所有数据都是从百度迁徙中抓取,本人对数据的真实性不负责任。
在cityAndId.json中填写需要的城市与id
如下格式:
{
"武汉市": 420100,
"黄冈市": 421100,
"孝感市": 420900,
...
}其中每个城市对应的id为其相应的行政区号,城市的名字以百度迁徙中的为准,一般为城市名+市,部分少数民族自治区等名称特殊的城市需要去百度迁徙中核实。
与getMmatrix.py类似
已经按照下列顺序，将迁出城市的数据与该城市的迁徙指数做成了csv文件
| City |
|---|
| 武汉 |
| 黄冈 |
| 孝感 |
| 襄阳 |
| 随州 |
| 荆门 |
| 荆州 |
| 鄂州 |
| 黄石 |
| 宜昌 |
| 咸宁 |
| 十堰 |
| 仙桃 |
| 恩施州 |
| 天门 |
| 潜江 |
| 神农架林区 |
| 温州 |
| 杭州 |
| 台州 |
| 宁波 |
| 深圳 |
| 广州 |
| 佛山 |
| 南阳 |
| 郑州 |
| 信阳 |
| 周口 |
| 驻马店 |
| 长沙 |
| 岳阳 |
| 常德 |
| 邵阳 |
| 南昌 |
| 九江 |
| 合肥 |
| 阜阳 |
| 重庆 |
| 成都 |
| 苏州 |
| 南京 |
| 上海 |
| 北京 |
| 福州 |
| 西安 |
| 天津 |
按照xxxx的日期,第$i,j$行对应上表中第$i$个城市当天迁出到第$j$个城市的比例。
由于百度上只能爬到迁出比例为前50的数据，若$M_{i,j}$ 为0,就表示数据无法获取，但是考虑到不在前50中，可以用0来近似处理。
第$i$行对应上表中的第$i$个城市,第$j$列为从2020/01/01 至 2020/01/30 中的第$j$天当天的迁徙规模。
不同城市之前可以用这个值进行比较
我把原始数据存在该文件中,该文件为字典型的数据
可以按照如下的步骤提取数据
import pickle
with open("dicOfMatrix.pickle",'rb') as f:
data = pickle.load(f)其中data为字典型的数据,key为int型，如：
data[20200101] 会得到一个46x46的ndarray