用Python分析元旦旅游熱門城市
元旦馬上就要到了，難得的3天小長假，玩肯定是要去玩的，但去哪兒玩是個(gè)問題。于是，筆者以旅游熱門城市廈門為例，用Python獲取了去哪兒網(wǎng)的相關(guān)景點(diǎn)數(shù)據(jù)，包括景點(diǎn)名稱、地區(qū)、評(píng)分、銷量、價(jià)格、坐標(biāo)等字段，對(duì)數(shù)據(jù)進(jìn)行可視化并作簡單分析，以求找到性價(jià)比較高的景點(diǎn)。
數(shù)據(jù)獲取
去哪兒網(wǎng)數(shù)據(jù)采集相對(duì)簡單，找到真實(shí)url后，構(gòu)造參數(shù)拼接，用request請(qǐng)求到j(luò)son數(shù)據(jù)，以追加模式將數(shù)據(jù)存儲(chǔ)為csv文件即可。
爬蟲核心代碼如下：
- # -*- coding = uft-8 -*-
- # @Time : 2020/12/25 9:47 下午
- # @Author : 公眾號(hào) 菜J學(xué)Python
- # @File : 去哪兒.py
- import requests
- import random
- from time import sleep
- import csv
- import pandas as pd
- from fake_useragent import UserAgent
- def get_data(keyword,page):
- ua = UserAgent(verify_ssl=False)
- headers = {"User-Agent": ua.random}
- url = f'http://piao.qunar.com/ticket/list.json?keyword={keyword}®ion=&from=mpl_search_suggest&page={page}'
- res = requests.request("GET", url,headersheaders=headers)
- sleep(random.uniform(1, 2))
- try:
- resres_json = res.json()
- #print(res_json)
- sight_List = res_json['data']['sightList']
- print(sight_List)
- except:
- pass
- if __name__ == '__main__':
- keyword = "廈門"
- for page in range(1,100): #控制頁數(shù)
- print(f"正在提取第{page}頁")
- sleep(random.uniform(1, 2))
- get_data(keyword,page)
數(shù)據(jù)處理
導(dǎo)入相關(guān)包
首先導(dǎo)入數(shù)據(jù)處理和數(shù)據(jù)可視化相關(guān)第三方庫，便于后續(xù)操作。
- import pandas as pd
- import numpy as np
- import matplotlib.pyplot as plt
- import seaborn as sns
- %matplotlib inline
- plt.rcParams['font.sans-serif'] = ['SimHei'] # 設(shè)置加載的字體名
- plt.rcParams['axes.unicode_minus'] = False # 解決保存圖像是負(fù)號(hào)'-'顯示為方塊的問題
- import jieba
- import re
- from pyecharts.charts import *
- from pyecharts import options as opts
- from pyecharts.globals import ThemeType
- import stylecloud
- from IPython.display import Image
導(dǎo)入景點(diǎn)數(shù)據(jù)
用pandas讀取爬取的csv格式景點(diǎn)數(shù)據(jù)并預(yù)覽。
- df = pd.read_csv("/菜J學(xué)Python/旅游/廈門旅游景點(diǎn).csv",names=['name', 'star', 'score','qunarPrice','saleCount','districts','point','intro'])
- df.head()
刪除重復(fù)數(shù)據(jù)
網(wǎng)站存在一定的重復(fù)數(shù)據(jù)，需要進(jìn)行剔除。
- dfdf = df.drop_duplicates()
查看數(shù)據(jù)信息
查看字段類型和缺失值情況，符合分析需要，無需另作處理。
- df.info()
- <class 'pandas.core.frame.DataFrame'>
- Int64Index: 422 entries, 0 to 423
- Data columns (total 8 columns):
- # Column Non-Null Count Dtype
- --- ------ -------------- -----
- 0 name 422 non-null object
- 1 star 422 non-null object
- 2 score 422 non-null float64
- 3 qunarPrice 422 non-null float64
- 4 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
描述性統(tǒng)計(jì)
