不知道大家会在什么场合使用地图可视化，对我来说地图可视化的优点除了它可以展示海量的位置数据，更重要的是它可以很酷很炫，给人一种赏心悦目的舒适感。如下是一个简单热力图：
热力地图制作此类可视化地图的前提是获得海量的经纬度数据，数据从何而来？当然是腾讯地图、高德地图和百度地图这些大家耳熟能详的平台。所以今天给大家分享用Python批量获取经纬度的三种方法，并分别评测它们的效率。
一、腾讯地图首先，咱们需要在腾讯位置服务平台注册并获得一个key，作为位置数据调用的密匙。步骤如下：腾讯地图开放平台
1、构造函数获得key以后，咱们就可以构造API数据请求函数tengxun()，将json格式数据中的经纬度解析出来即可，Python代码如下：
import requestsdef tengxun(addr): url = "https://apis.map.qq.com/jsapi?" #腾讯地图API接口 para = { "qt": "geoc", "addr":addr, #传入地址参数 "output": "json", "key": "D7EBZ-NHYKX-UAH4A-74TW4-6M2JE-UHFLY", #即腾讯地图API的key "pf":"jsapi", "ref":"jsapi" } req = requests.get(url,para) #请求数据 req = req.json() #转为json格式 #print(req) m = req["detail"] g = f"{m["pointx"]},{m["pointy"]}" #解析到经纬度数据 print(g) return gtengxun(addr="深圳市")传入自变量“深圳市”，运行Python代码，即可获得深圳市的经纬度数据:"113.883080,22.553290"
2、读取数据函数构造好以后，导入准备好的excel文件，文件包含广州500所学校的地址数据。可在「菜J学Python」公众后台回复学校自动获取。import pandas as pddf1 = pd.read_excel("gz_school.xlsx")df1.head()数据预览：
3、应用函数将学校数据中的地址列应用于前文构造的函数，批量获取500所学校的经纬度数据并进行程序计时。
import timetime_start = time.time() #程序起始时间df1["经纬度"]=df1["address"].apply(tengxun) #调用函数time_end = time.time() #程序结束时间t = time_end-time_start #运行时间print("共用时%s秒"%t)通过腾讯地图批量解析500个地址获取经纬度数据共用时约52.40秒，平均1秒钟可以获取9个地址的经纬度。共用时52.39904499053955秒
4、保存数据获取到经纬度数据后，保存为excel文件。df1.head()df1.to_excel("result.xlsx",index = False)数据预览：
二、高德地图同样的，高德也需要提前在高德开放平台注册并创建应用，获取你的专属key。高德地图开放平台
1、构造函数
import pandas as pdimport requestsimport timeimport csvimport jsondef gaode(addr): para = { "key":"你自己的", #高德地图开放平台申请的key "address":addr #传入地址参数 } url = "https://restapi.amap.com/v3/geocode/geo?" #高德地图API接口 req = requests.get(url,para) req = req.json() print("-" * 30) m = req["geocodes"][0]["location"] print(m) return mgaode(addr="深圳")2、应用函数
df2 = pd.read_excel("gz_school.xlsx") #读取地址数据time_start = time.time()df2["经纬度"] = df2["address"].apply(gaode) #调用函数time_end = time.time()t = time_end-time_startprint("共用时%s秒"%t)通过高德地图批量解析500个地址获取经纬度数据共用时约37.74秒，平均1秒钟可以获取13个地址的经纬度，解析速度高于腾讯地图。共用时37.740272998809814秒
三、百度地图百度地图批量获取经纬度方法与高德地图一致。百度地图开放平台
1、
构造函数import pandas as pdimport requestsimport timeimport csvimport jsondef baidu(addr): url = "http://api.map.baidu.com/geocoding/v3/" #百度地图API接口 para = { "address": addr, #传入地址参数 "output": "json", "ak": "你自己的" #百度地图开放平台申请ak } req = requests.get(url,para) req = req.json() #print(req) print("-" * 30) m = req["result"]["location"] g = f"{m["lng"]},{m["lat"]}" print(g) return gbaidu(addr="深圳")2、
应用函数df3 = pd.read_excel("gz_school.xlsx")time_start = time.time()df3["经纬度"] = df3["address"].apply(baidu)time_end = time.time()t = time_end-time_startprint("共用时%s秒"%t)通过百度地图批量解析500个地址获取经纬度数据共用时约24.06秒，平均1秒钟可以获取20个地址的经纬度，解析速度高于高德地图和腾讯地图。共用时24.0550799369812秒
四、小结仅从解析速度来看，百度地图效率高于高德地图，高德地图高于腾讯地图。当然，解析速度还要考虑程序运行时的网络状况、电脑自身配置等因素。另外，地址数据解析还要考虑准确率，只有综合考虑解析速度和准确率，才能更加客观地判断哪一种方法最优，准确率方面的评测将在以后的文章中进行分享。
