基于Python的中国城市轨道交通数据可视化分析：从数据清洗到交互图表完整源码

简介这份资源是面向高校学生与Python初学者的数据可视化课程设计完整源码包以中国城市轨道交通为主题适合用作期末大作业、实验实践或课程设计选题。项目通过多线程爬虫采集高德地图的轨道交通数据再借助Python可视化库完成城市分布、线路站点数量、换乘统计、地铁站用字词云及大学数量与站点关系等多维度分析并配有GUI界面连接数据库进行信息查询能帮助读者系统练习爬虫、数据分析、可视化与界面开发等技能。压缩包共35个文件约3.44MB包含20张png图表、4个html交互页面、3个py源码、2个csv数据文件、1个db数据库及说明文档结构清晰便于按模块阅读与二次修改。目前已有395人学习下载可作为同类选题的参考方案与排错思路来源。1. 从一份期末大作业说起城市轨道交通数据可视化到底在做什么每年期末季总有一批同学在搜索框里敲下「基于Python的中国城市轨道交通数据可视化分析源码」想找一份能跑通、能改、能交差的完整方案。这个标题背后其实藏着三件事一是用Python把轨道交通的原始数据清洗成可分析的表格二是用可视化库把线路、站点、客流这些维度画出来三是把整套流程打包成可复现的源码结构。它适合两类人一类是正在做课程设计、需要快速搭出骨架的学生另一类是想用真实城市数据练手数据分析和可视化的入门工程师。中国城市轨道交通的数据本身是公开的各城市年度报告、统计年鉴里都有线路长度、客运量、站点数这些字段难点从来不是「有没有数据」而是「怎么把散落在PDF和网页里的数字变成一张能讲故事的图」。这一章先把边界划清楚我们做的不是实时调度系统也不是商业级大屏而是一套从数据到图表的完整分析链路重点在可复现和可解释。2. 数据从哪来、怎么存轨道交通数据集的获取与清洗2.1 常见数据源与字段结构做城市轨道交通分析第一步永远是找数据。我一般会从三个渠道入手各城市轨道交通集团官网发布的年度运营报告、中国城市轨道交通协会的统计简报、以及公开的统计年鉴。这些资料通常是PDF或网页表格字段包括城市、线路名称、开通年份、线路长度公里、车站数量、年客运量万人次、日均客运量、换乘站数量等。不同年份的字段名可能不一致比如「客运量」有时写成「客流量」「线路长度」有时拆成「地下线」和「高架线」。所以拿到数据后第一件事不是画图而是统一字段名和单位。我习惯把原始数据先落成CSV列名用英文小写下划线比如city、line_name、open_year、length_km、station_count、annual_ridership_wan。这样后面用pandas读取时不用反复改列名。如果数据来自PDF可以用pdfplumber提取表格如果来自网页用pandas.read_html往往比手写爬虫更快。注意不要直接对原始文件做修改保留一份raw目录清洗后的数据放processed目录这是后面排错时的后悔药。2.2 用pandas做清洗的最小代码import pandas as pd import numpy as np # 读取原始CSV假设文件在 data/raw/ 目录下 raw pd.read_csv(data/raw/rail_transit_raw.csv, encodingutf-8-sig) # 统一列名去掉空格转小写替换中文列名 raw.columns [c.strip().lower().replace( , _) for c in raw.columns] # 重命名关键字段根据实际列名调整 rename_map { 城市: city, 线路名称: line_name, 开通年份: open_year, 线路长度(公里): length_km, 车站数量: station_count, 年客运量(万人次): annual_ridership_wan } raw raw.rename(columnsrename_map) # 数值列强制转换无法转换的置为NaN for col in [open_year, length_km, station_count, annual_ridership_wan]: raw[col] pd.to_numeric(raw[col], errorscoerce) # 删除关键字段缺失的行 raw raw.dropna(subset[city, line_name, length_km]) # 按城市和线路去重保留最新记录 raw raw.sort_values(open_year).drop_duplicates( subset[city, line_name], keeplast ) # 输出清洗后的数据 raw.to_csv(data/processed/rail_transit_clean.csv, indexFalse, encodingutf-8-sig) print(f清洗完成剩余 {len(raw)} 条线路记录)这段代码的逻辑很直接先统一列名再把该是数字的列转成数字然后丢掉关键字段为空的行最后按线路去重。