python射线法-离线根据经纬度反向获取城市信息

  • 准备工作
  • 相关算法储备
  • 总结

目前能够使用 经纬度信息去逆解析经纬度的API有很多，各自可以根据业务需求和地理编码格式选择百度、谷歌、高德等API。但是对于大批量每天好几T的数据量再去掉API很突兀了。
这里简单写了射线法，用来判断当前经纬度是否在城市边界的多边形矩阵内。

准备工作

申请高德api key、Polygon、Pandas、Geohash
1.需要各省市经纬度信息城市边界信息组成多边形矩阵
2.对城市边界信息做矢量偏移
3.使用geohash加速算法

相关算法储备

射线法原理：https://blog.csdn.net/enweitech/article/details/80654420（参考大佬博客，写的很详细）
geohash空间索引：https://www.jianshu.com/p/7332dcb978b2

一、 高德网站网站申请key，以北京市为例。获取全国城市信息写个city list吧。

import requestcity_name = '北京市'
resp = requests.get('http://restapi.amap.com/v3/config/district?key={}&keywords={}&subdistrict=0&extensions=all'.format(key,city_name))
lands = resp.json()['districts'][0]['polyline']

lands得到了北京市的多个经纬度信息，将多个经纬度合起来便可以组成多边形。

二、矢量偏移
由于高徳返回的经纬度点非常多，而且有些城市是沿海城市会形成岛屿。这里简单的进行调优，代码在上一步封装一下。

city_list = ['拉萨市','日喀则市','昌都市','林芝市','山南市','那曲市','阿里地区']def city_split():global clfor city in cl:try:resp = requests.get('http://restapi.amap.com/v3/config/district?key={}&keywords={}&subdistrict=0&extensions=all'.format(key,city_name))lands = resp.json()['districts'][0]['polyline']points = []lands = lands.strip('\n').split('|')max_land = 0for land in lands: points_str = land.split(';')if len(points_str) > max_land:point = []for p in points_str:lon, lat = p.split(',')point.append([float(lon), float(lat)])points.append(Polygon(point))polygon = MultiPolygon(points)s = polygon.buffer(0.06).simplify(0.02, preserve_topology=False)wgs_list = []for i in list(s.exterior.coords):wgs_list.append(gu.gcj02_to_wgs84(*i))wgs_listdatas = pd.DataFrame(wgs_list,columns=['longitude','latitude']).reset_index()datas['index'] = citydatas['province'] = '西藏自治区'datas.to_csv('./data/city_split.csv',index=False,mode='a',header=False)except:print(city)continuecity_split()

三、射线法判断是否在点内，并用geohash空间索引加速

import pandas as pd
import time
import geohashpd.set_option('display.max_row', None)
city_df = pd.read_csv('./data/citys_split.csv')  # 城市边界数据
city_df['geohash'] = city_df.apply(lambda x: geohash.encode(x.lat, x.lng, precision=2), axis=1)

geohash映射索引后格式如下：

city_df.head()city   lng lat province    geohash
0   重庆市 105.229149  29.537980   重庆市 wm6
1   重庆市 105.346298  29.724197   重庆市 wm6
2   重庆市 105.500943  29.781377   重庆市 wm7
3   重庆市 105.541257  29.868097   重庆市 wm7
4   重庆市 105.642070  29.907960   重庆市 wm7

射线法判断经纬度是否在城市多边形内

class GeoCoding(object):def __init__(self, df,lat_name,lng_name):self.df = dfself.lat = lat_nameself.lng = lng_namedef isptinpoly(self, aLon, aLat, pointList):iSum = 0iCount = len(pointList)if (iCount < 3):return Falsefor i in range(iCount):pLon1 = pointList[i][0]pLat1 = pointList[i][1]if (i == iCount - 1):pLon2 = pointList[0][0]pLat2 = pointList[0][1]else:pLon2 = pointList[i + 1][0]pLat2 = pointList[i + 1][1]if ((aLat >= pLat1) and (aLat < pLat2)) or ((aLat >= pLat2) and (aLat < pLat1)):if (abs(pLat1 - pLat2) > 0):pLon = pLon1 - ((pLon1 - pLon2) * (pLat1 - aLat)) / (pLat1 - pLat2);if (pLon < aLon):iSum += 1if (iSum % 2 != 0):return Trueelse:return Falsedef hash_city(self, geohash_id, latitude, longitude):citys = ""prov = ""quert_city = city_df[city_df['geohash']==geohash_id]['city'].value_counts().indexfor i in quert_city:tmp_df = city_df[city_df['city']==i]line_matrix = tmp_df[["lng", "lat"]].valuestmp_res = self.isptinpoly(longitude, latitude, line_matrix)if tmp_res is False:continueelse:citys = iprov = tmp_df['province'].value_counts().index[0]return prov, citysdef run(self):self.df['geohash'] = self.df.apply(lambda x: geohash.encode(x.device_info_family_latitude, x.device_info_family_longitude, precision=3), axis=1)self.df = pd.concat([self.df, pd.DataFrame(data=[i for i in self.df.apply(lambda row: self.hash_city(row['geohash'], row[self.lat], row[self.lng]), axis=1)], columns=['device_info_province', 'device_info_city'])], axis=1)
#         self.df.drop(['geohash'], axis=1, inplace=True)return self.df

四、验证测试集

test_df = pd.read_csv('./data/user_app_loc.csv').drop(['uid','name'], axis=1)
test_df = test_df.loc[:500,:]
test_df.head(10)dt  device_info_family_latitude device_info_family_longitude
0   2019-12-01  34.598824   119.173946
1   2019-12-01  35.989018   104.001563
2   2019-12-01  40.004246   116.405563
3   2019-12-01  40.004270   116.405417
4   2019-12-01  30.587658   114.459403
5   2019-12-01  22.971863   113.330686
6   2019-12-01  44.156407   87.975227
7   2019-12-01  32.025581   118.786248
8   2019-12-01  31.965269   118.803891
9   2019-12-01  39.801384   116.427805

