首页 > > 网络编程 > 其它 >

Google Maps API的使用

2018-06-18 01:58:48来源：未知阅读 ()

之前在学习了简单的API调用后，查看了几个知名网站的API调用方法，发现Google的API调用还是相对比较简单的。下面就从API key的获取、googlemaps的安装，再到实际使用做一下说明。

1.基于Python的Google MAPS服务：

Google目前在Maps方面开放的API有好几个，可以根据不同的需求进行使用：

Directions API
Distance Matrix API
Elevation API
Geocoding API
Geolocation API
Time Zone API
Roads API
Places API

2.系统需求：

Python 2.7及以上；

Google MAP API key

3.API key的获取方法：

1) 访问Google控制台并登陆；

2) 点击左上角的项目进行选择或者创建新项目：

这里我选择了之前创建过的项目，可以点击+号新建

3) 点击"启用API和服务"开启你需要的API；

这里选择跟地图相关的API：

点击启用。

显示此界面就说明启用成功。

4) 创建API key；

点击左侧边栏中的"凭据"进行创建：

5) 限制访问IP(可选)

点击后面的修改按钮可以对密钥进行IP等设置：

4.安装googlemaps：

C:\Users\DEV>pip install -U googlemaps

Collecting googlemaps

Downloading googlemaps-2.5.1.tar.gz

Collecting requests<3.0,>=2.11.1 (from googlemaps)

Downloading requests-2.18.4-py2.py3-none-any.whl (88kB)

100% |████████████████████████████████| 92kB 112kB/s

Collecting chardet<3.1.0,>=3.0.2 (from requests<3.0,>=2.11.1->googlemaps)

Downloading chardet-3.0.4-py2.py3-none-any.whl (133kB)

100% |████████████████████████████████| 143kB 121kB/s

Collecting idna<2.7,>=2.5 (from requests<3.0,>=2.11.1->googlemaps)

Downloading idna-2.6-py2.py3-none-any.whl (56kB)

100% |████████████████████████████████| 61kB 123kB/s

Collecting certifi>=2017.4.17 (from requests<3.0,>=2.11.1->googlemaps)

Downloading certifi-2018.1.18-py2.py3-none-any.whl (151kB)

100% |████████████████████████████████| 153kB 326kB/s

Collecting urllib3<1.23,>=1.21.1 (from requests<3.0,>=2.11.1->googlemaps)

Downloading urllib3-1.22-py2.py3-none-any.whl (132kB)

100% |████████████████████████████████| 133kB 216kB/s

Building wheels for collected packages: googlemaps

Running setup.py bdist_wheel for googlemaps ... done

Stored in directory: C:\Users\DEV\AppData\Local\pip\Cache\wheels\04\e8\d1\ae5577b5339873e6a5dd55141d56e507cf281b137ef0

9ba924

Successfully built googlemaps

Installing collected packages: chardet, idna, certifi, urllib3, requests, googlemaps

Found existing installation: chardet 3.0.3

Uninstalling chardet-3.0.3:

Successfully uninstalled chardet-3.0.3

Found existing installation: idna 2.5

Uninstalling idna-2.5:

Successfully uninstalled idna-2.5

Found existing installation: requests 2.14.2

Uninstalling requests-2.14.2:

Successfully uninstalled requests-2.14.2

Successfully installed certifi-2018.1.18 chardet-3.0.4 googlemaps-2.5.1 idna-2.6 requests-2.18.4 urllib3-1.22

执行完上述操作后，我们就可以调用这些API来获取我们需要的数据了，先使用文档中的一个例子来调用试试：

import googlemaps
from datetime import datetime

gmaps = googlemaps.Client(key='Add Your Key here')

# Geocoding an address
geocode_result = gmaps.geocode('1600 Amphitheatre Parkway, Mountain View, CA')
print(geocode_result[0]['geometry']['location'])
 
# Look up an address with reverse geocoding
reverse_geocode_result = gmaps.reverse_geocode((40.714224, -73.961452))
print(reverse_geocode_result[0]['address_components'][1]['long_name'])

上述例子调用了geocode API，并分别打印各自的返回值。

geocode()即地理编码，根据地址以json格式返回经纬度。

reverse_geocode()即反向地理编码，根据经纬度返回具体地址。

实际调用后，在API首页便可以看到调用的具体情况。

下面针对directions API进行进一步研究。

Directions API

Directions API可以用来计算两地点之间的路线，并可设置路径点及出行模式(公交、驾车、骑行、步行等)

先来看一个简单的调用例子，并分析返回的json数据的具体内容。

import googlemaps
from datetime import datetime

gmaps = googlemaps.Client(key='Add Your Key here')
# Request directions via public transit
now = datetime.now()
directions_result = gmaps.directions("Sydney Town Hall",
                                     "Parramatta, NSW",
                                     mode="transit",
                                     departure_time=now)
print(directions_result)

例子中gmaps.directions()函数的形参分别为：

起始地点(Sydney Town Hall)，目标地点(Parramatta, NSW)，出行模式(公交)，出发时间(即刻触发)