参数上最需要注意的是errorscoerce它会把「约120」这种带文字的数值变成NaN而不是直接报错。如果你发现某条线路莫名其妙消失了先检查dropna那一步是不是把关键字段为空的行删掉了。另一个坑是编码中文CSV用utf-8-sig能避免Excel打开乱码但如果你用utf-8读取别人给的utf-8-sig文件第一列列名会多一个不可见字符导致rename失败。2.3 数据校验三个必查项清洗完不要急着画图先做三项校验。第一看length_km的分布如果出现负数或超过3000的值基本可以判定是单位错误或录入错误。第二看open_year是否在合理区间比如1970到2025之间超出这个范围的要么是测试数据要么是字段错位。第三按城市分组统计线路数如果某个城市只有1条线路但长度超过500公里大概率是把整个城市的运营里程填到了单条线上。这三项查完数据基本就能用了。我一般会把校验结果打印出来而不是默默跳过因为期末作业的评分点往往就在「你有没有发现数据里的异常」。3. 用matplotlib和pyecharts把线路画出来从静态图到交互图3.1 静态图城市线路长度对比清洗完数据后第一个能出效果的图是各城市线路长度对比。用matplotlib画水平条形图按长度排序颜色按城市区分。这个图的好处是直观一眼能看出哪些城市轨道交通规模大。代码不复杂但有几个参数值得调figsize控制画布大小barh的height控制条宽plt.tight_layout()防止标签被截断。import matplotlib.pyplot as plt import pandas as pd plt.rcParams[font.sans-serif] [SimHei] # 中文显示 plt.rcParams[axes.unicode_minus] False df pd.read_csv(data/processed/rail_transit_clean.csv, encodingutf-8-sig) # 按城市汇总线路长度 city_length df.groupby(city)[length_km].sum().sort_values(ascendingTrue) fig, ax plt.subplots(figsize(10, 8)) bars ax.barh(city_length.index, city_length.values, color#4C72B0, height0.6) # 在条形末端标注数值 for bar in bars: width bar.get_width() ax.text(width 5, bar.get_y() bar.get_height()/2, f{width:.0f}, vacenter, fontsize9) ax.set_xlabel(线路总长度公里) ax.set_title(中国主要城市轨道交通线路总长度对比) plt.tight_layout() plt.savefig(output/city_length_barh.png, dpi150) plt.show()这段代码的关键在groupby和sort_values前者把同一城市的线路长度加总后者让条形图从短到长排列读起来更顺。ax.text那几行是给每根条加数值标签width 5是偏移量避免文字压在条上。如果你发现中文显示成方块检查SimHei字体是否安装Windows上一般自带Mac上可能需要换成Arial Unicode MS。保存图片时dpi150足够交作业如果要打印可以调到300。3.2 交互图用pyecharts做线路站点地图静态图适合放报告里但如果你想在答辩时演示交互图更抓眼球。pyecharts 的Geo或Map组件可以把城市按客运量着色Line组件可以画线路走向。不过轨道交通的线路走向需要经纬度坐标期末作业里如果拿不到精确坐标可以用城市中心点代替或者只做城市级别的客运量热力图。from pyecharts import options as opts from pyecharts.charts import Map import pandas as pd df pd.read_csv(data/processed/rail_transit_clean.csv, encodingutf-8-sig) # 按城市汇总年客运量 city_ridership df.groupby(city)[annual_ridership_wan].sum().reset_index() city_ridership.columns [city, ridership] # 构造Map需要的数据格式 map_data [(row[city], round(row[ridership], 0)) for _, row in city_ridership.iterrows()] c ( Map() .add(年客运量万人次, map_data, china) .set_global_opts( title_optsopts.TitleOpts(title中国城市轨道交通年客运量分布), visualmap_optsopts.VisualMapOpts(max_int(city_ridership[ridership].max()), is_piecewiseTrue), ) ) c.render(output/city_ridership_map.html)这段代码的核心是Map组件和VisualMapOpts。