3小时挑战：小白如何借助AI完成GIS数据爬取到可视化

2024年，无论你对人工智能是什么态度，但几乎所有行业都在谈论它的潜力。然而，真正开始使用AI提升工作效率的人并不多。作为一个与GIS和数据打交道的创业者，受启发与你分享一个实际工作中人人都能用得上的小例子，展示如何在AI的助力下，仅用3小时完成一个看似复杂的数据可视化项目。

前天，微博红人@牛津-小裁缝，王老师发布了一张日本2023年县级人口增长情况的地图，引发了大家的讨论：难道只有东京人口增长？大阪呢？名古屋呢？

作为数据可视化爱好者，我们当然不甘示弱：能否制作一张更深入、更全面的日本人口数据地图？

我不想多耗费精力，打算用一小会儿就搞定这个任务。挑战在眼前，必须借助AI，特别是Claude 3.5 Sonnet，来实现这个目标。

第一步：数据获取

首先，我们需要从可靠来源获取数据。经过传统的Google搜索，发现有人口数据的日本网站还挺多的，我也没有仔细看哪家更贴心，就选了排在搜索结果前面的日本帝国书院的统计数据网站。

都已经是表格了，非常容易拷贝粘贴。也可以找个chrome的插件拖拉下来csv，但是既然要想到和人工智能配合了，而且我这次打算试试最近很红的编程环境：Cursor，那就让Cursor带着claude来帮我写爬虫好了。

大白话Prompt：

“我需要从https://www.teikokushoin.co.jp/statistics/prefecture/ 获取2020-2023年日本47个县的人口数据。请帮我编写一个Python脚本来实现这个任务。”

当然，你的任务是一步步要将你看到的情况，出错的问题，用不引起歧义的语言反馈给claude。

经过一点点小挫折，一个小时内还是搞定。

Claude不仅生成了完整的Python脚本，还贴心地解释了每一步的作用，甚至考虑到了网站可能的反爬虫机制，建议添加适当的延迟。

左边的代码你不用管，只要老老实实将错误信息add到chat（增加到聊天对话）里面，补充你的信息和要求。cursor能够将claude生成的代码自动更正左边的代码块，太贴心了。

第二步：数据处理

有了原始数据，下一步是将其整理成适合地图可视化的格式。这时，我们再次向Claude寻求帮助。

大白话Prompt：

“我已经获取了原始数据，现在需要将它处理成适合地图可视化的格式。具体来说，我需要计算每个县2020年到2023年的人口变化率。请提供处理这些数据的Python代码。”

Claude提供了一个简洁而高效的数据处理脚本，完美地满足了我们的需求。

第三步：地图制作

最后，我们将处理好的数据可视化到地图上。Claude自动就想到了怎么绘制，并结合GADM的日本行政区划数据来制作最终的地图。

大白话Prompt：

“请使用我已经下载的GADM数据gadm41_JPN_1.shp和gadm41_JPN_2.shp，结合我们处理好的人口数据，使用你处理好的数据做关联。”

虽然也有些小波澜，比如matplotlib使用本地字体的问题等，但还是可以通过报错信息一起讨论解决。另外，关于颜色该怎么配，增长和降低该怎么表达，你都可以反复尝试。

反思与启示

整个过程从构思到完成，仅用了3小时（不包括写作本文时间）！这充分展示了AI如何大幅提升工作效率。对于我这样对代码一点都不专精，也不求甚解的前GIS工程师，让我有开心的感觉，好像并没有被年龄击败，我还可以通过写程序完成一些有意思的任务。

• AI提升了职场基准线：像这样的工作，若没有AI辅助，GIS小白、分析师小白可能需要老师的指导、配合才能完成。
• 人机协作的力量：AI不会取代人类的创造力和专业判断。在整个过程中，我们仍需要选择合适的指标、地图样式，并解释数据背后的含义。
• AI提高了高手的上限：虽然初级程序员可以借助AI完成一些基本任务，但这些代码离一个真正的工程化高手还差太远了。那些难爬的网站，完全不是三言两语就能破解的。但真正的专家也能够更好地利用AI，完成更复杂、更有创意的项目。Ta们在AI的加持下，更加放大了Ta们与普通工作者的差距。

这其中，对于所有职场人来说，最最关键在于如何提出正确的问题。与AI的有效沟通，要求我们对问题有清晰的理解，并能够将复杂任务分解成具体的步骤。

结语

AI正在改变我们的工作方式，但它并不是万能的。真正的价值在于人机协作，将AI的效率与人类的创造力和专业知识相结合。希望这个案例能激励你，在工作中探索如何更好地利用AI工具。记住，工具在变，但学习和创新的重要性永远不变。让我们躺平一会儿，再起身一起拥抱这个时代，用这些、那些很小很小的试验，让自己获得自我效能感，从而不断鼓励、提升自己，创造更多精彩！