瑞思教育（RISE Education）是以"全人教育"为核心理念、以"学科英语+未来素养"为双轮驱动的国际化素质教育品牌。自2007年创立以来，瑞思始终秉持"用英语，炼思维，筑能力"的教学哲学，将语言学习融入项目式学习（PBL）、跨学科探究与真实场景应用之中，致力于培养具备全球胜任力、批判性思维、沟通协作与创造力的新时代青少年。
瑞思的线下实体并非传统培训机构的教室堆砌，而是强调"可探索、可互动、可共创"的教育场域。旗舰学习中心通常配备多功能教室、STEAM工坊、阅读角、成果展示墙及家长共育区，支持学科英语课程、数理思维训练、演讲表达营、国际研学项目等多元产品交付；社区校区则更聚焦高频次、短路径的家庭教育需求，提供灵活排课与个性化学习支持。部分校区还定期举办亲子工作坊、教育沙龙、全球主题日等活动，成为连接家庭、学校与社会的教育枢纽。
本文旨在通过程序化方式，调用瑞思教育官网或公开渠道提供的门店信息接口，自动化采集全国学习中心的结构化数据。利用 Python 的 requests 库发起标准 HTTP GET 请求，可高效获取包含校区名称、所属省市区、详细地址、营业时间、联系电话、经纬度坐标、校区类型（如"旗舰中心""社区校区"）、开设课程体系（如"RISE English""Can Talk""STEMA"）及特色服务（如"试听体验""学习力测评""家庭教育指导"）等字段的 JSON 响应。通过对这些数据的整合与地理可视化，我们不仅能清晰描绘瑞思当前"以家庭生活半径为圆心、以教育质量密度为半径"的线下布局策略，还可为新校区科学选址、区域教研资源调配、精准招生营销、社群活动联动（如与图书馆、美术馆、科技馆协同）提供数据支撑------这正是"用数据理解教育触点网络"的一次实践，也深刻呼应了瑞思"赋能孩子面向未来的终身竞争力"这一使命，以及"让教育回归人本、让成长自然发生"的品牌初心。
瑞思教育线下门店查询地址：瑞思校区分布,少儿英语校区,幼儿英语校区,校区地址,联系电话,瑞思英语校区|瑞思英语
首先，我们找到门店数据的存储位置，然后看3个关键部分标头、 负载、 预览；
**标头：**通常包括URL的连接，也就是目标资源的位置；
**负载：**对于GET请求：负载通常包含了传递的参数，有些网页负载可能为空，或者没有负载，因为所有参数都通过URL传递，这里我们可以看到瑞思教育的直接就没有负载数据；
**预览：**指的是对响应内容的快速查看或摘要显示，可以帮助用户快速了解返回的数据结构或内容片段，我们可以看到数据在data里；
**方案一：**直接读取全部城市的数据，并且请求是get格式，直接遍历即可，但是大多数网页一般来说不会有直接的全部门店响应数据，都需要通过省或者市编码或者名称，进行查询，所以这个方法只适用于少数网址；
利用requests库发送HTTP请求链接，并获取所有瑞思教育门店数据，并根据标签进行保存，另存为csv；
完整代码#运行环境 Python 3.11
python
# -*- coding: utf-8 -*-
import requests
import pandas as pd
import os
url = "https://api.risecenter.com/api/campus/"
output_csv = "瑞思教育全国校区列表.csv"
try:
response = requests.get(url, timeout=15)
response.raise_for_status()
data = response.json()
if not isinstance(data, list):
raise ValueError("返回数据不是列表格式")
df = pd.DataFrame([{
"校区名称": c.get("title", ""),
"校区ID": c.get("campus_id", ""),
"状态": "在线" if c.get("show_status") == 1 else "已下线",
"详细地址": c.get("address_desc", ""),
"联系电话": c.get("phone") or "",
"经度": c.get("longitude"),
"纬度": c.get("latitude")
} for c in data])
df.to_csv(output_csv, index=False, encoding='utf-8-sig')
print(f"数据已保存至：{os.path.abspath(output_csv)}")
except Exception as e:
print(f"出错: {e}")获取数据标签如下，title（校区名称）、campus_id（校区ID）、show_status（状态）、telephone（门店电话）、address（门店地址）、lng & lat（地理坐标），其他一些非关键标签，这里省略；
