183条地铁线路，3034个地铁站，发现中国地铁名字的秘密

最近看了新周刊的一篇推送，有关地铁名字的分析。于是乎也想着自己去获取数据，然后进行分析一番。

当然分析水平不可能和他们的相比，毕竟文笔摆在那里，也就那点水平。

大家看着乐呵就好，能提高的估摸着也就只有数据的准确性啦。

文中所用到的地铁站数据并没有去重，对于换乘站，含有大量重复。

即使作者一直在强调换乘站占比很小，影响不是很大。

但于我而言，去除重复数据还是比较简单的。

然后照着人家的路子去分析，多学习一下。

一、获取分析

地铁信息获取从高德地图上获取。

上面主要获取城市的「id」，「cityname」及「名称」。

用于拼接请求网址，进而获取地铁线路的具体信息。

找到请求信息，获取各个城市的地铁线路以及线路中站点详情。

二、数据获取

具体代码如下。

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): 
    """ 
    地铁线路信息获取 
    """ 
    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']: 
            # 判断是否含有地铁分线 
            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(): 
    """ 
    城市信息获取 
    """ 
    url = 'http://map.amap.com/subway/index.html?&1100' 
    response = requests.get(url=url, headers=headers) 
    html = response.text 
    # 编码 
    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() 

***成功获取数据。

包含换乘站数据，一共3541个地铁站点。

二、数据可视化

先对数据进行清洗，去除重复的换乘站信息。

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 
 
# 设置列名与数据对齐 
pd.set_option('display.unicode.ambiguous_as_wide', True) 
pd.set_option('display.unicode.east_asian_width', True) 
# 显示10行 
pd.set_option('display.max_rows', 10) 
# 读取数据 
df = pd.read_csv('subway.csv', header=None, names=['city', 'line', 'station'], encoding='gbk') 
# 各个城市地铁线路情况 
df_line = df.groupby(['city', 'line']).count().reset_index() 
print(df_line) 

通过城市及地铁线路进行分组，得到全国地铁线路总数。

一共183条地铁线路。

def create_map(df): 
    # 绘制地图 
    value = [i for i in df['line']] 
    attr = [i for i in df['city']] 
    geo = Geo("已开通地铁城市分布情况", 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("已开通地铁城市分布情况.html") 
 
 
def create_line(df): 
    """ 
    生成城市地铁线路数量分布情况 
    """ 
    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() 
    # 生成柱状图 
    attr = len_stage.index 
    v1 = len_stage.values 
    bar = Bar("各城市地铁线路数量分布", title_pos='center', title_top='18', width=800, height=400) 
    bar.add("", attr, v1, is_stack=True, is_label_show=True) 
    bar.render("各城市地铁线路数量分布.html") 
 
 
# 各个城市地铁线路数 
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) 

已经开通地铁的城市数据，还有各个城市的地铁线路数。

一共32个城市开通地铁，其中北京、上海线路已经超过了20条。

城市分布情况。

[[263955]]

大部分都是省会城市，还有个别经济实力强的城市。

线路数量分布情况。

可以看到大部分还是在「0-5」这个阶段的，当然最少为1条线。

# 哪个城市哪条线路地铁站最多 
print(df_line.sort_values(by='station', ascending=False)) 

探索一下哪个城市哪条线路地铁站最多。

北京10号线***，重庆3号线第二。

还是蛮怀念北京1张票，2块钱地铁随便做的时候。

可惜好日子一去不复返了。

去除重复换乘站数据。

# 去除重复换乘站的地铁数据 
df_station = df.groupby(['city', 'station']).count().reset_index() 
print(df_station) 

一共包含3034个地铁站，相较新周刊中3447个地铁站数据。

减少了近400个地铁站。

接下来看一下哪个城市地铁站最多。

# 统计每个城市包含地铁站数(已去除重复换乘站) 
print(df_station.groupby(['city']).count().reset_index().sort_values(by='station', ascending=False)) 

