矢量数据、数据珍贵、谨慎下载

同步视频教程：http://www.bigemap.com/video/play2018020621.html

专题地图制作视频教程：http://www.bigemap.com/video/play201801172.html

 

     矢量测试数据下载: KML（KMZ）格式、DXF（DWG）格式、SHP格式:（请用BIGEMAP直接打开，可另存为SHP，DXF(AutoCAD)等格式或者直接用Global Mapper打开）

矢量数据效果图如下图：



 第一步：打开BIGEMAP软件，为了和你下载的数据信息一致，请选择左上角图源：【矢量路网（无偏移）】；然后选择最上面的【矩形框】，框选需要下载的范围，如下图所示：



 

  第二步：选择好下载范围后，【双击左键】弹出下载对话框，在对话框的最上面选择【矢量路网】；我们可以下载的   路网、水系、建筑物、地标名称 等等；   可以分开下载，也可以全部勾选上一起下载；如下图所示：



  在上图中，任务名称中输入你要下载保存的名称；这里主要要选择存储格式，包括：KMZ、SHP（shapefile）和dxf（AutoCAD格式）,如下图：



 1、选项kml；【坐标投影】不用选择，保存出来的路网是经纬度坐标;

 2、选项shp；【坐标投影】默认是WGS84墨卡托，点击【选择】可以在里面选择任意投影和坐标系包括：西安80、北京54、CGCS2000、UTM等等；

 3、选项dxf；点击【坐标投影】后面的【选择】，在里面选择你需要的投影坐标系；

如下图：



 可参看【如何选择投影分度带】

 第三步：点击【确定】，开始下载，下载任务列表在左上角，如下图：



  点击上图中的红色箭头文件夹，打开下载完成的文件夹目录，可以看到下载完成的文件，本例下载的kml文件，可以直接在Global Mapper中打开，如下图:



 在BIGEMAP中打开，如下图：



 在AutoCAD中打开,如下图:





 

  下载的矢量数据，可另存为：kml\kml、dxf、dwg、shp、csv、excel、txt、corldraw文件等等矢量格式

 

 咨询   QQ：384720499

 

》》下一篇：矢量等高线地形图如何下载制作？

 

引言
近期博主在做地理数据可视化方面的研究，pyecharts提供了较好的工具，里面提供了很多图形，尤其是Map和Geo这两种图，一种是地图，一种是地理信息图。pyecharts的基础还是echart，echart是百度地图开源的一个数据可视化 JS 库，从我个人使用的情况来看，目前pyecharts（博主pyecharts版本是0.5.11）有这两个问题：

地图精度不够。目前pyecharts提供的地图层级有世界地图、各个国家的地图、中国各省地图、中国各地市图、区县图，到区县后，就不再细分，如果我想看某条道路的具体信息，就难以实现。
经纬度定位“不准确”。这不属于pyecharts是问题，应该属于百度地图在地理编码上的特点，当然，并不是说百度地图地理编码不准确，而是博主的目前在做的项目，地理位置都比较奇特，不管是BaiduMap还是AMap（高德地图）都很难定位到特别准确。由于pyecharts的底层地图是百度地图，所以看起来是pyecharts定位“不准确”。

要解决第一个问题，就是说想要更高层级的地图，这个就需要换可视化包了，也就是说，将pyecharts改成具有其他更高层级地图的可视化包。博主使用的是folium，这个包也很强大，pyecharts的强大之处在与echart的可视化功能，folium则体现在地图及地图的扩展应用上。folium目前支持OpenStreetMap、AMap等几种地图，但不支持百度地图。一度吐血，为啥我用的这两个包底层地图就不能通用下。但其实也好，为了用好这两个包，博主对百度、高德这两大地图大佬的开发文档进行了研究，现在将二者地理编码的方式记录下来。

开发环境：

Python3.7；
pyecharts0.5.11；
pycharm

百度地图地理编码
开发文档看这里，使用前需要去申请AK，同时最好申请开发者认证，能提升访问限制。开发文档其实写的很详细，无非是爬虫get和json解析那一套，我直接上代码。
import json
import pandas as pd
import numpy as np
from urllib.request import urlopen, quote
import requests

def Scene2CoordinateBaiduMap(filename):
    data = pd.read_csv(filename)
    result = []
    i = 1
    j = 1
    for k in data['地点']:
        address = quote(k)  # 1
        url = 'http://api.map.baidu.com/geocoder/v2/?address=' + address + '&output=json&ak=yourAK'  # 2
        req = urlopen(url)

        res = req.read().decode()
        temp = json.loads(res)
        try:  # 3
            result.append(temp['result']['location'])
            print('catch %d \n' % i)
            i = i + 1
        except:
            result.append({'lat': 'null', 'lng': 'null'})
            print('fail %d \n' % j)
            j = j + 1

    print('成功定位%d个，成功率%.2f%%' % (i - 1, (i - 1) * 100 / (i + j - 2)))

    df = pd.DataFrame(result)
    df.to_csv('经纬度原始数据-百度地图.csv', index=False)

if __name__ == '__main__':
    main()

