在之前的一篇文章100行代碼爬取全國所有必勝客餐廳信息，我講到如何爬取必勝客官網中全國各大城市餐廳的信息。雖然餐廳數據信息被抓取下來，但是數據一直在硬盤中“躺尸”。不曾記得，自己已經第 n 次這么做了。說到這里，要追溯到自己的大學時光。

自己從大學開始就接觸 Python，當時是自己的好奇心很強烈。好奇為什么 Python 不需要瀏覽器就能抓取網站數據。內心感嘆到，這簡直是太妙了。自己為了體驗這種抓取數據的樂趣，所以寫了很多的爬蟲程序。

隨著自己知識面地拓展，自己了解到數據分析這領域。自己從而才知道爬取到的數據，原來背后還隱藏的一些信息。自己也是在學習這方面的相關知識。這篇文章算是數據分析的處女稿，主要內容是從數據中提取出必勝客餐廳的一些信息。

01環境搭建

百度前端技術部開源一個基于 Javascript 的數據可視化圖表庫。其名字為 ECharts。它算是前端數據可視化的利器，能提供直觀，生動，可交互，可個性化定制的數據可視化圖表。

國內有個大神突發奇想，這么好用的庫如果能和 Python 結合起來就好了。于是乎，pyecharts 庫就應運而生。因此，pyecharts 的作用是用于生成 Echarts 圖表的類庫。本文中的所有圖標，自己都是利用 pyecharts 生成的。

安裝該庫也很簡單，使用 pip 方式安裝。

pip install pyecharts 

02數據清洗

數據清洗工作是數據分析必不可少的步驟。這一步是為了清洗一些臟數據。因為可能網站本身就有空數據，或者匹配抓取網站信息時，有些混亂的數據。這些都需要清除掉。

我之前是將數據寫到一個 json 文件中，我先將數據讀取出來。然后把 json 文本數據轉化為字典類型。

def get_datas(): 
    """ 從文件中獲取數據 """ 
    file_name = 'results.json' 
    with open(file_name, 'r', encoding='UTF-8') as file: 
        content = file.read() 
        data = json.loads(content, encoding='UTF-8') 
        # print(data) 
    return data 

接著對字典進行遍歷, 統計每個城市的餐廳總數。

def count_restaurants_sum(data): 
    """ 對字典進行遍歷, 統計每個城市的餐廳總數 """ 
    results = {} 
    for key, value in data.items(): 
        results[key] = len(value) 
        # print(key, len(value)) 
    return results 

再將字典中的每個 key-value 轉化為元組，然后根據 value 進行倒序排序。

restaurants_sum = sorted(restaurants_sum.items(), key=lambda item: item[1], reverse=True) 

最后根據顯示結果，手動刪除一些臟數據。

def clean_datas(data): 
    """ 
    清除臟數據。 
    經過分析發現 ('新區', 189), ('南區', 189), ('朝陽', 56) 是臟數據, 必勝客官網的地區選項中就有這三個名字 
    [('新區', 189), ('上海市', 189), ('南區', 189), ('北京市', 184), ('深圳', 95), 
     ('廣州', 86), ('杭州', 78), ('天津市', 69), ('朝陽', 56), ('蘇州', 54)] 
    """ 
    data.remove(('新區', 189)) 
    data.remove(('南區', 189)) 
    data.remove(('朝陽', 56)) 
    return data 

到此，數據工作已經完成。

03數據分析

我們已經拿到了經過清洗的數據，我們簡單對數據進行打印，然后繪制直方圖。

def render_top10(): 
    """ 
    繪制直方圖顯示 全國必勝客餐廳總數 Top 10 的城市 
    根據清洗過后數據的結果, Top 城市如下 
    ('上海市', 189), ('北京市', 184), ('深圳', 95), ('廣州', 86), ('杭州', 78), 
    ('天津市', 69), ('蘇州', 54), ('西安', 52), ('武漢', 51), ('成都', 48) 
    """ 
    attr = ["上海", "北京", "深圳", "廣州", "杭州", "天津", "蘇州", "西安", "武漢", "成都"] 
    values = [189, 184, 95, 86, 78, 69, 54, 52, 51, 48] 
    bar = Bar("全國各大城市必勝客餐廳數量排行榜") 
    bar.add("總數", attr, values, is_stack=True, is_more_utils=True) 
    bar.render("render_bar.html") 

繪制出來的結果如下：

不難看出，一線城市擁有必勝客的餐廳數比較多，省會城市擁有餐廳數要比非省會城市要多。

我們繼續繪制餅狀圖，看看北上廣深的餐廳數在全國的占比。

def render_top10_percent(): 
    """ 
    繪制餅狀圖 顯示北上廣深餐廳數在全國中的比例 
    """ 
    configure(global_theme='macarons') 
    attr = ["上海", "北京", "深圳", "廣州", "其他城市"] 
    value = [189, 184, 95, 86, 1893]  # 根據 count_other_sum() 計算出來的 
    pie = Pie("北上廣深餐廳數的占比") 
    pie.add("", attr, value, is_label_show=True, is_more_utils=True) 
    pie.render("render_pie.html") 

繪制出來的結果如下：

從數據上看，北上廣深的餐廳數占據全國餐廳數的 22.64%。其他二三線城市共占據 77.36%。說明必勝客餐廳不僅主打大城市路線，還往二三四線城市發展，擴展領域。

作者：極客猴，熱衷于 Python，目前擅長利用 Python 制作網絡爬蟲以及 Django 框架。