map_data是一个列表每个元素是(城市名, 数值)城市名必须和pyecharts内置的中国地图城市名匹配比如「北京」「上海」不能写成「北京市」「上海市」。is_piecewiseTrue会把连续色带变成分段色块更适合客运量这种跨度大的数据。渲染出来是HTML文件用浏览器打开就能交互鼠标悬停会显示具体数值。如果你发现某个城市没着色先检查城市名是否匹配再检查数值是否为0或NaN。3.3 组合图线路开通年份与长度的散点图散点图适合看两个变量的关系比如线路开通年份和线路长度。用matplotlib的scatter颜色按城市区分点的大小按车站数量映射。这个图能看出早期线路和近期线路的长度差异也能看出哪些城市在某个年份集中开通了多条线路。import matplotlib.pyplot as plt import pandas as pd df pd.read_csv(data/processed/rail_transit_clean.csv, encodingutf-8-sig) fig, ax plt.subplots(figsize(12, 6)) scatter ax.scatter( df[open_year], df[length_km], sdf[station_count] * 8, # 点大小按车站数放大 cdf[city].astype(category).cat.codes, # 颜色按城市编码 cmaptab20, alpha0.7, edgecolorsw, linewidth0.5 ) ax.set_xlabel(开通年份) ax.set_ylabel(线路长度公里) ax.set_title(线路开通年份与长度分布点大小车站数量) plt.colorbar(scatter, label城市编码) plt.tight_layout() plt.savefig(output/year_length_scatter.png, dpi150) plt.show()这里s参数控制点的大小station_count * 8是一个经验倍数太小看不清太大点会重叠。c参数用城市编码着色cmaptab20适合20个以内的类别。alpha0.7让点半透明重叠时也能看出密度。如果你觉得颜色图例不够直观可以把c换成具体的城市名列表然后用legend手动加图例但代码会多几行。期末作业里这张图往往能成为加分项因为它同时展示了三个维度。4. 避坑与排查轨道交通数据可视化里最容易翻车的五件事4.1 中文乱码图里全是方块现象matplotlib画出来的图标题和轴标签全是方块控制台还报findfont: Font family SimHei not found。原因系统没有安装SimHei字体或者matplotlib缓存了旧的字体列表。解决Windows上确认C:\Windows\Fonts\simhei.ttf存在Mac上换成Arial Unicode MS或PingFang SC。如果字体存在但还是方块删掉matplotlib缓存目录~/.matplotlib重启Python内核。pyecharts的HTML图一般不会有这个问题因为浏览器自带中文字体。4.2 城市名不匹配地图上少了一块现象pyecharts的Map图里某个城市明明有数据但地图上没着色。原因pyecharts内置的中国地图城市名是简称比如「北京」「上海」「广州」如果你数据里写的是「北京市」「上海市」匹配不上。解决在清洗阶段就把城市名统一成简称去掉「市」「省」「自治区」后缀。如果确实需要保留全称可以在map_data里做映射但更简单的做法是清洗时就改好。4.3 数值单位不统一条形图长短失真现象条形图里某个城市的线路长度特别短但你知道它实际里程不低。原因原始数据里有的城市用「公里」有的用「千米」有的用「万公里」单位没统一。解决清洗时加一列length_km把所有单位换算成公里。如果原始数据是「万公里」乘以10000如果是「米」除以1000。换算完再检查一遍最大值和最小值确保没有数量级错误。4.4 重复线路同一线路出现两次现象按城市统计线路数时发现某个城市多了一条不存在的线路。原因原始数据里同一线路在不同年份有两条记录比如「1号线」在2010年和2015年各出现一次字段值略有不同。解决用drop_duplicates(subset[city, line_name], keeplast)去重keeplast保留最新记录。