st = time.time()
# 传入df数据与latitude，longitude的列名dataframe = GeoCoding(test_df,'device_info_family_latitude','device_info_family_longitude').run()
print(time.time()-st)9.650320053100586
dataframe.head(500)dt    device_info_family_latitude device_info_family_longitude    geohash device_info_province    device_info_city
0   2019-12-01  34.598824   119.173946  wwh 江苏省 连云港市
1   2019-12-01  35.989018   104.001563  wq3 甘肃省 兰州市
2   2019-12-01  40.004246   116.405563  wx4 北京市 北京市
3   2019-12-01  40.004270   116.405417  wx4 北京市 北京市
4   2019-12-01  30.587658   114.459403  wt3 湖北省 武汉市
5   2019-12-01  22.971863   113.330686  ws0 广东省 广州市
6   2019-12-01  44.156407   87.975227   tzy 新疆维吾尔自治区    阜康市
7   2019-12-01  32.025581   118.786248  wts 江苏省 南京市
8   2019-12-01  31.965269   118.803891  wts 江苏省 南京市
9   2019-12-01  39.801384   116.427805  wx4 北京市 北京市
10  2019-12-01  31.225574   121.466778  wtw 上海市 上海市
11  2019-12-01  31.472795   120.272773  wtt 江苏省 无锡市
12  2019-12-01  31.293134   121.533883  wtw 上海市 上海市
13  2019-12-01  31.293184   121.533740  wtw 上海市 上海市
14  2019-12-01  31.215881   121.443554  wtw 上海市 上海市
15  2019-12-01  31.215890   121.443560  wtw 上海市 上海市
16  2019-12-01  31.215878   121.443553  wtw 上海市 上海市
17  2019-12-01  31.216081   121.443637  wtw 上海市 上海市
18  2019-12-01  25.251404   110.175516  wkq 广西壮族自治区 桂林市
19  2019-12-01  25.095757   102.925425  wk3 云南省 昆明市
20  2019-12-01  37.529644   121.433806  www 山东省 烟台市
21  2019-12-01  37.529648   121.433799  www 山东省 烟台市
22  2019-12-01  40.053439   116.325895  wx4 北京市 北京市
23  2019-12-01  29.861560   121.540492  wtq 浙江省 宁波市
24  2019-12-01  30.634386   104.108957  wm6 四川省 成都市
25  2019-12-01  30.648737   104.189701  wm6 四川省 成都市
26  2019-12-01  30.634365   104.108908  wm6 四川省 成都市
27  2019-12-01  31.242341   121.439109  wtw 上海市 上海市
28  2019-12-01  25.836750   119.582244  wst 福建省 福州市
29  2019-12-01  23.002340   113.383834  ws0 广东省 广州市
30  2019-12-01  22.708820   114.251928  ws1 广东省 东莞市
31  2019-12-01  31.224918   121.495594  wtw 上海市 上海市
32  2019-12-01  21.237683   110.401996  w7y 广东省 湛江市
33  2019-12-01  1.550142    103.796472  w23
34  2019-12-01  39.954344   116.452692  wx4 北京市 北京市
35  2019-12-01  39.954344   116.452692  wx4 北京市 北京市
36  2019-12-01  39.954341   116.452709  wx4 北京市 北京市
37  2019-12-01  31.451075   104.718831  wmd 四川省 绵阳市
38  2019-12-01  31.450957   104.718930  wmd 四川省 绵阳市
39  2019-12-01  31.450980   104.718907  wmd 四川省 绵阳市
40  2019-12-01  36.535308   102.010747  wq2
41  2019-12-01  40.086884   116.588964  wx4 北京市 北京市
42  2019-12-01  39.994050   116.336573  wx4 北京市 北京市
43  2019-12-01  39.976999   116.381219  wx4 北京市 北京市
44  2019-12-01  40.086884   116.588964  wx4 北京市 北京市
45  2019-12-01  39.994058   116.336506  wx4 北京市 北京市
46  2019-12-01  39.890769   116.331965  wx4 北京市 北京市
47  2019-12-01  40.054731   116.615530  wx4 北京市 北京市
48  2019-12-01  31.236122   121.515477  wtw 上海市 上海市
49  2019-12-01  31.236111   121.515483  wtw 上海市 上海市
50  2019-12-01  31.236235   121.516518  wtw 上海市 上海市
51  2019-12-01  31.236121   121.515458  wtw 上海市 上海市
52  2019-12-01  28.138034   113.058651  wt0 湖南省 长沙市
53  2019-12-01  38.465252   106.256757  wqg 宁夏回族自治区 银川市
54  2019-12-01  38.465293   106.256802  wqg 宁夏回族自治区 银川市
55  2019-12-01  25.018837   102.720063  wk3 云南省 昆明市
56  2019-12-01  25.019114   102.719813  wk3 云南省 昆明市
57  2019-12-01  25.085515   102.661030  wk3 云南省 昆明市
58  2019-12-01  25.085464   102.660831  wk3 云南省 昆明市
59  2019-12-01  25.085423   102.660722  wk3 云南省 昆明市
60  2019-12-01  25.056550   102.670950  wk3 云南省 昆明市
61  2019-12-01  25.085400   102.660666  wk3 云南省 昆明市
62  2019-12-01  22.215848   113.541491  web 广东省 中山市
63  2019-12-01  39.899356   116.107108  wx4 北京市 北京市
64  2019-12-01  22.607694   114.159687  ws1 广东省 东莞市
65  2019-12-01  28.704796   115.984545  wt4 江西省 南昌市
66  2019-12-01  46.627520   124.901711  yb2 黑龙江省    大庆市
67  2019-12-01  39.791442   116.508681  wx4 北京市 北京市
68  2019-12-01  39.791442   116.508681  wx4 北京市 北京市
69  2019-12-01  36.068792   120.316449  wwm 山东省 青岛市
70  2019-12-01  23.008310   113.738355  ws0 广东省 东莞市
71  2019-12-01  23.020651   113.779504  ws0 广东省 东莞市
72  2019-12-01  24.935051   98.482339   whq 云南省 腾冲市
73  2019-12-01  29.536019   106.560250  wm7 重庆市 重庆市
74  2019-12-01  39.931190   116.260323  wx4 北京市 北京市
75  2019-12-01  39.895320   116.335418  wx4 北京市 北京市
76  2019-12-01  49.144791   -123.129214 c28
77  2019-12-01  49.325638   -123.126235 c2b
78  2019-12-01  27.794187   114.425821  wsc 江西省 宜春市