先看导入的包，访问百度地图API返回的都是json格式的数据，要对数据进行解析，自然少不了json包，pandas和numpy常规包，基本上很难不用到，后面两个是网页数据获取的包。高德地图地理编码也是这几个包，后面不再重复写。

几点说明：

#1quote函数是为了得到GBK的url编码，国内的网站编码都是GBK编码的；

#2要把url里面的AK改成你自己申请的AK，而不是yourAK这个字符串；

#3为啥要用try来处理，因为不是所有的地理编码都能成功，如果不用try处理，容易报错，程序会中断。

这个函数写的很详细了，你提供一个CSV文件，其中一列命名为‘地点’，就能将你的所有填写的地点都能转换成经纬度，当然，也有不成功的，总体成功率在95%左右。总体来说，定位效果还是可以的，但是如果地点数据很多填写的不规范，地理编码虽然解析出经纬度，但很多都是有问题的，比如解析出来的点不在正确的地点，如下图。



这些点本来应该都出现在无锡市地图上，但还有不少点在无锡市外，也就是说，解析的不正确。问题出在哪里？博主又回过头去看文档，文档里说，请求的参数除了address外，还有city，也就是城市，这个参数不是必须要写的，如果是写了这个，会不会就正确了呢？于是，我找了一个落在无锡地图之外的点，将请求网址写成这样：
http://api.map.baidu.com/geocoding/v3/?address=南湖大道双庆桥公交站前&city=无锡市&output=json&ak=您的ak&callback=showLocation

返回的数据如下：
showLocation&&showLocation({"status":0,"result":{"location":{"lng":120.31700801956372,"lat":31.532789952709309},"precise":0,"confidence":50,"comprehension":24,"level":"桥"}})

根据经纬度去百度地图拾取坐标系统中看看，巧了，点还对了。。。

博主懵逼了，上午的时候，明明是不对的，所以才想到要写一篇博客来解决这个问题，回过头来一想，因为我上午写的请求网址是这样的：
http://api.map.baidu.com/geocoding/v3/?address=南湖大道双庆桥公交站前&city='无锡市'&output=json&ak=您的ak&callback=showLocation

无锡市我打了引号，其实是没必要打引号的。。。



所以，实际上，在请求网址里面加上城市名，就能保证经纬度转换的时候，所有点都落在你想要的城市里面。。。

持续吐血，这篇博客还要写吗，我上午已经按照我的解决思路，高德地图地理编码→高德地图转百度地图→pyecharts地点上图，这个套路，解析了3000+的地点。

都写了3000多字了，还是继续写完吧。。。
高德地图地理编码
开发文档看这里

，技术细节与百度地图基本一致，请求格式上我换了一种写法，让读者可以更灵活的使用爬虫的技巧。

上代码
def Scene2CoordinateAMap(filename):
    data = pd.read_csv(filename)
    sgdd = data['事故地点'].tolist()
    geo = []
    key = 'yourKEY'
    base = 'https://restapi.amap.com/v3/geocode/geo'
    j = 1
    k = 1
    for i in range(len(sgdd)):
        parameters = {'address': sgdd[i], 'key': key, 'city':'无锡'}
        response = requests.get(base, parameters)
        answer = response.json()
        try:
            pos = answer['geocodes'][0]['location']
            pos = pos.split(',')
            pos[0], pos[1] = pos[1], pos[0]
            geo.append(pos)
            print('catch %d \n'%j)
            j = j + 1
        except:
            geo.append([ 'null','null'])
            print('fail %d \n'%k)
            k = k + 1
    points = pd.DataFrame(geo)
    points.to_csv('经纬度填充-高德地图.csv', index=False, columns = ['lng', 'lat'])
    print('成功定位%d个，成功率%.2f%%' % (j - 1, (j - 1) * 100 / (j + k - 2)))