如果两条记录都有用比如要看线路延长那就不要按线路去重而是按「城市线路开通年份」去重。4.5 保存图片空白plt.show()之后保存现象plt.savefig保存出来的图片是空白的但plt.show()显示的图正常。原因plt.show()会清空当前图形之后再savefig就保存了空图。解决把savefig放在show之前或者用fig.savefig而不是plt.savefig。我一般习惯先savefig再show这样即使后面改了代码图片也已经落盘了。5. 把源码整理成能交作业的结构目录、注释与复现说明5.1 目录结构让评分老师一眼看懂一份能交的期末大作业目录结构比代码本身还重要。我一般会按下面的方式组织rail_transit_analysis/ ├── data/ │ ├── raw/ # 原始数据不修改 │ └── processed/ # 清洗后数据 ├── src/ │ ├── clean.py # 清洗脚本 │ ├── visualize.py # 可视化脚本 │ └── utils.py # 公共函数 ├── output/ │ ├── figures/ # 静态图 │ └── html/ # 交互图 ├── requirements.txt # 依赖列表 └── README.md # 复现说明raw和processed分开是为了保留后悔药万一清洗逻辑错了还能从原始数据重来。src里按功能拆脚本不要把所有代码塞进一个文件。output里再分figures和html交作业时直接打包整个目录老师打开就能看到图。5.2 依赖与复现requirements.txt 怎么写# requirements.txt pandas1.5.0 numpy1.23.0 matplotlib3.6.0 pyecharts2.0.0 pdfplumber0.9.0版本号不要写太死用给一点余地。如果老师环境里没有这些库pip install -r requirements.txt就能装齐。注意pyecharts 2.x 和 1.x 的API有差异如果你用的是1.xMap的导入方式不一样建议统一用2.x。README里写清楚运行顺序先clean.py再visualize.py最后打开output/html里的HTML文件。5.3 注释与函数拆分让代码能讲清楚期末作业的代码不需要多高级但一定要能讲清楚。我习惯把每个脚本拆成几个函数比如load_data()、clean_data()、plot_city_length()、plot_ridership_map()每个函数上面写一行注释说明输入输出。变量名用英文不要用a、b、c。如果某个参数是经验值比如散点图的sstation_count * 8在注释里写一句「8是经验倍数可根据点密度调整」。这样老师问起来你能答得上。5.4 一个完整的运行入口# src/main.py from clean import load_and_clean from visualize import plot_city_length, plot_ridership_map, plot_year_length_scatter def main(): df load_and_clean(data/raw/rail_transit_raw.csv) plot_city_length(df, output/figures/city_length_barh.png) plot_year_length_scatter(df, output/figures/year_length_scatter.png) plot_ridership_map(df, output/html/city_ridership_map.html) print(所有图表已生成请查看 output 目录) if __name__ __main__: main()这个入口把清洗和可视化串起来运行一次就能生成所有图。if __name__ __main__是Python的标准写法防止被import时自动执行。如果你在Jupyter里跑可以直接调函数不用走main。交作业前跑一遍确认output目录里图都在再打包。6. 进阶技巧用真实城市数据做一条线路的客流预测6.1 从年度数据到月度趋势前面用的都是年度数据但如果你能找到某条线路的月度客流就能做趋势分析甚至简单预测。我一般会先画月度客流的折线图看有没有明显的季节性和节假日效应。比如某条通勤线路工作日客流高周末低旅游线路则相反。这个观察本身就能写进报告比单纯画条形图有深度。