Python之城市旅游数据分析

前言:

本着跟大家一同探讨学习的态度,今后几期文章会更新一些用python实现爬虫&可视化的文章。Python对于本人来讲也是一个在逐渐学习掌握的过程,这次的内容就从旅游开始讲起,进入正文前首先附(fang)上(du)最令我垂涎欲滴的海鲜盛宴。

数据爬取:

最近几天朋友圈被大家的旅行足迹刷屏了,惊叹于那些把全国所有省基本走遍的朋友。与此同时,也萌生了写一篇旅行相关的内容,本次数据来源于一个对于爬虫十分友好的旅行攻略类网站:蚂蜂窝

PART1:获得城市编号

蚂蜂窝中的所有城市、景点以及其他的一些信息都有一个专属的5位数字编号,我们第一步要做的就是获取城市(直辖市+地级市)的编号,进行后续的进一步分析。

以上两个页面就是我们的城市编码来源,需要首先从目的地页面获得各省编码,之后进入各省城市列表获得编码。过程中需要Selenium进行动态数据爬取,部分代码如下:

def find_cat_url(url):  
    headers = {'User-Agent':'Mozilla/5.0 (Windows NT 6.1; WOW64; rv:23.0) Gecko/20100101 Firefox/23.0'}      
    req=request.Request(url,headers=headers)  
    html=urlopen(req)  
    bsObj=BeautifulSoup(html.read(),"html.parser")
    bs = bsObj.find('div',attrs={'class':'hot-list clearfix'}).find_all('dt')
    cat_url = []
    cat_name = []
    for i in range(0,len(bs)):
        for j in range(0,len(bs[i].find_all('a'))):
            cat_url.append(bs[i].find_all('a')[j].attrs['href'])
            cat_name.append(bs[i].find_all('a')[j].text)
    cat_url = ['http://www.mafengwo.cn'+cat_url[i] for i in range(0,len(cat_url))]   
    return cat_url


def find_city_url(url_list):
    city_name_list = []
    city_url_list = []
    for i in range(0,len(url_list)):             
        driver = webdriver.Chrome()
        driver.maximize_window()
        url = url_list[i].replace('travel-scenic-spot/mafengwo','mdd/citylist')
        driver.get(url)
        while True:
            try:
                time.sleep(2)
                bs = BeautifulSoup(driver.page_source,'html.parser')
                url_set = bs.find_all('a',attrs={'data-type':'目的地'})
                city_name_list = city_name_list +[url_set[i].text.replace('\n','').split()[0] for i in range(0,len(url_set))]
                city_url_list = city_url_list+[url_set[i].attrs['data-id'] for i in range(0,len(url_set))]                
                js="var q=document.documentElement.scrollTop=800"  
                driver.execute_script(js)
                time.sleep(2)
                driver.find_element_by_class_name('pg-next').click()
            except:
                break
        driver.close()
    return city_name_list,city_url_list





url = 'http://www.mafengwo.cn/mdd/'
url_list = find_cat_url(url)
city_name_list,city_url_list=find_city_url(url_list)
city = pd.DataFrame({'city':city_name_list,'id':city_url_list})

PART2:获得城市信息

城市数据分别从以下几个页面获取:

(a)小吃页面

(b)景点页面

(c)标签页面

我们将每个城市获取数据的过程封装成函数,每次传入之前获得的城市编码,部分代码如下:

复制编辑

def get_city_info(city_name,city_code):
    this_city_base = get_city_base(city_name,city_code)
    this_city_jd = get_city_jd(city_name,city_code)
    this_city_jd['city_name'] = city_name
    this_city_jd['total_city_yj'] = this_city_base['total_city_yj']
    try:
        this_city_food = get_city_food(city_name,city_code)
        this_city_food['city_name'] = city_name
        this_city_food['total_city_yj'] = this_city_base['total_city_yj']
    except:
        this_city_food=pd.DataFrame()
    return this_city_base,this_city_food,this_city_jd