为啥我会写成‘无锡’，能理解了吧，我高德就是这么写的。。。

可以看出来，和百度地图请求方式有一点不同，我用的是requests.get去请求的，其实网上更多的推荐是用这种方式去请求，而不是用urlopen，不过我个人习惯用urlopen，两者都行吧。
高德地图经纬度转百度地图经纬度
其实已经没啥必要写了，因为二者都差不多。

文档看这里，上代码
def AMap2BaiduMap(filename):
    data = pd.read_csv(filename)
    base = 'http://api.map.baidu.com/geoconv/v1/?coords='
    tail = '&from=3&to=5&ak=yourAK'
    transpos = []
    j = 1
    k = 1
    for i in range(len(data)):
        url = base + str(data.iloc[i]['lng_Amap']) + ',' + str(data.iloc[i]['lat_Amap']) + tail
        req = urlopen(url)
        res = req.read().decode()
        temp = json.loads(res)
                     
        try:
            pos = list(temp['result'][0].values())  # 字典转列表
            transpos.append(pos)
            print('catch %d \n'%j)
            j = j + 1
        except:
            transpos.append(['null','null'])
            print('fail %d \n'%k)
            k = k + 1
    tran = pd.DataFrame(transpos)
    tran.to_csv('高德转百度.csv', index=False, columns = ['lng', 'lat'])
    print('成功转换%d个，成功率%.2f%%' % (j - 1, (j - 1) * 100 / (j + k - 2)))

注意下，链接里有这么句代码
from=3&to=5

官方文档解释如下：

源坐标类型：

1：GPS设备获取的角度坐标，WGS84坐标;

2：GPS获取的米制坐标、sogou地图所用坐标;

3：google地图、soso地图、aliyun地图、mapabc地图和amap地图所用坐标，国测局（GCJ02）坐标;

4：3中列表地图坐标对应的米制坐标;

5：百度地图采用的经纬度坐标;

6：百度地图采用的米制坐标;

7：mapbar地图坐标;

8：51地图坐标

目标坐标类型：

5：bd09ll(百度经纬度坐标);

6：bd09mc(百度米制经纬度坐标)

我是高德经纬度转百度经纬度，自然是from=3to=5。

看看转换经纬度后的pyecharts-Geo图吧



全都在无锡市内了，大功告成，虽然没啥用了(╥╯^╰╥)
完

有问题可以联系本人QQ：1016401546，备注来意，否则不加

附件为通过百度地图接口爬取百度地图城市数据，并存到mysql数据库里面，信息表和脚本下载：

链接：https://pan.baidu.com/s/1mhnA15d801CpVy_ONLtV2Q 

提取码：giec 

复制这段内容后打开百度网盘手机App，操作更方便哦

部分数据展示：



接口返回数据类型：



 

概述

        地图在我们日常的数据可视化分析中是很常见的一种展示手段，不仅美观而且很大气。尤其是在大屏展示中更是扮演着必不可缺的角色。

地图实现

下面我们就来实现一个基本的地图，并为之添加一些好看的样式。

<!DOCTYPE html>
<html lang="en">
<head>
    <meta charset="UTF-8">
    <title>地图</title>
    <script src="js/echarts.js"></script>
    <script src="js/jquery-2.1.1.min.js"></script>
</head>
<body>
<div id="map" style="width: 1000px;height: 800px"></div>
<script type="text/javascript">
    var dt = [
        {name:'芙蓉区', value: 40000.34,text:'贷款笔数：54412<br/>贷款金额：468452.35万',selected:true},
        {name:'岳麓区', value: 38000,text:'缴存人数：32412'},
        {name:'开福区', value: 18000,text:'缴存人数：22412'},
        {name:'天心区', value: 15092,text:'缴存人数：42412'},
        {name:'雨花区', value: 28000,text:'缴存人数：52412'},
        {name:'望城区', value: 12000,text:'缴存人数：72412'},
        {name:'长沙县', value: 32000,text:'缴存人数：82412'},
        {name:'宁乡县', value: 5100,text:'缴存人数：6412'},
        {name:'浏阳市', value: 2200,text:'缴存人数：3412'},
        {name:'分中心', value: 4918,text:'缴存人数：66412'}

