python 建筑建模_不可错过的python 街道数据爬取和分析神器！

hello 大家好！

最近遇到一堆关于街道数据分析的问题，又不想去使用百度和高德的API，有的功能还是得付费，为了学习不想掏钱，那么有什么办法么？

答：有！必须有！今天给大家分享一个很旧的python 库--osmnx

首先一段简介：

OSMNx 是一个下载街道数据、建模、可视化、分析街道数据的，通过OpenSteetMap API抓去街道数据，还能下载POI，建筑，海拔等等。需要的依赖库包括geopandas，networkx，matplotlib。

1. 安装

那么，我们第一步应该做什么呢？当然是先安装python。

可能有很多和我一样的小伙伴，最开始的时候安装完了就被劝退了。

最直接的方式就是去python官网。Welcome to Python.org 很多小伙伴们喜欢使用anaconda，其实都差不多。anaconda的环境配置可能会有些蛋疼，因为以后安装其他库的时候不会有不兼容的情况，反复删除和修改库的配置会是个很麻烦的事情。

安装成功了以后cmd或者terminal输入python就会出现上面的状况。那么恭喜，安装成功！，一般也不会失败，这里记住一个事情：

一定要add to path！！！

否则以后调用库就会出问题！

如何add to path：

如图，在系统变量中添加python安装的路径中的scripts文件夹然后保存就可以了。

接下来，就是安装osmnx库。

pip3 install osmnx

如果一切正常的话，那么恭喜你，顺利安装成功了。如果不顺利，不用灰心。

可能出现错误的是fiona和gdal 出现问题，那么，请移步到这个网站 https://www.lfd.uci.edu/~gohlke/pythonlibs/#lxml 搜索对应版本的库，例如

下载对应python版本的独立的库，然后，

pip3 install wheel

wheel是一个python自带的安装whl文件的安装器。

接下来就到下载路径中安装刚下好的包，以fiona为例

我的python版本是3.8 64位系统，那么对应的fiona就是红色的部分。

pip3 install Fiona-1.8.17-cp38-cp38-win_amd64.whl

这样就安装好了，只要等待一下，就安装好了。依次类推，找到哪些无法自动安装的库，然后自行下载。为了避免麻烦，python3.8之后出现了一个新的状态，可以这样操作，比如

pip3 install osmnx --use-feature=2020-resolver

这样，这个库的依赖库就都可以是最合适的版本。还是减少了一些时间成本。上述步骤无论是Windows mac或者linux 都可以这样操作

当库都安装好了以后，就可以进入正题了：我们来体验一下osmnx到底能干啥

2. 开始使用

使用之前，不知道小伙伴们都用什么ide，个人推荐新手使用jupyter notebook/lab。这两个工具的特点就是轻量化

import networkx as nx
import osmnx as ox
import requests
import matplotlib.cm as cm
import matplotlib.colors as colors
%matplotlib inline
ox.config(use_cache=True, log_console=True)
ox.__version__

这个就是调试一下osmnx，并调用其他一些库，

接下来我们来看看如何爬取城市的街道数据

# get a graph for some city
G = ox.graph_from_place('Shenyang, Liaoning, China', network_type='drive')
fig, ax = ox.plot_graph(G)

以沈阳为例，等待时间取决于电脑的网速，等其它客观因素，然后voala

我们就这样直接爬出了路网！国内城市，也可以爬取！基本上就是城市，省份，国家这样的顺序。

接下来还可以计算城市路网基本特征

# some basic stats about the network
ox.basic_stats(G_proj, area=graph_area_m, clean_intersects=True, circuity_dist='euclidean')

还可以借助networkx 库来计算城市道路网络的一些复杂网络特征

ox.basic_stats(G_proj, area=graph_area_m, clean_intersects=True, circuity_dist='euclidean')

接下来看点酷炫的--中心性可视化

临近中心性越高的地方越黄。

# convert graph to line graph so edges become nodes and vice versa
edge_centrality = nx.closeness_centrality(nx.line_graph(G))
nx.set_edge_attributes(G, edge_centrality, 'edge_centrality')# color edges in original graph with closeness centralities from line graph
ec = ox.plot.get_edge_colors_by_attr(G, 'edge_centrality', cmap='inferno')
fig, ax = ox.plot_graph(G, edge_color=ec, edge_linewidth=2, node_size=0)