def get_city_base(city_name,city_code):
    url = 'http://www.mafengwo.cn/xc/'+str(city_code)+'/'
    bsObj = get_static_url_content(url)
    node =  bsObj.find('div',{'class':'m-tags'}).find('div',{'class':'bd'}).find_all('a') 
    tag = [node[i].text.split()[0] for i in range(0,len(node))]
    tag_node = bsObj.find('div',{'class':'m-tags'}).find('div',{'class':'bd'}).find_all('em') 
    tag_count = [int(k.text) for k in tag_node]
    par = [k.attrs['href'][1:3] for k in node]
    tag_all_count = sum([int(tag_count[i]) for i in range(0,len(tag_count))])
    tag_jd_count = sum([int(tag_count[i]) for i in range(0,len(tag_count)) if par[i]=='jd'])
    tag_cy_count = sum([int(tag_count[i]) for i in range(0,len(tag_count)) if par[i]=='cy'])
    tag_gw_yl_count = sum([int(tag_count[i]) for i in range(0,len(tag_count)) if par[i] in ['gw','yl']])
    url = 'http://www.mafengwo.cn/yj/'+str(city_code)+'/2-0-1.html '
    bsObj = get_static_url_content(url)  
    total_city_yj = int(bsObj.find('span',{'class':'count'}).find_all('span')[1].text)
    return {'city_name':city_name,'tag_all_count':tag_all_count,'tag_jd_count':tag_jd_count,
            'tag_cy_count':tag_cy_count,'tag_gw_yl_count':tag_gw_yl_count,
            'total_city_yj':total_city_yj}


def get_city_food(city_name,city_code):
    url = 'http://www.mafengwo.cn/cy/'+str(city_code)+'/gonglve.html'
    bsObj = get_static_url_content(url)
    food=[k.text for k in bsObj.find('ol',{'class':'list-rank'}).find_all('h3')]
    food_count=[int(k.text) for k in bsObj.find('ol',{'class':'list-rank'}).find_all('span',{'class':'trend'})]
    return pd.DataFrame({'food':food[0:len(food_count)],'food_count':food_count})


def get_city_jd(city_name,city_code):
    url = 'http://www.mafengwo.cn/jd/'+str(city_code)+'/gonglve.html'
    bsObj = get_static_url_content(url)
    node=bsObj.find('div',{'class':'row-top5'}).find_all('h3')
    jd = [k.text.split('\n')[2] for k in node]
    node=bsObj.find_all('span',{'class':'rev-total'})
    jd_count=[int(k.text.replace(' 条点评','')) for k in node]
    return pd.DataFrame({'jd':jd[0:len(jd_count)],'jd_count':jd_count})

数据分析:

PART1:城市数据

首先我们看一下游记数量最多的TOP10城市:

游记数量TOP10数量基本上与我们日常所了解的热门城市相符,我们进一步根据各个城市游记数量获得全国旅行目的地热力图:

看到这里,是不是有种似曾相识的感觉,如果你在朋友圈晒的足迹图与这幅图很相符,那么说明蚂蜂窝的数据与你不谋而合。

最后我们看一下大家对于各个城市的印象是如何的,方法就是提取标签中的属性,我们将属性分为了休闲、饮食、景点三组,分别看一下每一组属性下大家印象最深的城市:

看来对于蚂蜂窝的用户来说,厦门给大家留下的印象是非常深的,不仅游记数量充足,并且能从中提取的有效标签也非常多。重庆、西安、成都也无悬念的给吃货们留下了非常深的印象,部分代码如下:

bar1 = Bar("餐饮类标签排名")
bar1.add("餐饮类标签分数", city_aggregate.sort_values('cy_point',0,False)['city_name'][0:15],
         city_aggregate.sort_values('cy_point',0,False)['cy_point'][0:15],
         is_splitline_show =False,xaxis_rotate=30)

bar2 = Bar("景点类标签排名",title_top="30%")
bar2.add("景点类标签分数", city_aggregate.sort_values('jd_point',0,False)['city_name'][0:15],
         city_aggregate.sort_values('jd_point',0,False)['jd_point'][0:15],
         legend_top="30%",is_splitline_show =False,xaxis_rotate=30)

bar3 = Bar("休闲类标签排名",title_top="67.5%")
bar3.add("休闲类标签分数", city_aggregate.sort_values('xx_point',0,False)['city_name'][0:15],
         city_aggregate.sort_values('xx_point',0,False)['xx_point'][0:15],
         legend_top="67.5%",is_splitline_show =False,xaxis_rotate=30)

grid = Grid(height=800)
grid.add(bar1, grid_bottom="75%")
grid.add(bar2, grid_bottom="37.5%",grid_top="37.5%")
grid.add(bar3, grid_top="75%")
grid.render('城市分类标签.html')