    ];
    var option = {


        title : {
            text: '长沙市',
            subtext: '各区县',
            x:'center'
        },
        tooltip : {
            trigger: 'item',
            type:'cross',
            /*   backgroundColor:"#ff7f50",//提示标签背景颜色
             textStyle:{color:"#fff"}, //提示标签字体颜色
             formatter:function(param){
             return dt[param.dataIndex].name + "<br />" +dt[param.dataIndex].text;
             } */
            alwaysShowContent: false,
            bordeRadius: 4,
            borderWidth: 1,
            borderColor: 'rgba(0,0,0,0.2)',
            backgroundColor: 'rgba(255,255,255,0.9)',
            padding: 0,
            // position: "top",
            textStyle: {
                fontSize: 12,
                color: '#333'
            },
            formatter: function(params) {
                var color = "#FFB84D";
                var a = "<div style='background-color:"+color+";padding: 5px 10px;text-align:center;color:white;font-size: 16px;'>" + dt[params.dataIndex].name + "</div>";
                var num = Math.ceil(params.data.name[1].length / 10);
                a += "<div style='padding:3px;'>";
                for (var i = 0; i < num; i++) {
                    a += dt[params.dataIndex].text + "<br>";
                }
                a += "</div>";

                return a;
            }


        },
        visualMap: {
            min: 800,
            max: 50000,
            text:['High','Low'],
            x:'left',
            y:'center',
            realtime: false,
            calculable: true,
            inRange: {
                color: ['lightskyblue','yellow', 'orangered']
            }
        },
        toolbox:{
            show : true,
            orient : 'vertical',
            x: 'right',
            y: 'center',
            borderColor: '#FFF',       // 工具箱边框颜色
            borderWidth: 0,            // 工具箱边框线宽，单位px，默认为0（无边框）
            padding: 5,                // 工具箱内边距，单位px，默认各方向内边距为5，
            showTitle: false,
            feature : {
                saveAsImage: { show : true,
                    title : '保存为图片',
                    type : 'jpeg'
                },
                restore: {show: true},
            }
        },
        series: [{
            name: '长沙',
            type: 'map',
            map:'cs',
            // symbol:'../images/shine.jpg',
            //  symbolSize: 41,
            roam:true,
            label: {
                normal: {
                    show: true
                },
                emphasis: {
                    show: true
                }
            },

            layoutCenter: ['50%', '50%'],   //属性定义地图中心在屏幕中的位置，一般结合layoutSize 定义地图的大小
//            layoutSize: 11200,
            itemStyle:{
                normal:{label:{show:true}},
                emphasis:{label:{show:true}}
            },
            data:dt
        }]
    };
    $.get('json/cs.json', function (csJson) {
        echarts.registerMap('cs', csJson);
        var chart = echarts.init(document.getElementById('map'));
        chart.setOption(option);
    });
</script>
</body>
</html>

示意图如下：



一个基本的地图就出来了。

提出问题

        熟悉长沙的人就会知道，在上面这个地图中，多了一块区域“分中心”，在长沙的地图板块中是没有这个区域的，那么我是怎样将他改变成这样的呢。

        这其实是当初用户提出的一个需求，因为他们中是有一个分中心的，而长沙地区是没有这个地图区域的，所以最后决定是添加一块湖南缩略图样式的区域来代表这个分中心。

        当初也是找了很多资料，没有找到合适的办法，然后决定用两个地图来表示，然后给用户看了样式，用户也觉得很满意，但是在真正开发过程中确遇到了很多问题，数据不好一起展示和联动。后来也是找了很久才找到一个网站

http://geojson.io

这个网站完美解决了我的问题。

自定义地图

下面来讲解这个网站如何使用：

打开网址我们可以看到这个网站的样子



网页的左上角是菜单栏，在open选项中打开我们需要编辑的json文件

open----->file



编辑完成之后在第二个save菜单中保存我们编辑的内容即可

save------>GeoJSON



在网页的中部有一块区域就是我们需要重点掌握的画图工具



第一个就是根据点来绘图，绘制的都是线条形状的图形



第二个就是多边形，可以快速的绘制一个多边形区域或者是比较复杂的地图区域。



第三个就是矩形，能够快速的绘制一个简单的矩形区域。



当我们在地图上新增了一块区域之后还要为这块区域命名：



如图：点击这块新增的区域，会出现一个该区域的属性框，点击Add按钮，新增一个name属性值为分中心。这样就完成了地图区域的增加。



上面这个图的左上角就是我自己绘制的，长沙的地图原本是只有下面这块区域的。

 