79  2019-12-01  23.127920   113.279145  ws0 广东省 广州市
80  2019-12-01  22.969497   113.346437  ws0 广东省 广州市
81  2019-12-01  39.991531   116.338407  wx4 北京市 北京市
82  2019-12-01  31.798780   118.707915  wts 江苏省 南京市
83  2019-12-01  28.185437   113.217621  wt0 湖南省 长沙市
84  2019-12-01  23.160148   113.383739  ws0 广东省 广州市
85  2019-12-01  39.039633   117.665569  wwg 天津市 天津市
86  2019-12-01  22.782100   108.274418  wkh 广西壮族自治区 南宁市
87  2019-12-01  39.930229   116.582388  wx4 北京市 北京市
88  2019-12-01  29.346914   119.760118  wtj 浙江省 金华市
89  2019-12-01  29.346914   119.760118  wtj 浙江省 金华市
90  2019-12-01  31.403902   120.946213  wtw 江苏省 苏州市
91  2019-12-01  31.406763   120.962168  wtw 江苏省 苏州市
92  2019-12-01  29.822037   121.527296  wtq 浙江省 宁波市
93  2019-12-01  29.822039   121.527291  wtq 浙江省 宁波市
94  2019-12-01  29.822036   121.527297  wtq 浙江省 宁波市
95  2019-12-01  23.010456   113.095352  ws0 广东省 佛山市
96  2019-12-01  23.118932   113.334328  ws0 广东省 广州市
97  2019-12-01  23.014946   113.341068  ws0 广东省 广州市
98  2019-12-01  24.544055   111.315519  wkr 广西壮族自治区 贺州市
99  2019-12-01  22.611864   114.119742  ws1 广东省 深圳市
100 2019-12-01  39.868407   116.382519  wx4 北京市 北京市
101 2019-12-01  25.417238   119.016183  wss 福建省 莆田市
102 2019-12-01  25.417213   119.016202  wss 福建省 莆田市
103 2019-12-01  38.052693   114.524902  wwc 河北省 石家庄市
104 2019-12-01  38.045424   114.545760  wwc 河北省 石家庄市
105 2019-12-01  38.053419   114.524598  wwc 河北省 石家庄市
106 2019-12-01  39.864019   116.499259  wx4 北京市 北京市
107 2019-12-01  39.822709   116.503907  wx4 北京市 北京市
108 2019-12-01  39.857060   116.462415  wx4 北京市 北京市
109 2019-12-01  39.826303   116.517803  wx4 北京市 北京市
110 2019-12-01  39.882472   116.531682  wx4 北京市 北京市
111 2019-12-01  39.864156   116.499287  wx4 北京市 北京市
112 2019-12-01  39.908734   116.306063  wx4 北京市 北京市
113 2019-12-01  39.899749   116.400384  wx4 北京市 北京市
114 2019-12-01  41.633726   123.497533  wxr 辽宁省 沈阳市
115 2019-12-01  41.633643   123.497823  wxr 辽宁省 沈阳市
116 2019-12-01  22.647551   114.054814  ws1 广东省 深圳市
117 2019-12-01  24.519632   117.674279  ws7 福建省 漳州市
118 2019-12-01  24.521585   117.675189  ws7 福建省 漳州市
119 2019-12-01  24.519437   117.673961  ws7 福建省 漳州市
120 2019-12-01  24.519477   117.673898  ws7 福建省 漳州市
121 2019-12-01  24.521474   117.675151  ws7 福建省 漳州市
122 2019-12-01  34.198281   108.998694  wqj 陕西省 西安市
123 2019-12-01  30.194132   120.179866  wtm 浙江省 杭州市
124 2019-12-01  31.292709   121.472386  wtw 上海市 上海市
125 2019-12-01  31.292880   121.472427  wtw 上海市 上海市
126 2019-12-01  22.760486   108.275083  wkh 广西壮族自治区 南宁市
127 2019-12-01  31.189870   121.414886  wtw 上海市 上海市
128 2019-12-01  31.189881   121.414876  wtw 上海市 上海市
129 2019-12-01  28.669666   119.517316  wth 浙江省 金华市
130 2019-12-01  28.669892   119.518117  wth 浙江省 金华市
131 2019-12-01  28.669802   119.518179  wth 浙江省 金华市
132 2019-12-01  28.669844   119.517793  wth 浙江省 金华市
133 2019-12-01  29.554931   106.467537  wm7 重庆市 重庆市
134 2019-12-01  23.168088   113.264167  ws0 广东省 广州市
135 2019-12-01  30.490849   114.401380  wt3 湖北省 武汉市
136 2019-12-01  30.490853   114.401994  wt3 湖北省 武汉市
137 2019-12-01  22.597098   114.123387  ws1 广东省 深圳市
138 2019-12-01  39.940282   116.435003  wx4 北京市 北京市
139 2019-12-01  29.569850   106.501507  wm7 重庆市 重庆市
140 2019-12-01  31.256894   121.393839  wtw 上海市 上海市
141 2019-12-01  23.123504   113.389417  ws0 广东省 广州市
142 2019-12-01  23.124091   113.389327  ws0 广东省 广州市
143 2019-12-01  23.124453   113.389975  ws0 广东省 广州市
144 2019-12-01  23.211436   113.251581  ws0 广东省 广州市
145 2019-12-01  24.780590   118.704680  wsk 福建省 泉州市
146 2019-12-01  24.779983   118.704723  wsk 福建省 泉州市
147 2019-12-01  34.437516   108.759600  wqj 陕西省 咸阳市
148 2019-12-01  34.440824   108.760652  wqj 陕西省 咸阳市
149 2019-12-01  34.433621   108.759532  wqj 陕西省 咸阳市
150 2019-12-01  29.944204   121.500232  wtq 浙江省 宁波市
151 2019-12-01  29.952039   121.511077  wtq 浙江省 宁波市
152 2019-12-01  29.944145   121.500236  wtq 浙江省 宁波市
153 2019-12-01  36.846450   117.205460  wwe 山东省 济南市
154 2019-12-01  36.842117   117.208523  wwe 山东省 济南市
155 2019-12-01  29.087453   119.635924  wtj 浙江省 金华市
156 2019-12-01  32.896417   117.334584  wtg 安徽省 蚌埠市
157 2019-12-01  32.896459   117.334587  wtg 安徽省 蚌埠市
158 2019-12-01  39.980091   116.476721  wx4 北京市 北京市
159 2019-12-01  39.995020   116.448040  wx4 北京市 北京市
160 2019-12-01  39.940728   116.437049  wx4 北京市 北京市
161 2019-12-01  45.708027   126.687525  yb4 黑龙江省    哈尔滨市
162 2019-12-01  31.251819   121.477733  wtw 上海市 上海市