32个城市，上海***，北京第二。

没想到的是，武汉居然有那么多地铁站。

现在来实现一下新周刊中的操作，生成地铁名词云。

def create_wordcloud(df): 
    """ 
    生成地铁名词云 
    """ 
    # 分词 
    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\华康俪金黑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) 
    # 看看词频高的有哪些 
    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("地铁名词云.jpg") 
    print('生成词云成功!') 
 
 
create_wordcloud(df_station) 

词云图如下。

广场、大道、公园占了前三，和新周刊的图片一样，说明分析有效。

words = [] 
for line in df['station']: 
    for i in line: 
        # 将字符串输出一个个中文 
        words.append(i) 
 
 
def all_np(arr): 
    """ 
    统计单字频率 
    """ 
    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): 
    """ 
    生成柱状图 
    """ 
    attr = [j[0] for j in word_message] 
    v1 = [j[1] for j in word_message] 
    bar = Bar("中国地铁站***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("中国地铁站***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) 

统计一下，大家最喜欢用什么字来命名地铁。

路最多，在此之中上海的占比很大。

不信往下看。

# 选取上海的地铁站 
df1 = df_station[df_station['city'] == '上海'] 
print(df1) 

统计上海所有的地铁站，一共345个。

选取包含路的地铁站。

# 选取上海地铁站名字包含路的数据 
df2 = df1[df1['station'].str.contains('路')] 
print(df2) 

有210个，约占上海地铁的三分之二，路的七分之二。

看来上海对路是情有独钟的。

具体缘由这里就不解释了，详情见新周刊的推送，里面还是讲解蛮详细的。

武汉和重庆则是对家这个词特别喜欢。

标志着那片土地开拓者们的籍贯与姓氏。

# 选取武汉的地铁站 
df1 = df_station[df_station['city'] == '武汉'] 
print(df1) 
# 选取武汉地铁站名字包含家的数据 
df2 = df1[df1['station'].str.contains('家')] 
print(df2) 
 
# 选取重庆的地铁站 
df1 = df_station[df_station['city'] == '重庆'] 
print(df1) 
# 选取重庆地铁站名字包含家的数据 
df2 = df1[df1['station'].str.contains('家')] 
print(df2) 

武汉共有17个，重庆共有20个。

看完家之后，再来看一下名字包含门的地铁站。

def create_door(door): 
    """ 
    生成柱状图 
    """ 
    attr = [j for j in door['city'][:3]] 
    v1 = [j for j in door['line'][:3]] 
    bar = Bar("地铁站***用“门”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("地铁站***用门命名的城市.html") 
 
 
# 选取地铁站名字包含门的数据 
df1 = df_station[df_station['station'].str.contains('门')] 
# 对数据进行分组计数 
df2 = df1.groupby(['city']).count().reset_index().sort_values(by='line', ascending=False) 
print(df2) 
create_door(df2) 

一共有21个城市，地铁站名包含门。

其中北京，南京，西安作为多朝古都，占去了大部分。

具体的地铁站名数据。

# 选取北京的地铁站 
df1 = df_station[df_station['city'] == '北京'] 
# 选取北京地铁站名字包含门的数据 
df2 = df1[df1['station'].str.contains('门')] 
print(df2) 
 
# 选取南京的地铁站 
df1 = df_station[df_station['city'] == '南京'] 
# 选取南京地铁站名字包含门的数据 
df2 = df1[df1['station'].str.contains('门')] 
print(df2) 
 
# 选取西安的地铁站 
df1 = df_station[df_station['city'] == '西安'] 
# 选取西安地铁站名字包含门的数据 
df2 = df1[df1['station'].str.contains('门')] 
print(df2) 

输出如下。

三、总结

源码及相关文件已上传GitHub，点击阅读原文即可获取。

这里摘一段新周刊的话。

可以说，一个小小的地铁名就是一座城市风貌的一部分。

它反映着不同地方的水土，也承载着各个城市的文化和历史。

确实如此，靠山的城市地铁名多“山”，靠水的城市地铁名“含水量”则是杠杠的。