在新能源汽车快速发展的今天，充电桩的分布和可用性成为了影响用户体验的关键因素之一。比亚迪作为全球领先的新能源汽车制造商，不仅在车辆制造方面取得了卓越成就，也在充电基础设施建设上投入了大量资源。为了帮助用户更方便地找到比亚迪充电桩的位置，本篇文章，我们将探究POST请求的实际应用，我们使用Python的requests库通过POST请求，从比亚迪官方获取充电桩位置信息，深入讲解如何构造请求、解析响应数据以及实现数据可视化，通过可视化分析来实现比亚迪的充电桩分布情况，by the way，比亚迪的充电桩通常是由第三方合作品牌运营的，但它们都接入了比亚迪的充电网络，确保用户可以方便地使用这些充电桩进行充电。
比亚迪充电桩分布位置信息：充电站
我们第一步先找到门店数据的存储位置，然后看3个关键部分标头、负载、 预览；
标头：通常包括URL的连接，也就是目标资源的位置；
负载：对于GET请求：负载通常包含了传递的参数，有些网页负载可能为空，或者没有负载，因为所有参数都通过URL传递；
预览：指的是对响应内容的快速查看或摘要显示，可以帮助用户快速了解返回的数据结构或内容片段；
接下来就是数据获取部分，先理解原理，完整的查询方式是通过定位坐标点查询周边5公里左右范围内接入比亚迪的充电桩的位置信息，比亚迪使用的充电桩通常也是与第三方运营商合作的品牌；
先讲一下方法思路，一共三个步骤；
方法思路
- 获取原始坐标点并在周边生成新的等距离点，生成层数可自定义；
- 基于去重后的新生成点进行查询，并保留查询得到的充电桩信息；
- 坐标转换，GCJ-02转WGS84；
第一步：获取原始坐标点并在周边生成新的等距离点；
第二步：基于去重后的新生成点进行查询，并保留查询得到的充电桩信息；
完整代码#运行环境 Python 3.11
import requests
import json
import pandas as pd
import math
import time
import randomdef calculate_new_coordinates(lat, lng, distance_km, layers):"""计算新的经纬度坐标"""coordinates = set() # 使用集合来存储唯一坐标# 计算每层的纬度和经度变化for layer in range(layers):lat_change = (layer + 1) * distance_km / 111.32 # 当前层纬度变化lng_change = (layer + 1) * distance_km / (111.32 * math.cos(math.radians(lat))) # 当前层经度变化# 生成当前层的四个基本点（上下左右）current_points = [(lat + lat_change, lng), # 北(lat - lat_change, lng), # 南(lat, lng + lng_change), # 东(lat, lng - lng_change) # 西]# 将当前层的点添加到集合中for point in current_points:coordinates.add(point)# 对每个新生成的点，再生成四个点（上下左右）for point in current_points:new_lat, new_lng = pointcoordinates.add((new_lat + lat_change, new_lng)) # 北coordinates.add((new_lat - lat_change, new_lng)) # 南coordinates.add((new_lat, new_lng + lng_change)) # 东coordinates.add((new_lat, new_lng - lng_change)) # 西return list(coordinates) # 转换为列表返回def search_charge_stations(lat, lng):url = "https://site-api.byd.com/domestic-official-api/charge/stations/search"# 请求头headers = {----------根据你实际的请求头内容进行替换------------}# 请求体数据payload = {"lat": lat,"lng": lng,"keyword": "", # 关键词，可以根据需要填写"pageNum": 1, # 页码"pageSize": 500 # 每页大小}# 发送 POST 请求response = requests.post(url, headers=headers, data=json.dumps(payload))# 检查响应状态if response.status_code == 200:# 处理成功的响应data = response.json()print("查询成功，返回数据：", json.dumps(data, indent=4, ensure_ascii=False))# 提取充电站信息stations = data['data']['rows']return stations if stations else [] # 如果没有找到充电站，返回空列表else:# 处理错误响应print(f"请求失败，状态码: {response.status_code}, 响应内容: {response.text}")return [] # 确保返回空列表而不是 Noneif __name__ == "__main__":original_lat = 31.328357 # 原始纬度original_lng = 121.498223 # 原始经度distance_km = 5 # 查询半径 5 公里layers = 3 # 生成点的层数# 计算新的坐标new_coordinates = calculate_new_coordinates(original_lat, original_lng, distance_km, layers)all_stations = [] # 用于存储所有充电站信息# 查询每个新坐标的充电站信息for lat, lng in new_coordinates:stations = search_charge_stations(lat, lng)# 如果查询结果不为空，则添加到总列表if stations:all_stations.extend(stations) # 将当前坐标的充电站信息添加到总列表else:print(f"坐标 ({lat}, {lng}) 未找到充电站信息，跳过。")# 随机延时，范围在 1 到 3 秒之间time.sleep(random.uniform(1, 3))# 将所有充电站信息转换为 DataFramedf = pd.DataFrame(all_stations)# 保存为 CSV 文件output_csv_path = 'D:\\data\\charge_stations.csv' # 输出文件路径df.to_csv(output_csv_path, index=False, encoding='utf-8-sig')print(f"充电站数据已成功保存为 {output_csv_path}")这里我们基于上海的一个原始定位点，获取周边一些充电桩位置信息，获取数据标签如下，id（充电站的唯一标识符）、stationName（充电站的名称）、operatorId（运营商的唯一标识符）、operatorName（运营商的名称）、address（充电站的地址）、stationLng（充电站的经度）、stationLat（充电站的纬度）、distance（从查询点到充电站的距离（单位：公里））、currentPeriodElectricityFee（当前时段的电费（单位：元/度））、currentPeriodServiceFee（当前时段的服务费（单位：元））、dcConnectorCount（直流充电接口的数量）、 acConnectorCount（交流充电接口的数量）、dcIdleConnectorCount（当前空闲的直流充电接口数量）、 acIdleConnectorCount（当前空闲的交流充电接口数量） 、electricityFeeStr（电费的详细时间段和费用信息）、serviceFeeStr（服务费的详细时间段和费用信息）、tag（充电站的标签（如“快”表示快充站））；
第三步：坐标系转换，由于数据使用的是高德坐标系（GCJ-02），为了在ArcGIS上准确展示而不发生偏移，我们需要将充电桩的坐标从GCJ-02转换为WGS-84坐标系。我们可以利用coord-convert库中的gcj2wgs(lng, lat)函数，对CSV文件中的充电桩坐标列进行转换。完成坐标转换后，再将数据导入ArcGIS进行可视化；
文章仅用于分享个人学习成果与个人存档之用，分享知识，如有侵权，请联系作者进行删除。所有信息均基于作者的个人理解和经验，不代表任何官方立场或权威解读。
