket。jpg’）
wc = WordCloud（
background_color=‘white’，
mask=backgroud_Image，
font_path=‘C：\Windows\Fonts\華康儷金黑W8。TTF’，
max_words=1000，
max_font_size=150，
min_font_size=15，
prefer_horizontal=1，
random_state=50，
）
wc。generate_from_text（text）
img_colors = ImageColorGenerator（backgroud_Image）
wc。recolor（color_func=img_colors）
# 看看詞頻高的有哪些
process_word = WordCloud。process_text（wc， text）
sort = sorted（process_word。items（）， key=lambda e： e［1］， reverse=True）
print（sort［：50］）
plt。imshow（wc）
plt。axis（‘off’）
wc。to_file（“地鐵名詞雲。jpg”）
print（‘生成詞雲成功！’）
create_wordcloud（df_station）
詞雲圖如下。
廣場、大道、公園佔了前三，和新週刊的圖片一樣，說明分析有效。
words = ［］
for line in df［‘station’］：
for i in line：
# 將字串輸出一個個中文
words。append（i）
def all_np（arr）：
“”“
統計單字頻率
”“”
arr = np。array（arr）
key = np。unique（arr）
result = {}
for k in key：
mask = （arr == k）
arr_new = arr［mask］
v = arr_new。size
result［k］ = v
return result
def create_word（word_message）：
“”“
生成柱狀圖
”“”
attr = ［j［0］ for j in word_message］
v1 = ［j［1］ for j in word_message］
bar = Bar（“中國地鐵站最愛用的字”， title_pos=‘center’， title_top=‘18’， width=800， height=400）
bar。add（“”， attr， v1， is_stack=True， is_label_show=True）
bar。render（“中國地鐵站最愛用的字。html”）
word = all_np（words）
word_message = sorted（word。items（）， key=lambda x： x［1］， reverse=True）［：10］
create_word（word_message）
統計一下，大家最喜歡用什麼字來命名地鐵。
路最多，在此之中上海的佔比很大。
不信往下看。
# 選取上海的地鐵站
df1 = df_station［df_station［‘city’］ == ‘上海’］
print（df1）
統計上海所有的地鐵站，一共345個。
選取包含路的地鐵站。
# 選取上海地鐵站名字包含路的資料
df2 = df1［df1［‘station’］。str。contains（‘路’）］
print（df2）
有210個，約佔上海地鐵的三分之二，路的七分之二。
看來上海對
路
是情有獨鍾的。
具體緣由這裡就不解釋了，詳情見新週刊的推送，裡面還是講解蠻詳細的。
武漢和重慶則是對
家
這個詞特別喜歡。
標誌著那片土地開拓者們的籍貫與姓氏。
# 選取武漢的地鐵站
df1 = df_station［df_station［‘city’］ == ‘武漢’］
print（df1）
# 選取武漢地鐵站名字包含家的資料
df2 = df1［df1［‘station’］。str。contains（‘家’）］
print（df2）
# 選取重慶的地鐵站
df1 = df_station［df_station［‘city’］ == ‘重慶’］
print（df1）
# 選取重慶地鐵站名字包含家的資料
df2 = df1［df1［‘station’］。str。contains（‘家’）］
print（df2）
武漢共有17個，重慶共有20個。
看完家之後，再來看一下名字包含
門
的地鐵站。
def create_door（door）：
“”“
生成柱狀圖
”“”
attr = ［j for j in door［‘city’］［：3］］
v1 = ［j for j in door［‘line’］［：3］］
bar = Bar（“地鐵站最愛用“門”命名的城市”， title_pos=‘center’， title_top=‘18’， width=800， height=400）
bar。add（“”， attr， v1， is_stack=True， is_label_show=True， yaxis_max=40）
bar。render（“地鐵站最愛用門命名的城市。html”）
# 選取地鐵站名字包含門的資料
df1 = df_station［df_station［‘station’］。str。contains（‘門’）］
# 對資料進行分組計數
df2 = df1。groupby（［‘city’］）。count（）。reset_index（）。sort_values（by=‘line’， ascending=False）
print（df2）
create_door（df2）
一共有21個城市，地鐵站名包含門。
其中北京，南京，西安作為多朝古都，佔去了大部分。
具體的地鐵站名資料。
# 選取北京的地鐵站
df1 = df_station［df_station［‘city’］ == ‘北京’］
# 選取北京地鐵站名字包含門的資料
df2 = df1［df1［‘station’］。str。contains（‘門’）］
print（df2）
# 選取南京的地鐵站
df1 = df_station［df_station［‘city’］ == ‘南京’］
# 選取南京地鐵站名字包含門的資料
df2 = df1［df1［‘station’］。str。contains（‘門’）］
print（df2）
# 選取西安的地鐵站
df1 = df_station［df_station［‘city’］ == ‘西安’］
# 選取西安地鐵站名字包含門的資料
df2 = df1［df1［‘station’］。str。contains（‘門’）］
print（df2）
輸出如下。
/ 03 / 總結
原始碼及相關檔案已上傳GitHub，點選閱讀原文即可獲取。
這裡摘一段新週刊的話。
可以說，一個小小的地鐵名就是一座城市風貌的一部分。
它反映著不同地方的水土，也承載著各個城市的文化和歷史。
確實如此，靠山的城市地鐵名多“山”，靠水的城市地鐵名“含水量”則是槓槓的。
萬水千山總是情，點個「在看」行不行。