**方案二：**还是按照，通过省、市的编码的方式获取门店数据；
**第一步：**利用requests库发送HTTP请求获取所有地级市级城市名称及编码表，并根据标签进行保存，另存为csv；
完整代码#运行环境 Python 3.11
python
# -*- coding: utf-8 -*-
import requests
import pandas as pd
url = "https://api.risecenter.com/api/campus/province_city_area/"
output_csv = "province_code.csv"
response = requests.get(url)
data = response.json()
records = []
# 1. 所有 province 都是省级
for p in data.get("province", []):
records.append({"province": p["title"], "code": p["id"]})
# 2. 从 direct_city 中只取真正的省级单位（id 以 "0000" 结尾）
for c in data.get("direct_city", []):
code = c["id"]
if str(code).endswith("0000"): # 真正的省级编码
records.append({"province": c["title"], "code": code})
# 去重 + 排序
df = pd.DataFrame(records).drop_duplicates(subset=["code"]).reset_index(drop=True)
df = df.sort_values(by="province").reset_index(drop=True)
df.to_csv(output_csv, index=False, encoding='utf-8-sig')数据会以csv表格的形式，保存在运行脚本的目录下，数据标签包括：province（省名称）、code（省编码）；
**第二步：**利用requests库发送HTTP请求遍历30个省编码，并获取所有门店数据，并根据标签进行保存，另存为csv；
完整代码#运行环境 Python 3.11
python
# -*- coding: utf-8 -*-
import pandas as pd
import requests
import time
import os
# 1. 读取 province_code.csv，强制 code 为字符串，并清理 .0
try:
prov_df = pd.read_csv("province_code.csv", dtype={"code": str}, encoding="utf-8-sig")
except FileNotFoundError:
print("找不到 province_code.csv")
exit()
# 清理：移除 .0（如 "310000.0" → "310000"）
prov_df["code"] = prov_df["code"].astype(str).str.replace(r"\.0$", "", regex=True).str.strip()
province_codes = prov_df["code"][prov_df["code"].str.isdigit()].unique() # 只保留纯数字
print(f"从 province_code.csv 读取到 {len(province_codes)} 个有效省级编码")
# 2. 遍历请求
all_campuses = []
for code in province_codes:
url = f"https://api.risecenter.com/api/campus/?province_id={code}"
try:
resp = requests.get(url, timeout=10)
if resp.status_code == 200:
data = resp.json()
if isinstance(data, list) and data:
for campus in data:
campus["province_code"] = code
all_campuses.extend(data)
print(f"{code} → 获取 {len(data)} 个校区")
else:
print(f"{code} → 无校区数据")
else:
print(f"{code} → HTTP {resp.status_code}")
except Exception as e:
print(f"{code} → 请求失败: {e}")
time.sleep(0.2)
# 3. 保存结果
if all_campuses:
df = pd.DataFrame(all_campuses)
df_out = df[[
"campus_id", "title", "province_code",
