Python之城市旅遊數據分析

• 2019 年 10 月 6 日
• 筆記

前言：

本着跟大家一同探討學習的態度，今後幾期文章會更新一些用python實現爬蟲&可視化的文章。Python對於本人來講也是一個在逐漸學習掌握的過程，這次的內容就從旅遊開始講起，進入正文前首先附（fang）上（du）最令我垂涎欲滴的海鮮盛宴。

數據爬取：

最近幾天朋友圈被大家的旅行足跡刷屏了，驚嘆於那些把全國所有省基本走遍的朋友。與此同時，也萌生了寫一篇旅行相關的內容，本次數據來源於一個對於爬蟲十分友好的旅行攻略類網站：螞蜂窩

PART1：獲得城市編號

螞蜂窩中的所有城市、景點以及其他的一些信息都有一個專屬的5位數字編號，我們第一步要做的就是獲取城市（直轄市+地級市）的編號，進行後續的進一步分析。

以上兩個頁面就是我們的城市編碼來源，需要首先從目的地頁面獲得各省編碼，之後進入各省城市列表獲得編碼。過程中需要Selenium進行動態數據爬取，部分代碼如下：

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：獲得城市信息

城市數據分別從以下幾個頁面獲取：

（a）小吃頁面

（b）景點頁面

（c）標籤頁面

我們將每個城市獲取數據的過程封裝成函數，每次傳入之前獲得的城市編碼，部分代碼如下：

複製編輯

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(' 條點評','')) for k in node]      return pd.DataFrame({'jd':jd[0:len(jd_count)],'jd_count':jd_count})

數據分析：

PART1:城市數據

首先我們看一下遊記數量最多的TOP10城市：

遊記數量TOP10數量基本上與我們日常所了解的熱門城市相符，我們進一步根據各個城市遊記數量獲得全國旅行目的地熱力圖：

看到這裡，是不是有種似曾相識的感覺，如果你在朋友圈曬的足跡圖與這幅圖很相符，那麼說明螞蜂窩的數據與你不謀而合。

最後我們看一下大家對於各個城市的印象是如何的，方法就是提取標籤中的屬性，我們將屬性分為了休閑、飲食、景點三組，分別看一下每一組屬性下大家印象最深的城市：

看來對於螞蜂窩的用戶來說，廈門給大家留下的印象是非常深的，不僅遊記數量充足，並且能從中提取的有效標籤也非常多。重慶、西安、成都也無懸念的給吃貨們留下了非常深的印象，部分代碼如下：

bar1 = Bar("餐飲類標籤排名")  bar1.add("餐飲類標籤分數", 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("景點類標籤排名",title_top="30%")  bar2.add("景點類標籤分數", 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("休閑類標籤排名",title_top="67.5%")  bar3.add("休閑類標籤分數", 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('城市分類標籤.html')

PART2:景點數據

我們提取了各個景點評論數，並與城市遊記數量進行對比，分別得到景點評論的絕對值和相對值，並據此計算景點的人氣、代表性兩個分數，最終排名TOP15的景點如下：

螞蜂窩網友對於廈門真的是情有獨鍾，鼓浪嶼也成為了最具人氣的景點，在城市代表性方面西塘古鎮和羊卓雍措位列前茅。小長假來臨之際，如果擔心上排的景點人太多，不妨從下排的景點中挖掘那些人少景美的旅遊地。

PART3:小吃數據

最後我們看一下大家最關注的的與吃相關的數據，處理方法與PART2景點數據相似，我們分別看一下最具人氣和最具城市代表性的小吃

出乎意料，螞蜂窩網友對廈門果真愛得深沉，讓沙茶麵得以超過火鍋、烤鴨、肉夾饃躋身最具人氣的小吃。在城市代表性方面，海鮮的出場頻率非常高，這點與大（ben）家（ren）的認知也不謀而合，PART2與3的部分代碼如下：

bar1 = Bar("景點人氣排名")  bar1.add("景點人氣分數", 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("景點代表性排名",title_top="55%")  bar2.add("景點代表性分數", 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('景點排名.html')