從描述性統(tǒng)計(jì)表可知，剔除重復(fù)數(shù)據(jù)后，剩余424個(gè)景點(diǎn)，門票均價(jià)為40元。
- color_map = sns.light_palette('orange', as_cmap=True) # light_palette調(diào)色板
- df.describe().style.background_gradient(color_map)
可視化分析
景點(diǎn)介紹
通過對(duì)廈門景點(diǎn)介紹文本進(jìn)行詞云圖繪制，我們很容易看出廈門的特點(diǎn)。典型的海濱休閑城市，帆船、鼓浪嶼、游艇等詞被大量提及，建筑、博物館等詞也有一定提及，體現(xiàn)出廈門濃厚的人文氣息。
- #繪制詞云圖
- 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')
景點(diǎn)分布
利用kepler.gl繪制廈門市旅游景點(diǎn)分布地圖，同時(shí)以圓圈的大小表示門票月銷量的大小，我們可以很清晰的看到，廈門市景點(diǎn)集中分布在思明區(qū)和湖里區(qū)，其他區(qū)域分布較為分散。尤其是思明區(qū)，門票銷量遙遙領(lǐng)先其他區(qū)域。
- df["lon"] = df["point"].str.split(",",expand=True)[0]
- df["lat"] = df["point"].str.split(",",expand=True)[1]
- df.to_csv("/菜J學(xué)Python/data.csv")
評(píng)分TOP10景點(diǎn)
從景點(diǎn)評(píng)分來看，廈門大學(xué)評(píng)分最高，5分滿分。其次是鼓浪嶼和南普陀寺，分別為4.9分和4.6分。難怪有人說，沒去過廈大和鼓浪嶼，相當(dāng)于沒來過廈門。
- dfdf_score = df.pivot_table(index='name',values='score')
- df_score.sort_values('score',inplace=True,ascending=False)
- df_score[:10]
月銷量TOP10景點(diǎn)
從門票月銷量來看，鼓浪嶼排第一，月銷量1230，其次是廈門園林植物園和鼓浪嶼往返輪渡。廈門方特夢(mèng)幻王國也有600以上的月銷量。
- dfdf_saleCount = df.pivot_table(index='name',values='saleCount')
- df_saleCount.sort_values('saleCount',inplace=True,ascending=False)
- df_saleCount[:10]
價(jià)格TOP20景點(diǎn)
從景點(diǎn)價(jià)格來看，玩游艇、直升機(jī)、帆船類的活動(dòng)花銷較大，另外，廈門方特價(jià)格也不便宜，如果對(duì)價(jià)格不敏感可以考慮，如果是窮游可以提前避開。
- dfdf_qunarPrice = df.pivot_table(index='name',values='qunarPrice')
- df_qunarPrice.sort_values('qunarPrice',inplace=True,ascending=False)
- df_qunarPrice[:20]
月銷售額TOP20景點(diǎn)
由于廈門近一個(gè)月景點(diǎn)銷量的變化幅度小于價(jià)格的變化幅度，銷售額受價(jià)格影響更大。從以下圖中也可以看出，月銷售額較大的景點(diǎn)仍然是游艇、方特之類。
- df["saleTotal"] = df["qunarPrice"]*df["saleCount"]
- dfdf_saleTotal = df.pivot_table(index='name',values='saleTotal')
- df_saleTotal.sort_values('saleTotal',inplace=True,ascending=False)
- df_saleTotal[:20]
景點(diǎn)等級(jí)分布
從廈門景點(diǎn)等級(jí)分布來看，3A以上等級(jí)景點(diǎn)占比不到5%。
- dfdf_star = df["star"].value_counts()
- df_stardf_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="景點(diǎn)等級(jí)分布",subtitle="數(shù)據(jù)來源：去哪兒網(wǎng)\n制圖：菜J學(xué)Python",pos_top="0.5%",pos_left = 'left'))
- .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}:fhbnxtn%",font_size=16))
- )
- c.render_notebook()
- df[df["star"]!='無'].sort_values("star",ascending=False)
以下為篩選出的部分3A及以上景點(diǎn)：
小結(jié)
通過以上簡單的分析，我們大致可以獲得以下幾點(diǎn)啟發(fā)：
1.廈門是典型的海濱休閑城市，具有豐富的海洋和人文景觀；
2.廈門旅游景點(diǎn)主要集中分布在思明區(qū)，其他區(qū)域較為分散；
3.廈門大學(xué)口碑最高，其次才是鼓浪嶼；
4.鼓浪嶼門票銷量遙遙領(lǐng)先廈門其他景點(diǎn)；
5.消費(fèi)較高的景點(diǎn)或活動(dòng)包括游艇、帆船和方特。
溫馨提示：疫情還未完全散去，元旦游玩盡量避開風(fēng)險(xiǎn)區(qū)域。