"address_desc", "longitude", "latitude", "phone", "show_status"
]].rename(columns={
"title": "校区名称",
"address_desc": "详细地址",
"longitude": "经度",
"latitude": "纬度",
"phone": "联系电话",
"show_status": "是否展示"
})
output_file = "瑞思教育_全国门店明细.csv"
df_out.to_csv(output_file, index=False, encoding='utf-8-sig')
print(f"\n共采集 {len(df_out)} 个校区，已保存至：{os.path.abspath(output_file)}")
else:
print("未采集到任何门店数据")第三步： 坐标系转换，由于瑞思教育门店数据使用的是高德坐标系（GCJ-02），为了在ArcGIS上准确展示而不发生偏移，我们需要将门店的坐标从GCJ-02转换为WGS-84坐标系。我们可以利用coord-convert库中的gcj2wgs(lng, lat)函数，也可以用免费这个网站：批量转换工具：地图坐标系批量转换 - 免费在线工具；
对CSV文件中的门店坐标列进行转换，完成坐标转换后，再将数据导入ArcGIS进行可视化；
接下来，我们进行看图说话：
瑞思教育的全国校区布局呈现出鲜明的"东密西疏、核心集聚"特征，高度集中于经济发达、人口密集、教育消费能力强的东部沿海地区 。其中，京津冀、长三角和珠三角三大城市群构成了其绝对的战略重心。在北京、上海、广州、深圳等一线城市，校区不仅数量多，而且分布深入核心商圈与高端社区；同时，苏州、杭州、南京、宁波、佛山、东莞等新一线及强二线城市也实现了系统性覆盖。尤其在长三角地区，瑞思的布局最为精细，几乎涵盖所有地级市，体现出对这一高净值家庭聚集区的长期深耕与高度依赖。
中西部地区则明显处于拓展初期阶段，呈现典型的"省会孤岛"模式 。武汉、郑州、长沙、合肥、成都、重庆等区域中心城市虽已设立校区，但数量有限，且极少向周边地级市延伸。例如，尽管四川省整体人口众多，但门店几乎全部集中在成都，其他城市如绵阳、泸州仅有零星试点或完全空白。类似情况也出现在陕西、河南、江西等地。这种策略反映出瑞思教育对市场成熟度的高度敏感------优先选择教育理念开放、支付意愿强、国际化程度高的城市，而暂时回避经济活力不足或素质教育接受度较低的区域。
东北与西北地区则基本处于战略观望状态，布局极为稀疏甚至空白 。沈阳、长春、哈尔滨虽有少量校区，但增长缓慢，难以形成规模效应；而新疆、青海、宁夏、西藏等西部边远省份则几乎未见布点。值得注意的是，部分非省会但经济活跃的城市（如苏州、佛山、东莞）反而比许多省会更早被纳入体系，进一步印证了瑞思"以经济和消费能力为导向，而非行政等级"的选址逻辑。总体而言，其空间扩张路径清晰体现了"先占高地、稳扎稳打、数据驱动"的商业理性，在保障运营效率的同时，也暴露出全国均衡化发展的短板。未来若政策环境或市场需求发生结构性变化，中西部重点城市的下沉潜力或将成新增长引擎。
首先，从总量上看，江苏以30家门店遥遥领先，成为瑞思教育在全国最具影响力的省份 ，其门店数量几乎是第二名广东（26家）的1.15倍，显示出极强的市场渗透力和品牌影响力。紧随其后的是广东（26家）和四川（25家），这两个省份分别代表了华南和西南地区的重点市场，表明瑞思教育在珠三角和成渝经济圈的战略布局非常成功。这三大省份合计拥有81家门店，占全国总门店数的近三分之一，构成了瑞思教育的核心市场版图。
在中等规模市场中，河北（19家）、安徽（17家）、山东（16家）、浙江（16家）和北京（14家） 均处于10家以上的较高水平，形成了一个稳定的"第二梯队"。这些省份大多位于华北、华东和京津冀地区，具有良好的教育消费基础和城市化水平，是瑞思教育持续深耕的重点区域。其中，北京作为首都，虽然门店数量未进入前三，但其单店价值和品牌辐射效应不可小觑，是高端市场的关键据点。
湖北（12家）、重庆（11家）、陕西（11家） 等省市也展现出较强的市场潜力，门店数量稳定在10家以上，反映出瑞思教育在华中、西南地区的拓展策略正在稳步推进。值得注意的是，山西、河南、上海、云南、天津、辽宁 等地均保持在8家门店的水平，形成了一条"8家俱乐部"，说明这些地区已具备一定规模的业务基础，未来可能成为新的增长点。
在门店数量较少的地区，湖南（5家）、海南、吉林、贵州、江西（均为4家）、福建、青海（2家）、甘肃（1家） 则显示出明显的市场空白或发展滞后状态。尤其是甘肃仅有1家门店，几乎可以视为"边缘市场"，而青海、福建等地虽有少量布局，但尚未形成规模化效应。这表明瑞思教育在西部、东北和部分沿海省份的渗透率仍有较大提升空间。
文章仅用于分享个人学习成果与个人存档之用，分享知识，如有侵权，请联系作者进行删除。所有信息均基于作者的个人理解和经验，不代表任何官方立场或权威解读。