然后再来看看根据这个请求返回的数据：

第一次看时有点发晕，这么多数据啊，怎么这么复杂，该怎么搞？其实像这样将数据格式化后再分析，就比较清楚了。

'legs'中为具体的路径信息，总体结构如下：

legs: [{

'arrival_time': {}, # 到达时间

'departure_time': {}, # 出发时间(这两个时间在调用时只能指定一个，另一个通过路线规划进行预估)

'distance': {}, # 两个地点之间基于路线的距离

'duration': {}, # 需要花费的时间

'end_address': '', # 目的地地址

'end_location': {}, # 目的地经纬度

'start_address': {}, # 出发地地址

'start_location': {}, # 出发地经纬度

'steps': {}, # 具体的规划路线

'traffic_speed_entry': [],

'via_waypoint': []

}]

而在'steps'中，又细分为几段详细的路线(每一段的信息都在列表的字典元素中)，并在每一步中给出了'html_instructions'指示信息，内容非常全：

steps: [

{

'distance': # 第一段路线数据

'duration':

'end_location':

'html_instructions':

'polyline':

'start_location':

'steps': [ # 第一段路线的详细路径

{

'distance': {}, #

'duration':

'end_location':

'html_instructions':

'polyline':

'start_location':

'travel_mode':

{

'distance': {},

... ...

'travel_mode': ''

{

'distance': # 第二段路线数据

... ...

]

可以看到实际返回的数据还是挺复杂的，但是也是非常详细，想要的数据基本上都在里面了。

单纯的获取这些零散数据是没有什么实际意义的，如果我们能基于现有的数据，或者用爬取的数据与API相结合，就能进行数据分析，并进一步得到一些结论。

根据经纬度值，让我联想到可以利用已有的出租车数据集，使用经纬度获取出租车的位置，并进行分析。

几个可用的数据集：

NYC TLC Trip Record Data

Microsoft T-Drive trajectory data

下面的数据使用的是Microsoft的T-Drive trajectory data数据(该数据集是由很多个.txt文件组成的，我在使用前先转换成了csv格式的文件)。

根据经纬度，从API获取两个节点开车所需的时间及距离，并作出图表，查看开车时间及距离各自所占的比重。

由于API的调用限制，我们先取前2000条的记录进行分析：

import googlemaps
from datetime import datetime
import os
import csv
import pandas as pd
import matplotlib.pyplot as plt
import math
 
 
# 将已知的多个txt文件中的内容放到一个CSV文件下
def txt2Csv(dataPath, csvname):
    fileList = os.listdir(dataPath)
    csvFile = open(dataPath + '\\' + csvname, 'w+')
    writer = csv.writer(csvFile)
    for fileName in fileList:
        with open(dataPath + '\\' + fileName) as fileObj:
            lines = fileObj.readlines()
            for line in lines:
                line = line.split(',')
                line[-1] = line[-1][0:-1]
                writer.writerow((line))
    csvFile.close()
 
 
# 根据经纬度获取两地之间的距离及花费的时间
def getDistanceDuration(key, path, csvName):
    gmaps = googlemaps.Client(key=key)
    df = pd.read_csv(path + '\\' + csvName)
    df.columns = ['id', 'time', 'longitude', 'latitude']
    durationList = []
    distanceList = []
    try:
        for i in range(1, 1000):
            now = datetime.now()
            # 调取google API的directions:
            directions_result = gmaps.directions((df.iloc[i, 3], df.iloc[i, 2]),
                                                 (df.iloc[i+1, 3], df.iloc[i+1, 2]),
                                                 mode="driving",
                                                 departure_time=now)
            # 按照返回的格式，找出distance及duration，追加到列表中并返回
            distanceList.append(directions_result[0]['legs'][0]['distance']['value'])
            durationList.append(directions_result[0]['legs'][0]['duration']['value'])
    except googlemaps.exceptions._RetriableRequest:
        pass
    return distanceList, durationList
 
 
 
path = 'D:\\Learnning\\python\\scrape\\taxiData\\T-drive Taxi Trajectories\\release\\taxi_log_2008_by_id'
txt2Csv(path, 'geodata.csv')
 
distanceList, durationList = getDistanceDuration('AIzaSyD8X6tJx6Ap5TVHlqwSso8iTwZfDWcFsOA', path, 'geodata.csv')
# 对返回数据的单位做转换， 并使用math.ceil对数据向上取整
distanceList = [math.ceil(dis/1000) for dis in distanceList]
durationList = [math.ceil(dis/60) for dis in durationList]
 
totalDistance = 0
totalDuration = 0
# 计算总路程，并画出每段路程的距离在总路程中的占比:
for distance in distanceList:
    totalDistance += distance
distancePropo = [distance/totalDistance for distance in distanceList]
plt.bar(distanceList, distancePropo)
plt.title("Distance interval")
plt.xlabel("Km")
plt.ylabel("Proportion")
plt.show()
 
# 计算总时间，并画出每段路程花费的时间在总时间中的占比:
for duration in durationList:
    totalDuration += duration
durationPropo = [duration/totalDuration for duration in durationList]
plt.bar(durationList, durationPropo)
plt.title("Time interval")
plt.xlabel("Min")
plt.ylabel("Proportion")
plt.show()