Python中的映射

我有一份JSON清单，上面列出了巴黎所有名为Velib的自行车站，以及它们的纬度、经度、自行车数量和容量

我试图计算巴黎不同地区自行车站自行车数量的平均比例（自行车数量/自行车容量）。我想创建一个区分不同地区的城市地图/功能（=这样当我输入坐标时，它会将数字或地区发回给我）因此，当我试图计算城市每个部分的平均值时，我可以插入自行车站的坐标，它直接进入该地区自行车数量的平均值

我可以这样做，当地区是平行的一个彼此分隔的水平/垂直海峡线

for k in range(len(bike_station_list):
   if lat(bike_station_k)<lat_district_1 and   lng(bike_station_k <lng_disctrict_1

... and so on

适用于范围内的k（len（自行车站列表）：
如果lat（bike_station_k）你需要一份你所在地区的大致等高线图，因此需要将这些地区的边界划分为若干条直线段。然后你需要一种方法来确定你是否在这样一个封闭的等高线内

你会发现如何做到这一点

考虑到这个算法的复杂性，如果你对10*10米的分辨率感到满意，那么你的大矩阵也不是个坏主意。如果你想覆盖30*30公里的区域，那就是3000*3000==9000000平方米。没有什么是电脑不容易处理的，包括所涉及的搜索。
你需要一个大致的等高线图你的区域，因此区域的边界是一些直线段。然后你需要一种方法来确定你是否在这样一个封闭的轮廓内

你会发现如何做到这一点

考虑到这个算法的复杂性，如果你对10*10米的分辨率感到满意，那么你的大矩阵也不是个坏主意。如果你想覆盖30*30公里的区域，那就是3000*3000==9000000平方米。没有什么是电脑不容易处理的，包括所涉及的搜索。
如果你能找到v坐标的话近似巴黎地区的多边形的垂直度，则这将归结为一个问题。您可以使用光线投射或缠绕数算法来解决它，如那篇文章中所述。
如果您可以找到近似巴黎地区的多边形顶点的坐标，则这将归结为一个问题。您可以使用光线投射算法-如那篇文章中所提到的，你可以通过使用谷歌的地理编码API通过坐标获得地区信息


在答复中：

{
    long_name: "20th arrondissement",
    short_name: "20th arrondissement",
    types: [
        "political",
        "sublocality",
        "sublocality_level_1"
    ]
}

看。
但是，您每天只能收到2500个免费请求（如果您付费，则会收到更多请求），并且您需要注册一个API密钥。
您可以通过使用谷歌地理编码API获得地区信息


在答复中：

{
    long_name: "20th arrondissement",
    short_name: "20th arrondissement",
    types: [
        "political",
        "sublocality",
        "sublocality_level_1"
    ]
}

看。
但是，您每天只能收到2500个免费请求（如果您付费，则会收到更多请求），并且您需要注册API密钥。
您知道在哪里可以找到此类矩阵，还是必须手工制作？如果您有彩色（按地区）的巴黎纸质地图，一些预处理会让你进入商业领域。拍摄一张照片，用PIL或枕头在内存中读取，从大量相邻像素计算平均颜色，并通过空间采样缩小尺寸（每x*y像素取一个，因此每10m x 10m区域1个像素。你知道我在哪里可以找到这样的矩阵，还是我必须手工制作？如果你有彩色的（按地区）巴黎纸质地图，一些预处理会让你进入商业。拍摄一张照片，使用PIL或枕头在内存中读取，计算相邻像素的平均颜色，并通过空间采样缩小尺寸（每x*y像素取一个，因此每10m x 10m区域1个像素。操作问题是否最接近（就到达目的地的时间而言）vs我在哪个地区？最近的也更容易计算…我正试图做一个精确的表示，所以我宁愿有确切的地区-但如果它太消耗，我也可以尝试最近的，但假设最近的是100米跨一个区议会和地区车站在区的另一边？好的ng是指我试图评估某个大区域内某些因素的影响，但为了评估，我从较小的区域开始，这些区域在我的案例区域中，操作问题是否最接近（就到达时间而言）vs我在哪个地区？最近的也更容易计算…我正试图做一个精确的表示，所以我宁愿有确切的地区-但如果它太消耗，我也可以尝试最近的，但假设最近的是100米跨一个区议会和地区车站在区的另一边？好的ng是指我试图在一个大的区域内评估某些因素的影响，但为了做到这一点，我从较小的区域开始，在我的案例区域中