【Python爬虫实战】第258篇：经纬度网格 + geohash + GeoJSON——共享单车投放分布与热力数据采集实战所属专栏：【Python爬虫实战】从零到企业级爬虫工程师（CSDN 付费专栏）本篇篇目：第 258 篇（垂直行业爬虫·地理空间专场，高级篇）难度等级：高级，需要理解经纬度、知道 JSON 即可阅读时长：约 45 分钟（跟着敲代码约 2 小时）本篇技术栈：Python 3 · requests · 手写 geohash 编码 · GeoJSON · csv · 空间网格聚合文章目录【Python爬虫实战】第258篇：经纬度网格 + geohash + GeoJSON——共享单车投放分布与热力数据采集实战@[toc]一、需求目标二、环境准备三、原理分析3.1 为什么要"切网格"请求3.2 geohash 是什么，为什么要它3.3 GeoJSON 是什么格式3.4 热力密度怎么算四、完整代码：直接复制即可运行4.1 真实地图 API 怎么接五、运行结果与数据验证六、常见问题排查手册七、进阶方向7.1 真·交互式热力图7.2 骑行 OD 数据7.3 多时段对比7.4 三家品牌点位分布7.5 网格参数怎么选参考资料一、需求目标前面抓的都是"表格里的数据"，这一篇我们换个口味——抓带经纬度的空间数据：某座城市里，哈啰、美团、青桔这三家共享单车都把车投在了哪里？哪些路口是车辆堆积的重灾区？这类数据的典型用法是画一张投放热力图，给运营、给城市治理、给做骑行数据分析的人看。它和普通爬虫最大的不同有三点：对比项普通列表爬虫本篇空间爬虫数据形态一行行记录一个个经纬度点翻页方式page=1,2,3…把城市切成经纬度网格逐块请求产出物CSV / ExcelCSV + GeoJSON + 热力聚合表核心算法正则 / CSS 选择器geohash 编码、网格分箱本篇要交付：一个bike_heat_map.py；一份bike_points.csv（全部点位）；一
