uszipcode 0.2.2

数据点

从0.2.0版开始，uszipcode使用更新的数据库，每周运行一个爬网程序从多个数据源收集不同的数据点。以及0.2.x中的api与0.1.x不兼容，有关详细信息，请阅读Document。

地址，邮政

• Zipcode
• Zipcode_类型
• 大城市
• 市邮政局
• 公共城市列表
• 县
• 状态
• 区域代码列表

地理位置

• 纬度
• 液化天然气
• 时区
• 半径单位为英里
• 土地面积单位：平方米
• 水面积单位：平方米
• 西界
• 东界
• 北界
• 南界
• 边框多边形

stats和人口统计信息

• 人口
• 人口密度
• 按年份划分的人口
• 按年龄划分的人口
• 按性别划分的人口
• 按种族划分的人口
• 按年龄划分的户主
• 家庭vs单身
• 有孩子的家庭
• 按年龄划分的儿童

房地产和住房

• 住房单元
• 居住单元
• 居家中值
• 家庭收入中值
• 房型
• 房屋建造年份
• 住房入住率
• 凡坎西原因
• 业主占用房屋价值
• 按房间数量出租房地产
• 每月租金，包括公共设施工作室公寓
• 每月租金，包括水电费
• 每月租金，包括水电费
• 每月租金，包括水电费

就业、收入、收入和工作

• 就业状况
• 家庭平均收入
• 家庭收入
• 个人年收益
• 家庭收入来源家庭收入百分比
• 家庭收入来源家庭平均收入来源
• 家庭投资收入占接受投资家庭收入的百分比
• 家庭投资收入收入来源家庭平均收入
• 家庭退休收入占领取退休收入家庭的百分比
• 家庭退休收入家庭平均收入来源
• 收入来源
• 是指为16岁以上的工人提供从交通到工作的交通工具
• 旅行时间到工作时间（单位：分钟）

教育

• 25岁及以上人口的教育程度
• 入学年龄从3岁到17岁

示例用法

注释：

^{tt1}$ has two backend database, ^{tt5}$ and ^{tt6}$. ^{tt6}$ has more info, but the database file is 450MB (takes more time to download). ^{tt5}$ doesn’t has all data points listed above, but the database file is smaller (9MB). By default ^{tt1}$ use ^{tt5}$. You can use this code to choose to use the rich info ^{tt6}$:

>>> from uszipcode import SearchEngine
>>> search = SearchEngine(simple_zipcode=False)

示例：

>>>fromuszipcodeimportSearchEngine>>>search=SearchEngine(simple_zipcode=True)# set simple_zipcode=False to use rich info database>>>zipcode=search.by_zipcode("10001")>>>zipcodeSimpleZipcode(zipcode=u'10001',zipcode_type=u'Standard',major_city=u'New York',post_office_city=u'New York, NY',common_city_list=[u'New York'],county=u'New York County',state=u'NY',lat=40.75,lng=-73.99,timezone=u'Eastern',radius_in_miles=0.9090909090909091,area_code_list=[u'718',u'917',u'347',u'646'],population=21102,population_density=33959.0,land_area_in_sqmi=0.62,water_area_in_sqmi=0.0,housing_units=12476,occupied_housing_units=11031,median_home_value=650200,median_household_income=81671,bounds_west=-74.008621,bounds_east=-73.984076,bounds_north=40.759731,bounds_south=40.743451)>>>zipcode.values()# to list[u'10001',u'Standard',u'New York',u'New York, NY',[u'New York'],u'New York County',u'NY',40.75,-73.99,u'Eastern',0.9090909090909091,[u'718',u'917',u'347',u'646'],21102,33959.0,0.62,0.0,12476,11031,650200,81671,-74.008621,-73.984076,40.759731,40.743451]>>>zipcode.to_dict()# to dict{'housing_units':12476,'post_office_city':u'New York, NY','bounds_east':-73.984076,'county':u'New York County','population_density':33959.0,'radius_in_miles':0.9090909090909091,'timezone':u'Eastern','lng':-73.99,'common_city_list':[u'New York'],'zipcode_type':u'Standard','zipcode':u'10001','state':u'NY','major_city':u'New York','population':21102,'bounds_west':-74.008621,'land_area_in_sqmi':0.62,'lat':40.75,'median_household_income':81671,'occupied_housing_units':11031,'bounds_north':40.759731,'bounds_south':40.743451,'area_code_list':[u'718',u'917',u'347',u'646'],'median_home_value':650200,'water_area_in_sqmi':0.0}>>>zipcode.to_json()# to json{"zipcode":"10001","zipcode_type":"Standard","major_city":"New York","post_office_city":"New York, NY","common_city_list":["New York"],"county":"New York County","state":"NY","lat":40.75,"lng":-73.99,"timezone":"Eastern","radius_in_miles":0.9090909090909091,"area_code_list":["718","917","347","646"],"population":21102,"population_density":33959.0,"land_area_in_sqmi":0.62,"water_area_in_sqmi":0.0,"housing_units":12476,"occupied_housing_units":11031,"median_home_value":650200,"median_household_income":81671,"bounds_west":-74.008621,"bounds_east":-73.984076,"bounds_north":40.759731,"bounds_south":40.743451}

我们提供了丰富的搜索方法来按照您想要的方式获取zipcode。

>>>fromuszipcodeimportZipcode# Search zipcode within 30 miles, ordered from closest to farthest>>>result=search.by_coordinates(39.122229,-77.133578,radius=30,returns=5)>>>len(res)# by default 5 results returned5>>>forzipcodeinresult:...# do whatever you want...# Find top 10 population zipcode>>>result=search.by_population(lower=0,upper=999999999,...sort_by=Zipcode.population,ascending=False,returns=10)# Find top 10 largest land area zipcode>>>res=search.by_landarea(lower=0,upper=999999999,...sort_by=Zipcode.land_area_in_sqmi,ascending=False,returns=10)

模糊城市名和州名搜索不需要开发人员知道城市或州的确切拼写。它是大小写的，不区分空间，对排版有很高的容忍度。如果你需要用它来构建一个web应用程序，这是非常有用的。

# Looking for Chicago and IL, but entered wrong spelling.>>>res=search.by_city_and_state("cicago","il")>>>len(res)# 56 zipcodes in Chicago56>>>zipcode=res[0]>>>zipcode.major_city'Chicago'>>>zipcode.state_abbr'IL'

您可以轻松地按任何字段对结果进行排序，如果按位置查询，则可以按距坐标的距离进行排序。

# Find top 10 population zipcode>>>res=search.by_population(lower=0,upper=999999999,...sort_by=Zipcode.population,ascending=False,returns=10)>>>forzipcodeinres:...# do whatever you want...