163 2019-12-01  25.094623   102.925599  wk3 云南省 昆明市
164 2019-12-01  23.034661   113.170021  ws0 广东省 广州市
165 2019-12-01  31.927511   118.824253  wts 江苏省 南京市
166 2019-12-01  40.042640   116.322551  wx4 北京市 北京市
167 2019-12-01  22.606222   108.192189  wkh 广西壮族自治区 南宁市
168 2019-12-01  22.562516   113.883762  ws0 广东省 深圳市
169 2019-12-01  30.234925   120.244497  wtm 浙江省 杭州市
170 2019-12-01  30.234184   120.227582  wtm 浙江省 杭州市
171 2019-12-01  39.809457   116.526361  wx4 北京市 北京市
172 2019-12-01  28.468624   119.932489  wtj 浙江省 丽水市
173 2019-12-01  39.858930   116.413868  wx4 北京市 北京市
174 2019-12-01  39.866362   116.424568  wx4 北京市 北京市
175 2019-12-01  39.866362   116.424568  wx4 北京市 北京市
176 2019-12-01  26.567335   106.668744  wke 贵州省 贵阳市
177 2019-12-01  31.181169   120.677089  wtt 江苏省 苏州市
178 2019-12-01  23.009411   113.148995  ws0 广东省 佛山市
179 2019-12-01  32.033788   118.744473  wts 江苏省 南京市
180 2019-12-01  23.079797   113.233809  ws0 广东省 广州市
181 2019-12-01  23.124253   113.415790  ws0 广东省 广州市
182 2019-12-01  39.793810   116.512181  wx4 北京市 北京市
183 2019-12-01  41.734031   123.440165  wxr 辽宁省 沈阳市
184 2019-12-01  31.318625   120.713311  wtt 江苏省 苏州市
185 2019-12-01  31.785709   117.147839  wte 安徽省 合肥市
186 2019-12-01  29.020225   111.709329  wmp 湖南省 常德市
187 2019-12-01  22.846525   113.625979  ws0 广东省 东莞市
188 2019-12-01  22.846396   113.626169  ws0 广东省 东莞市
189 2019-12-01  39.995571   116.336956  wx4 北京市 北京市
190 2019-12-01  23.180224   112.996874  ws0 广东省 佛山市
191 2019-12-01  23.189493   113.364735  ws0 广东省 广州市
192 2019-12-01  41.753417   123.519449  wxr 辽宁省 沈阳市
193 2019-12-01  31.465250   104.750642  wmd 四川省 绵阳市
194 2019-12-01  22.677799   113.825805  ws0 广东省 深圳市
195 2019-12-01  22.679654   113.803727  ws0 广东省 深圳市
196 2019-12-01  35.684715   139.730207  xn7
197 2019-12-01  36.049970   103.838869  wq3 甘肃省 兰州市
198 2019-12-01  36.050062   103.838730  wq3 甘肃省 兰州市
199 2019-12-01  36.050039   103.838828  wq3 甘肃省 兰州市
200 2019-12-01  36.050050   103.838812  wq3 甘肃省 兰州市
201 2019-12-01  36.050060   103.838823  wq3 甘肃省 兰州市
202 2019-12-01  36.771433   118.501012  wws 山东省 潍坊市
203 2019-12-01  31.335023   120.628523  wtt 江苏省 苏州市
204 2019-12-01  31.335022   120.628522  wtt 江苏省 苏州市
205 2019-12-01  36.100825   103.616654  wq3 甘肃省 兰州市
206 2019-12-01  22.820185   108.402894  wkj 广西壮族自治区 南宁市
207 2019-12-01  44.162671   87.525599   tzy 新疆维吾尔自治区    昌吉市
208 2019-12-01  39.106566   117.223801  wwg 天津市 天津市
209 2019-12-01  39.106601   117.223569  wwg 天津市 天津市
210 2019-12-01  22.961665   113.087777  ws0 广东省 佛山市
211 2019-12-01  39.739454   116.551573  wx4 北京市 北京市
212 2019-12-01  29.269472   117.842560  wt5 江西省 上饶市
213 2019-12-01  43.797920   125.385421  wzc 吉林省 长春市
214 2019-12-01  22.989772   113.267797  ws0 广东省 广州市
215 2019-12-01  39.773042   116.593511  wx4 北京市 北京市
216 2019-12-01  39.773472   116.593730  wx4 北京市 北京市
217 2019-12-01  39.772824   116.593668  wx4 北京市 北京市
218 2019-12-01  39.773042   116.593513  wx4 北京市 北京市
219 2019-12-01  40.377219   116.845998  wx5 北京市 北京市
220 2019-12-01  27.239003   111.487381  wkz 湖南省 邵阳市
221 2019-12-01  24.525444   118.157303  wsk 福建省 厦门市
222 2019-12-01  25.673990   119.382263  wss 福建省 福州市
223 2019-12-01  30.646990   104.024652  wm3 四川省 成都市
224 2019-12-01  30.714844   104.062995  wm6 四川省 成都市
225 2019-12-01  31.239061   121.475282  wtw 上海市 上海市
226 2019-12-01  23.135164   113.591661  ws0 广东省 东莞市
227 2019-12-01  38.928932   121.607680  wwy 辽宁省 大连市
228 2019-12-01  38.928953   121.604503  wwy 辽宁省 大连市
229 2019-12-01  38.928972   121.607634  wwy 辽宁省 大连市
230 2019-12-01  28.904099   121.207427  wtn 浙江省 台州市
231 2019-12-01  23.112604   113.646286  ws0 广东省 东莞市
232 2019-12-01  39.841957   116.359981  wx4 北京市 北京市
233 2019-12-01  25.302136   98.520098   whq 云南省 腾冲市
234 2019-12-01  39.043799   117.260941  wwg 天津市 天津市
235 2019-12-01  22.824635   108.314318  wkj 广西壮族自治区 南宁市
236 2019-12-01  22.837780   108.305238  wkj 广西壮族自治区 南宁市
237 2019-12-01  22.831351   108.325723  wkj 广西壮族自治区 南宁市
238 2019-12-01  41.870266   123.428203  wxr 辽宁省 沈阳市
239 2019-12-01  34.556508   105.858202  wq5 甘肃省 天水市
240 2019-12-01  22.626322   114.081016  ws1 广东省 深圳市
241 2019-12-01  31.973519   118.809728  wts 江苏省 南京市
242 2019-12-01  32.070443   118.288322  wts 安徽省 滁州市
243 2019-12-01  32.063339   118.283413  wts 安徽省 滁州市
244 2019-12-01  34.433634   108.759596  wqj 陕西省 咸阳市
245 2019-12-01  36.154708   120.426186  wwm 山东省 青岛市
246 2019-12-01  27.840542   112.942876  wsb 湖南省 湘潭市
247 2019-12-01  34.232564   108.963147  wqj 陕西省 西安市