PART2:景点数据

我们提取了各个景点评论数,并与城市游记数量进行对比,分别得到景点评论的绝对值和相对值,并据此计算景点的人气、代表性两个分数,最终排名TOP15的景点如下:

蚂蜂窝网友对于厦门真的是情有独钟,鼓浪屿也成为了最具人气的景点,在城市代表性方面西塘古镇和羊卓雍措位列前茅。小长假来临之际,如果担心上排的景点人太多,不妨从下排的景点中挖掘那些人少景美的旅游地。

PART3:小吃数据

最后我们看一下大家最关注的的与吃相关的数据,处理方法与PART2景点数据相似,我们分别看一下最具人气和最具城市代表性的小吃

出乎意料,蚂蜂窝网友对厦门果真爱得深沉,让沙茶面得以超过火锅、烤鸭、肉夹馍跻身最具人气的小吃。在城市代表性方面,海鲜的出场频率非常高,这点与大(ben)家(ren)的认知也不谋而合,PART2与3的部分代码如下:

bar1 = Bar("景点人气排名")
bar1.add("景点人气分数", city_jd_com.sort_values('rq_point',0,False)['jd'][0:15],
         city_jd_com.sort_values('rq_point',0,False)['rq_point'][0:15],
         is_splitline_show =False,xaxis_rotate=30)

bar2 = Bar("景点代表性排名",title_top="55%")
bar2.add("景点代表性分数", city_jd_com.sort_values('db_point',0,False)['jd'][0:15],
         city_jd_com.sort_values('db_point',0,False)['db_point'][0:15],
         is_splitline_show =False,xaxis_rotate=30,legend_top="55%")

grid=Grid(height=800)
grid.add(bar1, grid_bottom="60%")
grid.add(bar2, grid_top="60%",grid_bottom="10%")
grid.render('景点排名.html')

本文分享自微信公众号 - Python乱炖(Cooking_python)

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2019-01-11

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏Crossin的编程教室

B站用户行为分析非官方报告

上次,我们做了一个B站/知乎大V排名监控工具(用python爬虫追踪知乎/B站大V排行)。

85310
来自专栏小詹同学

Python 分析天气,告诉你中秋应该去哪里

中秋佳节将近,不知道各位小伙伴儿有没有想好去哪里玩呢。不过说实在的,每到节假日,到处都是人山人海,那句“我动也不能动”,还不时的出现在我的耳畔呢。

7020
来自专栏村雨

Python爬虫前奏

版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。

10720
来自专栏机器学习算法与Python学习

【爬虫】爬取简书某ID所有文章并保存为pdf

现如今,我们处于一个信息碎片化的信息时代,遇到好的文章都有随手收藏的习惯。但过一段时间,当你想要重新查看这篇文章的时候,发现文章已经被移除或莫名其妙地消失了。

13430
来自专栏Python数据科学

又一家数据公司被查,爬虫到底做错了什么?

以上是昨天技术圈传播的一则新闻,又一家数据公司被调查,很多数据从业者、爬虫开发者发出了“感叹” —— 「爬虫用得好,XX进得早;数据玩得溜,XX吃个够」。

51360
来自专栏Python绿色通道

爬虫工具篇 - 必会用的 6 款 Chrome 插件

鉴于 Chrome 浏览器的强大,Chrome 网上应用商店很多强大的插件可以帮助我们快速高效地进行数据爬虫。

12810
来自专栏陶士涵的菜地

[TCP/IP] 数据链路层-ethereal 抓包分析数据帧

1.下载 http://dx1.pc0359.cn/soft/e/ethereal.rar

8630
来自专栏JAVAandPython君

爬虫工程师是干什么的?你真的知道了吗?

程序员有时候很难和外行人讲明白自己的工作是什么,甚至有些时候,跟同行的人讲清楚“你是干什么的”也很困难。比如我自己,就对Daivd在搞的语义网一头雾水。所以我打...

14830
来自专栏数据分析1480

Python 分析天气,告诉你中秋应该去哪里

中秋佳节将近,不知道各位小伙伴儿有没有想好去哪里玩呢。不过说实在的,每到节假日,到处都是人山人海,那句“我动也不能动”,还不时的出现在我的耳畔呢。

9320
来自专栏容器云生态

Prometheus入门实践 顶

Prometheus下载地址 Prometheus相关文档 Prometheus官方文档

22130

扫码关注云+社区

领取腾讯云代金券

年度创作总结 领取年终奖励