有了地图的增加，那么必然会有地图的合并。

以长沙为例，假如由于行政区域的划分，开福区和芙蓉区合并为一个区，那么我们就需要在地图上将这两个区进行合并。

首先将这两个区删除:点击芙蓉区和开福区然后把他们两个删除掉



删除后的样子是这样



可以看到中间空了一块区域，然后再利用我们的点画图工具再地图上的那块空白区域进行绘制即可，利用多边形画图工具将空白区域的点链接起来即可，在绘制过程中利用鼠标滚轮尽量把地图扩大这样方便绘制并且绘制的更加精密，最后将它的名字修改成合并后的名字即可。



最后将绘制完成的保存到本地即可。

地图的东西大概就是这么多，有问题的可以留言一起讨论。

最后送上一个3D版的地图：

<!DOCTYPE html>
<html lang="en">
<head>
    <meta charset="UTF-8">
    <title>Title</title>
    <script src="../js/echarts.js"></script>
    <script src="../js/echarts-gl.js"></script>
    <script src="../js/jquery-2.1.1.min.js"></script>
</head>
<body>
<div id="mp" style="height: 700px;width: 100%;margin:0px;padding: 0px;"></div>
<script>
    var dt = [
        {name:'芙蓉区', value: 1,height:2.5},
        {name:'岳麓区', value: 2,height:3.5},
        {name:'开福区', value: 3,height:4.5},
        {name:'天心区', value: 4,height:1.5},
        {name:'雨花区', value: 5,height:5.5},
        {name:'望城区', value: 6,height:3.5},
        {name:'长沙县', value: 7,height:2.5},
        {name:'宁乡县', value: 8,height:4.5},
        {name:'浏阳市', value: 9,height:5.5}
    ];
    var option = {
       // backgroundColor: "#333",
        geo3D:[{
            show:true,
            type:'map',
            map:'cs',
            symbolSize: 1300,
//            environment: new echarts.graphic.LinearGradient(0, 0, 0, 1, [{
//                offset: 0, color: '#00aaff' // 天空颜色
//            }, {
//                offset: 0.7, color: '#998866' // 地面颜色
//            }, {
//                offset: 1, color: '#998866' // 地面颜色
//            }], false),
            environment:'../images/shine.jpg',
            groundPlane: {
                show: false,
                color: "#0080FF"
            },
            shading: 'realistic',
          //  backgroundColor:'red',



            itemStyle: {
                areaColor: '#fff',
                opacity:1,
                borderColor: "rgba(100,149,237,1)",
                borderWidth: 2
            },
            label: {
                show:true,
                textStyle: {
                    color: '#ff0000'
                }
            },
            emphasis:{
                label:{
                    show:true,
                    distance: 2
                    //formatter: '{b}'
                },
                itemStyle:{
                    color:'#EF7E10',
                    opacity:1
                }
            },
            instancing: false,
            width: "100%",
            height: "100%",
            boxWidth: 160,
            boxHeight: 2,
            regions: dt
        }],
        series:[{
            bevelSmoothness: 50,
            type: "bar3D",
            coordinateSystem: "geo3D",
            backgroundcolor:'blcak',
            data:[{
                name:'芙蓉区',value:[112.988094,28.193106,2.5],itemStyle: {
                    color: "#dd6b66"
                }},
                {name:'岳麓区',value:[112.911591,28.213044,2.5],itemStyle: {
                    color: "#759aa0"
                }},
                {name:'开福区',value:[112.985525,28.201336,2.5],itemStyle: {
                    color: "#e69d87"
                }},
                {name:'天心区',value:[112.97307,28.192375,2.5],itemStyle: {
                    color: "#8dc1a9"
                }},
                {name:'雨花区',value:[113.016337,28.109937,2.5],itemStyle: {
                    color: "#ea7e53"
                }},
                {name:'望城区',value:[112.819549,28.347458,2.5],itemStyle: {
                    color: "#eedd78"
                }},
                {name:'长沙县',value:[113.080098,28.237888,2.5],itemStyle: {
                    color: "#73a373"
                }},
                {name:'宁乡县',value:[112.553182,28.253928,2.5],itemStyle: {
                    color: "#73b9bc"
                }},
                {name:'浏阳市',value:[113.633301,28.141112,2.5],itemStyle: {
                    color: "#7289ab"
                }
                }],
            maxHeight: 20,
            minHeight:0,
            barSize: 4

        }]
    };
    $.get('../json/cs.json', function (chinaJson) {
        echarts.registerMap('cs', chinaJson);
        var chart = echarts.init(document.getElementById('mp'));
        chart.setOption(option);
    })
</script>
</body>
</html>

效果图：



 

全国各省市地图json数据