248 2019-12-01  34.232583   108.963022  wqj 陕西省 西安市
249 2019-12-01  34.233372   108.966371  wqj 陕西省 西安市
250 2019-12-01  34.232505   108.963107  wqj 陕西省 西安市
251 2019-12-01  28.244420   113.088114  wt0 湖南省 长沙市
252 2019-12-01  28.238061   113.093145  wt0 湖南省 长沙市
253 2019-12-01  43.929841   116.088759  wxf
254 2019-12-01  39.759988   116.189086  wx4 北京市 北京市
255 2019-12-01  37.877640   112.621543  ww8 山西省 太原市
256 2019-12-01  34.243988   108.959969  wqj 陕西省 西安市
257 2019-12-01  34.243991   108.959944  wqj 陕西省 西安市
258 2019-12-01  24.466084   117.718764  ws7 福建省 漳州市
259 2019-12-01  24.554365   117.631771  ws7 福建省 漳州市
260 2019-12-01  34.755416   113.781899  ww0 河南省 郑州市
261 2019-12-01  31.282106   121.482776  wtw 上海市 上海市
262 2019-12-01  31.296544   121.488371  wtw 上海市 上海市
263 2019-12-01  23.099587   113.445503  ws0 广东省 广州市
264 2019-12-01  23.101125   113.442367  ws0 广东省 广州市
265 2019-12-01  23.099918   113.436998  ws0 广东省 广州市
266 2019-12-01  23.099705   113.436978  ws0 广东省 广州市
267 2019-12-01  23.424106   113.421504  ws0 广东省 广州市
268 2019-12-01  41.822866   123.489981  wxr 辽宁省 沈阳市
269 2019-12-01  41.822080   123.490287  wxr 辽宁省 沈阳市
270 2019-12-01  41.822970   123.490049  wxr 辽宁省 沈阳市
271 2019-12-01  41.822229   123.489923  wxr 辽宁省 沈阳市
272 2019-12-01  38.926523   121.622450  wwy 辽宁省 大连市
273 2019-12-01  27.794490   120.656315  wsv 浙江省 温州市
274 2019-12-01  27.793767   120.648010  wsv 浙江省 温州市
275 2019-12-01  27.794510   120.656318  wsv 浙江省 温州市
276 2019-12-01  31.159035   121.523700  wtw 上海市 上海市
277 2019-12-01  32.013396   119.671030  wtt 江苏省 镇江市
278 2019-12-01  32.653241   110.799138  wmy 湖北省 十堰市
279 2019-12-01  40.086924   116.390887  wx4 北京市 北京市
280 2019-12-01  23.240734   113.356357  ws0 广东省 广州市
281 2019-12-01  31.341090   117.177117  wte 安徽省 合肥市
282 2019-12-01  39.791389   116.508744  wx4 北京市 北京市
283 2019-12-01  39.922552   116.432933  wx4 北京市 北京市
284 2019-12-01  25.074893   102.945970  wk3 云南省 昆明市
285 2019-12-01  22.678683   114.225002  ws1 广东省 东莞市
286 2019-12-01  31.818973   117.177929  wte 安徽省 合肥市
287 2019-12-01  27.924513   110.083142  wky 湖南省 湘西
288 2019-12-01  40.154270   116.299291  wx4 北京市 北京市
289 2019-12-01  23.126680   113.283753  ws0 广东省 广州市
290 2019-12-01  23.126862   113.283409  ws0 广东省 广州市
291 2019-12-01  25.001571   102.668471  wk3 云南省 昆明市
292 2019-12-01  31.902740   117.171997  wte 安徽省 合肥市
293 2019-12-01  39.579799   116.616863  wx4 河北省 廊坊市
294 2019-12-01  31.271824   120.530941  wtt 江苏省 苏州市
295 2019-12-01  31.460270   120.595866  wtt 江苏省 苏州市
296 2019-12-01  31.031324   121.230840  wtw 上海市 上海市
297 2019-12-01  39.967867   116.325924  wx4 北京市 北京市
298 2019-12-01  31.409115   121.199986  wtw 上海市 上海市
299 2019-12-01  40.085298   116.373141  wx4 北京市 北京市
300 2019-12-01  40.079848   116.337253  wx4 北京市 北京市
301 2019-12-01  40.085599   116.329256  wx4 北京市 北京市
302 2019-12-01  23.116805   113.244293  ws0 广东省 广州市
303 2019-12-01  38.252163   101.959621  wqb 甘肃省 金昌市
304 2019-12-01  31.024041   113.106464  wt8 湖北省 荆门市
305 2019-12-01  31.024018   113.106487  wt8 湖北省 荆门市
306 2019-12-01  31.024061   113.106449  wt8 湖北省 荆门市
307 2019-12-01  39.916735   116.661580  wx4 北京市 北京市
308 2019-12-01  22.822860   108.271452  wkh 广西壮族自治区 南宁市
309 2019-12-01  39.908806   116.672765  wx4 北京市 北京市
310 2019-12-01  39.903457   116.616644  wx4 北京市 北京市
311 2019-12-01  39.908511   116.688177  wx4 北京市 北京市
312 2019-12-01  29.538435   106.504695  wm7 重庆市 重庆市
313 2019-12-01  29.538527   106.504667  wm7 重庆市 重庆市
314 2019-12-01  22.834067   108.290934  wkj 广西壮族自治区 南宁市
315 2019-12-01  22.842431   108.286537  wkj 广西壮族自治区 南宁市
316 2019-12-01  30.516101   104.054210  wm3 四川省 成都市
317 2019-12-01  30.516126   104.054463  wm3 四川省 成都市
318 2019-12-01  23.146431   113.259598  ws0 广东省 广州市
319 2019-12-01  23.180967   113.279126  ws0 广东省 广州市
320 2019-12-01  23.125673   113.258402  ws0 广东省 广州市
321 2019-12-01  39.750405   116.434449  wx4 北京市 北京市
322 2019-12-01  38.702886   115.205831  wwc 河北省 保定市
323 2019-12-01  22.598159   114.044159  ws1 广东省 深圳市
324 2019-12-01  22.598169   114.044037  ws1 广东省 深圳市
325 2019-12-01  30.624029   104.140958  wm6 四川省 成都市
326 2019-12-01  45.765599   126.617896  yb4 黑龙江省    哈尔滨市
327 2019-12-01  45.765587   126.617898  yb4 黑龙江省    哈尔滨市
328 2019-12-01  45.765836   126.617979  yb4 黑龙江省    哈尔滨市
329 2019-12-01  23.174556   113.204743  ws0 广东省 广州市
330 2019-12-01  23.174568   113.204668  ws0 广东省 广州市
331 2019-12-01  39.813750   117.012857  wx5 河北省 廊坊市
