bupt python选项期末程设，基于经纬度绘制人口分布，前后端分离 ，sanic aiohttp

### 服务端 压缩文件（gpw-v4-population-count-rev11_2020_30_sec_asc.zip）是一个全球人口分布数据。基于Sanic实现一个查询服务，服务包括： * 按给定的经纬度范围查询人口总数，查询结果采用JSON格式。 * 不可以采用数据库，只允许使用文件方式存储数据。 * 可以对现有数据进行整理以便加快查询速度，尽量提高查询速度。 ### 客户端 针对上面的查询服务，实现一个服务查询客户端，数据获取后使用Matplotlib散点图（Scatter）进行绘制。 * 横坐标（x轴）为经度。 * 纵坐标（y轴）为维度 在这个Python项目中，学生需要构建一个前后端分离的应用，用于基于经纬度绘制全球人口分布。后端使用Sanic框架，而前端则利用Matplotlib库来展示数据。以下是这个项目涉及的关键知识点： 1. **Sanic**：Sanic是一个Python Web服务器和Web应用框架，它允许异步操作，提高了处理HTTP请求的性能。在这个项目中，Sanic被用作服务端，处理来自客户端的查询请求，返回人口统计数据。 2. **AIOHTTP**：虽然在描述中没有明确提到Aiohttp，但是由于项目是前后端分离的，Aiohttp作为一个流行的异步客户端库，可能会用于在客户端发起HTTP请求，与Sanic服务器进行通信。 3. **文件I/O操作**：项目要求不使用数据库，因此所有数据操作都在文件系统上进行。这里使用了`struct`和`numpy`来处理ASC文件中的二进制数据，将多个文件合并到一个二进制文件`merge.bin`中，以优化查询效率。 4. **数据预处理**：在`pretreat()`函数中，原始的ASC文件被读取并合并，这涉及到理解ASC文件的格式，可能包含元数据、网格结构和人口数据。数据预处理是为了减少查询时的计算负担，提高查询速度。 5. **Numpy**：Numpy是Python中用于科学计算的核心库，它可以高效地处理数组和矩阵数据。在这个项目中，Numpy可能用于读取、解析和处理ASC文件中的数字数据。 6. **Shapely**：Shapely是一个用于几何对象操作的Python库，它可能被用来处理地理坐标（经纬度），创建和操作几何对象，例如矩形或圆形的边界，用于定义查询范围。 7. **Matplotlib**：在客户端，Matplotlib用于生成人口分布的散点图。散点图的X轴代表经度，Y轴代表纬度，每个点的大小可能表示该位置的人口数量。 8. **异步编程**：由于使用了Sanic和Aiohttp，项目涉及到了Python的异步编程概念，如协程和事件循环，这有助于处理并发请求，提高系统的响应速度。 9. **HTTP协议与JSON**：服务端需返回JSON格式的数据，这是一种轻量级的数据交换格式，易于人阅读和编写，同时也易于机器解析和生成。JSON数据通常用于在前后端之间传递结构化信息。 10. **地图可视化**：为了将查询结果展示在地图上，可能需要结合其他地图API（如Google Maps API或OpenStreetMap），将经纬度数据转换为实际地理位置，并在地图上标注人口数量。 11. **文件存储优化**：项目强调提高查询速度，这可能涉及数据的索引和排序，使得在文件中查找特定经纬度范围的人口总数变得更加高效。 通过以上知识点，我们可以看出这个项目涵盖了从数据处理、Web开发到数据可视化的完整流程，是一个综合性的Python项目，适合锻炼学生的实战技能和解决问题的能力。