本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,如有问题请及时联系我们以作处理。
以下文章来源于菜J学Python ，作者J哥
在找Python的实战项目学习？
爬虫、数据分析、网站开发案例讲解在线观看
/523606542
前言
元旦马上就要到了，难得的3天小长假，玩肯定是要去玩的，但去哪儿玩是个问题。于是，以旅游热门城市厦门为例，用Python获取了去哪儿网的相关景点数据，包括景点名称、地区、评分、销量、价格、坐标等字段，对数据进行可视化并作简单分析，以求找到性价比较高的景点。
数据获取
去哪儿网数据采集相对简单，找到真实url后，构造参数拼接，用request请求到json数据，以追加模式将数据存储为csv文件即可。
爬虫核心代码如下：
# -*- coding = uft-8 -*-import requestsimport randomfrom time import sleepimport csvimport pandas as pdfrom fake_useragent import UserAgentdef get_data(keyword,page):ua = UserAgent(verify_ssl=False)headers = {"User-Agent": ua.random}url = f'/ticket/list.json?keyword={keyword}®ion=&from=mpl_search_suggest&page={page}'res = requests.request("GET", url,headers=headers)sleep(random.uniform(1, 2))try:res_json = res.json()#print(res_json)sight_List = res_json['data']['sightList']print(sight_List)except:passif __name__ == '__main__':keyword = "厦门"for page in range(1,100): #控制页数print(f"正在提取第{page}页")sleep(random.uniform(1, 2))get_data(keyword,page)
数据处理
导入相关包
首先导入数据处理和数据可视化相关第三方库，便于后续操作。
import pandas as pd import numpy as npimport matplotlib.pyplot as pltimport seaborn as sns%matplotlib inlineplt.rcParams['font.sans-serif'] = ['SimHei'] # 设置加载的字体名plt.rcParams['axes.unicode_minus'] = False# 解决保存图像是负号'-'显示为方块的问题 import jiebaimport refrom pyecharts.charts import *from pyecharts import options as opts from pyecharts.globals import ThemeType import stylecloudfrom IPython.display import Image
导入景点数据
用pandas读取爬取的csv格式景点数据并预览。
df = pd.read_csv("/旅游/厦门旅游景点.csv",names=['name', 'star', 'score','qunarPrice','saleCount','districts','point','intro'])df.head()
删除重复数据
网站存在一定的重复数据，需要进行剔除。
df = df.drop_duplicates()
查看数据信息
查看字段类型和缺失值情况，符合分析需要，无需另作处理。
df.info()
<class 'pandas.core.frame.DataFrame'>Int64Index:422 entries, 0 to 423Data columns (total 8 columns):# ColumnNon-Null Count Dtype --- -------------------- ----- 0 name 422 non-null object 1 star 422 non-null object 2 score 422 non-null float643 qunarPrice 422 non-null float644 saleCount 422 non-null int64 5 districts 422 non-null object 6 point 422 non-null object 7 intro 377 non-null object dtypes: float64(2), int64(1), object(5)memory usage: 29.7+ KB
描述性统计
从描述性统计表可知，剔除重复数据后，剩余424个景点，门票均价为40元。
color_map = sns.light_palette('orange', as_cmap=True) # light_palette调色板df.describe().style.background_gradient(color_map)
可视化分析
景点介绍
通过对厦门景点介绍文本进行词云图绘制，我们很容易看出厦门的特点。典型的海滨休闲城市，帆船、鼓浪屿、游艇等词被大量提及，建筑、博物馆等词也有一定提及，体现出厦门浓厚的人文气息。
#绘制词云图text1 = get_cut_words(content_series=df['intro'])stylecloud.gen_stylecloud(text=' '.join(text1), max_words=100,collocations=False,font_path='simhei.ttf',icon_name='fas fa-heart',size=653,#palette='matplotlib.Inferno_9',output_name='./offer.png')Image(filename='./xiamen.png')
景点分布
利用kepler.gl绘制厦门市旅游景点分布地图，同时以圆圈的大小表示门票月销量的大小，我们可以很清晰的看到，厦门市景点集中分布在思明区和湖里区，其他区域分布较为分散。尤其是思明区，门票销量遥遥领先其他区域。
df["lon"] = df["point"].str.split(",",expand=True)[0] df["lat"] = df["point"].str.split(",",expand=True)[1] df.to_csv("/data.csv")
评分TOP10景点
从景点评分来看，厦门大学评分最高，5分满分。其次是鼓浪屿和南普陀寺，分别为4.9分和4.6分。难怪有人说，没去过厦大和鼓浪屿，相当于没来过厦门。
df_score = df.pivot_table(index='name',values='score')df_score.sort_values('score',inplace=True,ascending=False)df_score[:10]
月销量TOP10景点
从门票月销量来看，鼓浪屿排第一，月销量1230，其次是厦门园林植物园和鼓浪屿往返轮渡。厦门方特梦幻王国也有600以上的月销量。
df_saleCount = df.pivot_table(index='name',values='saleCount')df_saleCount.sort_values('saleCount',inplace=True,ascending=False)df_saleCount[:10]
价格TOP20景点
从景点价格来看，玩游艇、直升机、帆船类的活动花销较大，另外，厦门方特价格也不便宜，如果对价格不敏感可以考虑，如果是穷游可以提前避开。
df_qunarPrice = df.pivot_table(index='name',values='qunarPrice')df_qunarPrice.sort_values('qunarPrice',inplace=True,ascending=False)df_qunarPrice[:20]
月销售额TOP20景点
由于厦门近一个月景点销量的变化幅度小于价格的变化幅度，销售额受价格影响更大。从以下图中也可以看出，月销售额较大的景点仍然是游艇、方特之类。
df["saleTotal"] = df["qunarPrice"]*df["saleCount"]df_saleTotal = df.pivot_table(index='name',values='saleTotal')df_saleTotal.sort_values('saleTotal',inplace=True,ascending=False)df_saleTotal[:20]
景点等级分布
从厦门景点等级分布来看，3A以上等级景点占比不到5%。
df_star = df["star"].value_counts()df_star = df_star.sort_values(ascending=False)#print(df_star)c = (Pie(init_opts=opts.InitOpts(theme=ThemeType.WALDEN)).add("",[list(z) for z in zip(df_star.index.to_list(),df_star.to_list())]).set_global_opts(legend_opts = opts.LegendOpts(is_show = False),title_opts=opts.TitleOpts(title="景点等级分布",subtitle="数据来源：去哪儿网\n制图：菜J学Python",pos_top="0.5%",pos_left = 'left')).set_series_opts(label_opts=opts.LabelOpts(formatter="{b}:{d}%",font_size=16)))c.render_notebook()
df[df["star"]!='无'].sort_values("star",ascending=False)
以下为筛选出的部分3A及以上景点：
小结
通过以上简单的分析，我们大致可以获得以下几点启发：
1.厦门是典型的海滨休闲城市，具有丰富的海洋和人文景观；
2.厦门旅游景点主要集中分布在思明区，其他区域较为分散；
3.厦门大学口碑最高，其次才是鼓浪屿；
4.鼓浪屿门票销量遥遥领先厦门其他景点；
5.消费较高的景点或活动包括游艇、帆船和方特。
温馨提示：疫情还未完全散去，元旦游玩尽量避开风险区域。