332 2019-12-01  29.168094   115.830747  wt4 江西省 九江市
333 2019-12-01  23.508310   113.058993  ws0 广东省 清远市
334 2019-12-01  30.823505   106.096161  wm7 四川省 南充市
335 2019-12-01  36.181281   120.386287  wwm 山东省 青岛市
336 2019-12-01  36.174599   120.378045  wwm 山东省 青岛市
337 2019-12-01  29.529957   106.523544  wm5 重庆市 重庆市
338 2019-12-01  36.791080   118.056556  wwe 山东省 淄博市
339 2019-12-01  36.797678   118.042765  wwe 山东省 淄博市
340 2019-12-01  40.005434   116.369992  wx4 北京市 北京市
341 2019-12-01  35.224444   115.496402  ww6 山东省 菏泽市
342 2019-12-01  18.309263   109.404998  w7m 海南省 三亚市
343 2019-12-01  18.309231   109.405036  w7m 海南省 三亚市
344 2019-12-01  30.700987   103.976866  wm3 四川省 成都市
345 2019-12-01  23.121700   113.384897  ws0 广东省 广州市
346 2019-12-01  23.123997   113.389425  ws0 广东省 广州市
347 2019-12-01  34.435094   108.764894  wqj 陕西省 咸阳市
348 2019-12-01  34.435100   108.764889  wqj 陕西省 咸阳市
349 2019-12-01  25.208821   110.049178  wkq 广西壮族自治区 桂林市
350 2019-12-01  25.217089   110.054261  wkq 广西壮族自治区 桂林市
351 2019-12-01  34.435087   108.764902  wqj 陕西省 咸阳市
352 2019-12-01  23.254426   113.285646  ws0 广东省 广州市
353 2019-12-01  23.160499   113.258051  ws0 广东省 广州市
354 2019-12-01  30.291193   120.457733  wtm 浙江省 嘉兴市
355 2019-12-01  39.843371   116.393910  wx4 北京市 北京市
356 2019-12-01  37.869271   112.532071  ww8 山西省 太原市
357 2019-12-01  22.250911   113.512195  web 广东省 中山市
358 2019-12-01  22.250807   113.512424  web 广东省 中山市
359 2019-12-01  22.250720   113.512199  web 广东省 中山市
360 2019-12-01  23.105784   113.181241  ws0 广东省 广州市
361 2019-12-01  22.577585   113.084974  ws0 广东省 江门市
362 2019-12-01  22.962183   113.890847  ws0 广东省 东莞市
363 2019-12-01  32.139707   118.991269  wts 江苏省 镇江市
364 2019-12-01  23.160787   113.235168  ws0 广东省 广州市
365 2019-12-01  30.274377   120.193470  wtm 浙江省 杭州市
366 2019-12-01  43.899263   87.475616   tzy 新疆维吾尔自治区    乌鲁木齐市
367 2019-12-01  26.644363   106.625699  wke 贵州省 贵阳市
368 2019-12-01  23.157784   114.445888  ws1 广东省 惠州市
369 2019-12-01  30.191806   120.205071  wtm 浙江省 杭州市
370 2019-12-01  34.736253   113.615667  ww0 河南省 郑州市
371 2019-12-01  39.231387   117.825549  wwg 天津市 天津市
372 2019-12-01  22.539690   114.018344  ws1 香港特别行政区 香港特别行政区
373 2019-12-01  28.082111   121.273184  wsy 浙江省 台州市
374 2019-12-01  28.082079   121.273154  wsy 浙江省 台州市
375 2019-12-01  28.122847   121.238619  wsy 浙江省 台州市
376 2019-12-01  28.122900   121.238814  wsy 浙江省 台州市
377 2019-12-01  28.082077   121.273211  wsy 浙江省 台州市
378 2019-12-01  28.082046   121.273133  wsy 浙江省 台州市
379 2019-12-01  27.912917   120.848852  wsv 浙江省 温州市
380 2019-12-01  27.828063   121.144167  wsy 浙江省 温州市
381 2019-12-01  34.615166   119.166840  wwh 江苏省 连云港市
382 2019-12-01  34.615118   119.166836  wwh 江苏省 连云港市
383 2019-12-01  34.609143   119.164263  wwh 江苏省 连云港市
384 2019-12-01  34.490115   119.546565  wwj 江苏省 连云港市
385 2019-12-01  41.803987   123.344676  wxr 辽宁省 沈阳市
386 2019-12-01  23.169760   113.268932  ws0 广东省 广州市
387 2019-12-01  22.540800   113.913296  ws1 广东省 深圳市
388 2019-12-01  30.286402   120.123885  wtm 浙江省 杭州市
389 2019-12-01  30.288094   120.123726  wtm 浙江省 杭州市
390 2019-12-01  23.043518   113.145440  ws0 广东省 广州市
391 2019-12-01  23.043553   113.145470  ws0 广东省 广州市
392 2019-12-01  23.043558   113.145404  ws0 广东省 广州市
393 2019-12-01  23.043126   113.145294  ws0 广东省 广州市
394 2019-12-01  23.043110   113.145297  ws0 广东省 广州市
395 2019-12-01  23.043129   113.145327  ws0 广东省 广州市
396 2019-12-01  23.042800   113.145148  ws0 广东省 广州市
397 2019-12-01  23.043544   113.145424  ws0 广东省 广州市
398 2019-12-01  23.043142   113.145268  ws0 广东省 广州市
399 2019-12-01  25.255938   110.324897  wkq 广西壮族自治区 桂林市
400 2019-12-01  31.283044   120.508142  wtt 江苏省 苏州市
401 2019-12-01  24.563638   118.052645  ws7 福建省 厦门市
402 2019-12-01  38.011801   114.487758  wwc 河北省 石家庄市
403 2019-12-01  38.011539   114.487561  wwc 河北省 石家庄市
404 2019-12-01  38.011798   114.487726  wwc 河北省 石家庄市
405 2019-12-01  24.071330   116.964023  ws7 广东省 潮州市
406 2019-12-01  24.072935   116.960483  ws7 广东省 潮州市
407 2019-12-01  39.107501   117.719293  wwg 天津市 天津市
408 2019-12-01  39.802793   116.287541  wx4 北京市 北京市
409 2019-12-01  39.802786   116.287506  wx4 北京市 北京市
410 2019-12-01  31.505916   120.434265  wtt 江苏省 苏州市
411 2019-12-01  22.533486   114.060139  ws1 香港特别行政区 香港特别行政区
412 2019-12-01  22.533189   114.060053  ws1 香港特别行政区 香港特别行政区
413 2019-12-01  22.285001   114.145023  wec 香港特别行政区 香港特别行政区
414 2019-12-01  22.449766   114.177413  wec 香港特别行政区 香港特别行政区
415 2019-12-01  22.285024   114.145003  wec 香港特别行政区 香港特别行政区