import pandas as pd import matplotlib.pyplot as plt # 假设有月度客流数据month, ridership_wan monthly pd.read_csv(data/processed/line_monthly.csv, encodingutf-8-sig) monthly[month] pd.to_datetime(monthly[month]) fig, ax plt.subplots(figsize(12, 5)) ax.plot(monthly[month], monthly[ridership_wan], markero, markersize3, linewidth1.5) ax.set_xlabel(月份) ax.set_ylabel(月客运量万人次) ax.set_title(某线路月度客流趋势) ax.grid(alpha0.3) plt.tight_layout() plt.savefig(output/figures/monthly_trend.png, dpi150) plt.show()这段代码的关键是pd.to_datetime把月份转成时间格式这样x轴会自动按时间排列。markero加数据点markersize3防止点太大。grid(alpha0.3)加浅网格方便读数。如果你发现折线图锯齿很严重可能是数据里有异常值先做一次3σ剔除再画。6.2 简单移动平均做趋势平滑原始月度数据往往波动大用移动平均能看出趋势。pandas的rolling方法一行就能算monthly[ma3] monthly[ridership_wan].rolling(window3, centerTrue).mean() monthly[ma6] monthly[ridership_wan].rolling(window6, centerTrue).mean() fig, ax plt.subplots(figsize(12, 5)) ax.plot(monthly[month], monthly[ridership_wan], label原始, alpha0.4) ax.plot(monthly[month], monthly[ma3], label3月移动平均, linewidth2) ax.plot(monthly[month], monthly[ma6], label6月移动平均, linewidth2) ax.legend() ax.set_title(月度客流与移动平均趋势) plt.tight_layout() plt.savefig(output/figures/monthly_ma.png, dpi150) plt.show()window3表示3个月移动平均centerTrue让均值对齐中间月份。窗口越大曲线越平滑但滞后越明显。我一般会同时画3月和6月两条对比着看。如果数据里有缺失月份rolling默认会跳过NaN但结果可能不准最好先interpolate补一下。6.3 用线性回归做下一年客流粗估如果只是期末作业不需要上复杂模型sklearn的线性回归就够。把月份转成序号拟合一条趋势线外推12个月。from sklearn.linear_model import LinearRegression import numpy as np monthly[t] np.arange(len(monthly)) X monthly[t].values.reshape(-1, 1) y monthly[ridership_wan].values model LinearRegression().fit(X, y) future_t np.arange(len(monthly), len(monthly) 12).reshape(-1, 1) future_pred model.predict(future_t) print(下一年月度客流预测万人次) for i, val in enumerate(future_pred, 1): print(f第{i}个月{val:.1f})这段代码把时间序号作为特征客流作为目标拟合一条直线。future_t是未来12个月的序号predict输出预测值。注意线性回归假设趋势是线性的如果客流有明显拐点预测会偏。我一般会在报告里写一句「本预测仅用于趋势示意不构成实际运营建议」既是免责也是提醒自己别过度解读。6.4 一个我踩过的坑时间对齐做月度分析时最容易翻车的是时间对齐。比如你的客流数据是「2023年1月」但月份字段写的是「2023-1」pd.to_datetime可能解析成2023年1月1日也可能报错。我现在的习惯是统一写成「2023-01」并且在清洗阶段就转成datetime后面所有操作都用时间索引。另一个坑是移动平均的centerTrue在数据开头和结尾会产生NaN画图时如果直接plot两端会断掉。解决办法是用bfill或ffill补一下或者干脆不画两端。6.5 最后一句实在话这套方案我从期末作业做到工作里的数据分析最大的体会是数据清洗占七成时间画图占两成调格式占一成。很多人卡在第一步就想放弃其实只要把raw和processed分开每次只改一个环节慢慢就能跑通。我现在的习惯是每写一个脚本就先跑一遍最小数据确认输出对了再换全量数据。希望帮到你。本文还有配套的精品资源点击获取