640?wx_fmt=gif
640?wx_fmt=jpeg

作者 | 裸睡的猪

责编 | 屠敏

 
2019年国庆马上就要到来,
今年来点新花样吧,
玩肯定是要去玩的,
不然怎么给祖国庆生?
那去哪里玩?人少档次还高呢?
咱不是程序员嘛,
那就用数据分析下,
看看哪些地方值得去!
 
640?wx_fmt=png
目标
 
使用Python分析出国庆哪些旅游景点: 好玩、便宜、人还少的地方,不然拍照都要抢着拍!
 
640?wx_fmt=png
获取数据
 
既然做数据分析肯定要先搞到数据,最开始笔者在一些官方网站查找旅游信息,毕竟官方的数据可信度高点, 但我一无所获,有点失望!
然后寻找其他替代方案:爬取出行网站的旅游景点售票数据,这样也可以反映出旅游景点的热度!
笔者首先想到“去哪儿”,这里必须要安利一波去哪儿,同样的酒店同样的房间,去哪儿价格基本都是最低,所以笔者也用的最多!
选好学习对象,那我就开始吧!
注:本教程仅用作学习交流,请勿用作商用用途!
1. 爬取单页数据
我们可以在哪去儿的门票页(http://piao.qunar.com/ticket/list.htm?keyword=)搜索:**国庆旅游景点**,就可以看到推荐的景点的一些信息,如:名称、地区、热度、销量、价格、等级、地理信息等等,信息应该说是比较全,良心!
640?wx_fmt=png
然后按下F12打开浏览器调试窗口,查找加载数据的url(翻页就可以看到):
640?wx_fmt=png
竟然直接返回了json数据,真是太方便了:
640?wx_fmt=png
最后使用requests库写一个get请求就可以了
640?wx_fmt=png
这样一页数据就抓取下来了,是不是很简单?
这里说下去哪儿门票页抓取数据还是很简单,不需要登录、不需要代理 、甚至不需要header也可以成功,后面批量抓取页没出现限制,相对于淘宝来说简单了许多!
2. 提取有效信息
既然数据拿到了,那就看看数据结构,然后提取自己想要的属性吧:
640?wx_fmt=png
这里猪哥提取了:id、名称、星级、评分、门票价格、销量、地区、坐标、简介这些信息,基本有效信息都保存起来!
640?wx_fmt=png
3. 保存到excel
需要的数据提取出来之后,我们就可以将他们保存起来。这里我们使用pandas库保存excel文件。
没有安装pandas库的同学安装一下:
  • pip install xlrd

  • pip install openpyxl

  • pip install numpy

  • pip install pandas

 
 
 
 
640?wx_fmt=png
这里单页数据的处理就完成了,爬取、解析、保存三步走~
4. 批量爬取
批量爬取也很简单,先找分页数据,多点几下页数比较不同参数就能看出来
640?wx_fmt=png
经过一会的分析,我们便可以看出参数 page 就是分页参数了,这样我们在外层写一个for循环,把页数传入就可以实现批量爬取
640?wx_fmt=png
那个36是我在网页上看到了,当然也可以实现自动判断是否爬取完成,只要判断每次返回的条数即可!
看看批量爬取的效果:
640?wx_fmt=png
 
640?wx_fmt=png
分析数据
 
数据都下载完毕后,就要思考如何去利用分析这些数据了,猪哥简单做了几个分析:
  1. 景点门票销量排行分析

  2. 景点门票销售额排行分析

  3. 各省各等级景点数分析

  4. 景点销量热力图分析

  5. 推荐景点分析

 
 
 
 
 
我们使用的可视化库仍然是: pyecharts库 ,更多维度分析等待你去思考~
1.景点门票销量排行分析
我们先来分析下景点门票销量排行:
640?wx_fmt=png
我们创建了一个透视表,然后根据销量排序!最后生成柱状图,一起来看看效果:
640?wx_fmt=png
我们可以看到迪士尼门票销量排第一
2.景点销售额排行分析
销售额=单价*销量,我们可以将每行的price和sale相乘算出销售额:
640?wx_fmt=png
我们将得到的销售额数据放回df中,然后再排序:
640?wx_fmt=png
迪士尼真是吸金厉害!!!
3.各省各等级景点数分析
由于时间原因,该项分析暂未完成,本想分析下每个省每个等级的景点有多少个,但是由于时间原因暂未完成,感兴趣的同学可以下载源码自己试试 ,就当课后作业叭~
4.景点销量热力图分析
之前我们也做过很多热力图,都是用的pyecharts库,今天我们来点不一样 的,我们使用百度地图开放api(免费)做一个热力图,你首先要做的就是申请一个百度地图开放平台的应用,操作很简单,如何申请可以 直接百度或者看看这篇文章:https://jingyan.baidu.com/article/363872eccda8286e4aa16f4e.html
需要注意的是:在申请应用的时候类型一定要选浏览器:
640?wx_fmt=png
然后你就可以下载一个百度热力图的demo的html,在html中把ak码换成自己的。
640?wx_fmt=png
换完ak码就要换json数据了,我们先生成和默认数据一样格式的json数据,然后再替换掉
640?wx_fmt=png
最后来看看效果叭,动态地图支持放大缩小,可仔细查看各省、市、区景点热力图
640?wx_fmt=png
5.推荐景点分析
应该推荐怎样的景点呢?笔者认为是:高评分、销量少、价格便宜。
推荐系数和评分成正比,和销量、价格成反比,所以笔者设计了一个最简单的算法:
瞎推荐系数=评分/(销量价格) * 1000
640?wx_fmt=png
来看看这个简易的推荐算法得出的结果
640?wx_fmt=png
可以看到在这个瞎推荐TOP20中国外景点很多(尤其是日本),确实国内到国庆了哪里其实人都是挺多的!
如果你觉得我设计的推荐算法太low了,可以自己思考下如何设计更合理,然后自己动手调试,期待看到不一样的结果!
源码地址:https://github.com/pig6/qunar_spider,欢迎 Star。
声明:本文为「裸睡的猪」公众号(ID:IT--Pig)投稿,版权归作者所有。

【END】

大众学python的时代,作为程序员你怎么看?

https://edu.csdn.net/topic/python115?utm_source=csdn_bw

CSDN 博客诚邀入驻啦!

本着共享、协作、开源、技术之路我们共同进步的准则,

只要你技术够干货,内容够扎实,分享够积极,

欢迎加入 CSDN 大家庭!

扫描下方二维码,即刻加入吧!

640?wx_fmt=jpeg

 热 文 推 荐 

 
 
 

 

 

 

 

 
640?wx_fmt=gif 点击阅读原文,即刻阅读《程序员大本营》最新期刊。
640?wx_fmt=png
你点的每个“在看”,我都认真当成了喜欢
Logo

20年前,《新程序员》创刊时,我们的心愿是全面关注程序员成长,中国将拥有新一代世界级的程序员。20年后的今天,我们有了新的使命:助力中国IT技术人成长,成就一亿技术人!

更多推荐