416 2019-12-01  34.297547   108.980125  wqj 陕西省 西安市
417 2019-12-01  32.063285   118.283783  wts 安徽省 滁州市
418 2019-12-01  32.063729   118.283248  wts 安徽省 滁州市
419 2019-12-01  32.086022   118.274345  wts 安徽省 滁州市
420 2019-12-01  31.185227   121.693325  wtw 上海市 上海市
421 2019-12-01  31.185245   121.693148  wtw 上海市 上海市
422 2019-12-01  31.183995   121.696364  wtw 上海市 上海市
423 2019-12-01  31.184026   121.696345  wtw 上海市 上海市
424 2019-12-01  31.184105   121.696373  wtw 上海市 上海市
425 2019-12-01  23.028542   113.367935  ws0 广东省 广州市
426 2019-12-01  31.061452   121.545099  wtw 上海市 上海市
427 2019-12-01  31.061451   121.545098  wtw 上海市 上海市
428 2019-12-01  22.835781   113.672017  ws0 广东省 东莞市
429 2019-12-01  22.846654   113.258846  ws0 广东省 广州市
430 2019-12-01  36.039389   103.855255  wq3 甘肃省 兰州市
431 2019-12-01  36.040131   103.855060  wq3 甘肃省 兰州市
432 2019-12-01  22.611978   113.184066  ws0 广东省 江门市
433 2019-12-01  22.551346   114.023179  ws1 香港特别行政区 香港特别行政区
434 2019-12-01  22.551622   114.022982  ws1 香港特别行政区 香港特别行政区
435 2019-12-01  38.945211   121.588265  wwy 辽宁省 大连市
436 2019-12-01  38.945139   121.587994  wwy 辽宁省 大连市
437 2019-12-01  39.772551   116.333405  wx4 北京市 北京市
438 2019-12-01  30.446914   114.010994  wt3 湖北省 武汉市
439 2019-12-01  37.750588   115.673233  wwd 河北省 衡水市
440 2019-12-01  30.230025   120.257374  wtm 浙江省 杭州市
441 2019-12-01  30.229579   120.257874  wtm 浙江省 杭州市
442 2019-12-01  31.124825   121.436102  wtw 上海市 上海市
443 2019-12-01  39.670821   106.807219  wr5 内蒙古自治区  乌海市
444 2019-12-01  39.667548   106.807876  wr5 内蒙古自治区  乌海市
445 2019-12-01  39.964320   116.529353  wx4 北京市 北京市
446 2019-12-01  40.757478   107.419416  wrh 内蒙古自治区  巴彦淖尔
447 2019-12-01  23.112919   113.213619  ws0 广东省 广州市
448 2019-12-01  25.095056   102.930440  wk3 云南省 昆明市
449 2019-12-01  25.096712   102.925998  wk3 云南省 昆明市
450 2019-12-01  30.067469   103.823783  wm3
451 2019-12-01  29.976825   103.443291  wm3
452 2019-12-01  28.592060   115.964241  wt4 江西省 南昌市
453 2019-12-01  39.917428   116.508704  wx4 北京市 北京市
454 2019-12-01  22.758032   114.499446  ws1 广东省 惠州市
455 2019-12-01  26.051011   119.296111  wss 福建省 福州市
456 2019-12-01  24.617067   118.246066  wsk 福建省 厦门市
457 2019-12-01  37.755130   112.631485  ww8 山西省 太原市
458 2019-12-01  38.921631   121.641270  wwy 辽宁省 大连市
459 2019-12-01  39.949675   116.407636  wx4 北京市 北京市
460 2019-12-01  39.973108   116.790033  wx5 北京市 北京市
461 2019-12-01  39.973233   116.790094  wx5 北京市 北京市
462 2019-12-01  40.070999   116.412565  wx4 北京市 北京市
463 2019-12-01  39.932443   116.324773  wx4 北京市 北京市
464 2019-12-01  39.791392   116.284305  wx4 北京市 北京市
465 2019-12-01  39.791375   116.284281  wx4 北京市 北京市
466 2019-12-01  29.568840   106.493214  wm7 重庆市 重庆市
467 2019-12-01  29.568666   106.493182  wm7 重庆市 重庆市
468 2019-12-01  20.007620   110.311584  w7w 海南省 海口市
469 2019-12-01  35.231131   115.499637  ww6 山东省 菏泽市
470 2019-12-01  35.532620   115.816370  ww6 山东省 菏泽市
471 2019-12-01  35.223992   115.495944  ww6 山东省 菏泽市
472 2019-12-01  35.425115   115.670813  ww6 山东省 菏泽市
473 2019-12-01  38.055092   114.500644  wwc 河北省 石家庄市
474 2019-12-01  39.915308   116.415252  wx4 北京市 北京市
475 2019-12-01  39.915308   116.415252  wx4 北京市 北京市
476 2019-12-01  39.915308   116.415252  wx4 北京市 北京市
477 2019-12-01  22.546793   114.083582  ws1 香港特别行政区 香港特别行政区
478 2019-12-01  38.034649   114.463347  wwc 河北省 石家庄市
479 2019-12-01  38.960033   121.542838  wwy 辽宁省 大连市
480 2019-12-01  18.239640   109.502804  w7j 海南省 三亚市
481 2019-12-01  24.112877   102.761036  wk3 云南省 玉溪市
482 2019-12-01  24.112716   102.761625  wk3 云南省 玉溪市
483 2019-12-01  24.077092   102.770451  wk3 云南省 玉溪市
484 2019-12-01  34.433365   108.759386  wqj 陕西省 咸阳市
485 2019-12-01  26.126018   119.179790  wss 福建省 福州市
486 2019-12-01  29.574099   103.463518  wm3 四川省 眉山市
487 2019-12-01  29.574240   103.463598  wm3 四川省 眉山市
488 2019-12-01  27.038769   114.921019  wsc 江西省 吉安市
489 2019-12-01  40.074422   113.319963  wx0 山西省 大同市
490 2019-12-01  23.013470   113.864178  ws0 广东省 东莞市
491 2019-12-01  22.795275   113.826544  ws0 广东省 深圳市
492 2019-12-01  35.383606   103.870968  wq3 甘肃省 定西市
493 2019-12-01  35.381282   103.868653  wq3 甘肃省 定西市
494 2019-12-01  35.383672   103.871029  wq3 甘肃省 定西市
495 2019-12-01  35.280397   104.071241  wq6 甘肃省 定西市
496 2019-12-01  22.593475   114.249754  ws1 香港特别行政区 香港特别行政区
497 2019-12-01  30.712836   103.992843  wm3 四川省 成都市
498 2019-12-01  39.873577   116.359222  wx4 北京市 北京市
499 2019-12-01  36.607258   101.752028  wq8 青海省 西宁市

