利用python爬取三甲医院

网站

url = https://www.yixue.com/

爬取过程

这个过程没有什么好说的，直接上代码

import requests
import pandas as pd 
from bs4 import BeautifulSoup

url = "https://www.yixue.com/%E5%85%A8%E5%9B%BD%E4%B8%89%E7%94%B2%E5%8C%BB%E9%99%A2%E5%90%8D%E5%8D%95#.E5.8C.97.E4.BA.AC.E5.B8.82.E4.B8.89.E7.94.B2.E5.8C.BB.E9.99.A2.E5.90.8D.E5.8D.95"

payload={}
headers = {}

response = requests.request("GET", url, headers=headers, data=payload)


Soup = BeautifulSoup(response.text,'lxml')
output = Soup.find(class_="mw-parser-output")
li = output.select('ul>li')


hospital_df = pd.DataFrame()

for i in li:
    try:
        a = i.b.a
        title = a['title']
        href = a['href']
        link = 'https://www.yixue.com'+href
        info = i.ul
        address = (info.text).splitlines()[0]
        phone = (info.text).splitlines()[1]
        


        info_dict = {'name':title,'link':link,'address':address,'phone':phone}
        df = pd.DataFrame([info_dict])
        hospital_df = hospital_df.append([df])
    except:
        pass

print(hospital_df)

hospital_df.to_excel('全国三甲医院1.xlsx')

结果

地理编码

这个以前说过，也没有什么好说的，直接看效果。

我多说一点，这里大家也看到了，这是Baidu09坐标，对于这种尺度来说，我们不需要进行坐标纠偏的，就拿几百米偏移真的没有什么意思。

可视化和分析

自己比较菜吧，我觉得geopandas里面的投影不太好用，所以上了ArcGIS投影。