总结

第一次写关于GIS的代码。代码很糙还有很多要改正的地方，例如有的经纬度不能识别问题，矢量偏移过大 有的用户定位在了两个城市边界内了。欢迎指正。谢谢

python射线法-离线根据经纬度反向获取城市信息相关推荐

  1. 使用强大的离线IP地址定位库ip2region获取城市信息

    文章目录 一.简介 二.ip2region的使用 1.引入依赖 2.下载ip2region.db 3.IpUtils工具类 一.简介    ip2region - 准确率99.9%的离线IP地址定位库 ...

  2. python根据经纬度坐标获取海拔信息

    目录 1. 参考资料 1. 参考资料 [1] 根据经纬度坐标获取海拔 2022.2; [2][Python]地理:通过经纬度坐标找到地址 2021.7; [3] 如何获取当前位置的海拔高度 2020. ...

  3. python射线法判断点是否在多边形内

    python3射线法判断点是否在多边形内 射线法 首先我们要先理解什么是射线法.射线法的意思是:在随机点上做一条平行于x轴的射线,方向是x轴正方向,看这条射线与多边形区域的交点个数,如果是偶数,那么这 ...

  4. 基于高德离线地图数据实现GPS经纬度逆解析城市信息

    一.获取离线数据:        如果你只是想实现逆解析功能,那该步骤可以跳过,因为地图数据已经收集打包好了.直接文末找git路径就好了. 准备工作:python  numpy h5py   open ...

  5. python 学习笔记 12 -- 写一个脚本获取城市天气信息

    近期在玩树莓派,前面写过一篇在树莓派上使用1602液晶显示屏,那么可以显示后最重要的就是显示什么的问题了. 最easy想到的就是显示时间啊,CPU利用率啊.IP地址之类的.那么我认为呢,假设可以显示当 ...

  6. python通过调用百度天气API接口获取天气信息

    python调用百度接口,获取天气信息 需要到百度注册开发者账号,通过账号获取到每个账号私有的应用访问(AK) 使用此脚本还需要district_id.csv文档,在我资源中可以免费下载,也可在百度天 ...

  7. android GPS 获取城市信息

    1.取得用户当前位置的经度,纬度. 2.根据经纬度转换成城市名称. 取得用户当前位置的经度,纬度 今天弄了一个多小时,写了一个GPS获取地理位置代码的小例子,包括参考了网上的一些代码,并且对代码进行了 ...

  8. 关于调用淘宝IP获取城市信息-- 随笔

    首先获取客户端的IP地址 function getIPaddress(){$IPaddress='';if (isset($_SERVER)){if (isset($_SERVER["HTT ...

  9. .NET获取城市信息（将三字代码转换成城市名）

    整理代码,发现有一个从两张表里读取城市列表,然后linq和lambda表达式来获取城市名的函数,代码如下: 1 public static string GetCityHotelText(string ...

最新文章

  1. INDEX 函数说明
  2. c与python的区别-Python与C语言有什么区别？
  3. 的有效性最好_世界前10名面膜补水排行榜 最好用的十款面膜推荐
  4. angularJs自定义模块
  5. array_column php什么版本可以用,array_column兼容php5.5以下版本
  6. Guacamole-RDP没有声音解决办法
  7. VMware vSphere5.0 HA高可用性原理
  8. 2021年提升效率的7个新vue实战技巧！
  9. 模式识别的发展及应用
  10. sql优化常用的几种方法
  11. 计算机一打开就卡在更新失败,Win10更新系统卡住不动怎么办 Win10系统更新卡住不动解决方法...
  12. bedgraph文件转bigwig文件
  13. 微信小程序 获取地理位置使用
  14. 面试官问你的职业生涯规划是什么，该如何回答？
  15. Head First 设计模式学习笔记 一 策略模式
  16. JAVA学习05-类型转换
  17. 我国最具影响力的25座大中城市每平方米平均房价
  18. VTM5中的Implicit MTS和Explicit MTS
  19. 根轨迹（上）笔记（卢京潮自控）
  20. 对三星彩色打印机鼓清零的感悟

热门文章

  1. 1750套工装夹具检具治具机械设计机构solidworks模型3d课程图纸sw
  2. 嵌入式linux/鸿蒙开发板(IMX6ULL）开发（二十四）具体单板的GPIO操作方法
  3. VisualDMIS 6.5探测误差程序（25点球）
  4. Python的自省(学习笔记)
  5. no default constructor found either
  6. NumberRunningTextView改良版
  7. MyBatis 的级联查询
  8. 中图杯获奖作品计算机组,“中图杯”第十四届环境地图大赛召开 地图慧成指定制图软件...
  9. 台式电脑键盘错乱会出现计算机模式怎么办,电脑键盘按键错乱怎么回事
  10. 六进制计数器的设计（详解）