五一去长沙吃喝玩乐
前几天发表过一篇文章厦门不止鼓浪屿，得到了一些朋友的肯定，让我再写下其他城市。这两天又获取到了两份关于长沙的数据：长沙景点和长沙美食，之后进行了分析，如果有朋友想去长沙或者周边城市玩，要仔细看看喔。
导入库
1import pandas as pd 2import re 3import csv 4import json 5import requests 6import random 7 8# 显示所有列 9# pd.set_option('display.max_columns', None) 10 11# 显示所有行 12# pd.set_option('display.max_rows', None) 13 14# 设置value的显示长度为100，默认为50 15# pd.set_option('max_colwidth',100) 16 17# 绘图相关 18import jieba 19import matplotlib.pyplot as plt 20from pyecharts.globals import CurrentConfig, OnlineHostType 21from pyecharts import options as opts # 配置项 22from pyecharts.charts import Bar, Pie, Line, HeatMap, Funnel, WordCloud, Grid, Page # 各个图形的类 23from pyecharts.commons.utils import JsCode 24from pyecharts.globals import ThemeType,SymbolType 25 26import plotly.express as px 27import plotly.graph_objects as go 28
长沙景点
数据获取
长沙景点的数据获取方法和之前那篇关于厦门的文章是一样的，只是重新跑了一遍代码，具体过程不再阐述，感兴趣的朋友可以看之前的文章，爬取的字段：
-
中文名
-
英文名
-
攻略数
-
评价数
-
位置
-
排名
-
驴友占比
-
简介
具体的源代码如下：
最终数据有1152条，数据中绝大部分是长沙的景点数据，也有少量少量周边城市，比如：宁乡、浏阳等的数据，整体的数据前5行如下：
下面重点介绍数据分析的过程
整体情况
首先看看整体的数据情况：
1fig = px.scatter(changsha[:10], # 前10个 2 x="strategy", # 攻略数 3 y="comment", # 评论数 4 color="comment", # 颜色选取 5 size="comment", # 散点大小 6 hover_name="cn_title", 7 text="cn_title" # 显示文字 8 ) 9 10fig.update_traces(textposition='top center') # 文本顶部居中显示 11 12fig.show() 13
很显然：橘子洲、岳麓山、岳麓书院、太平老街排名靠前
排名靠前景点
看看排名靠前的景点是哪些？
1# 根据ranking排序取出前20名数据，排除ranking=0的数据，再取出前10数据 2 3changsha1 = changsha[changsha["ranking"] != 0].sort_values(by=["ranking"])[:20].reset_index(drop=True) 4changsha1.head(10) 5
通过排名我们发现：橘子洲（烟火、大桥、天心阁）、岳麓山（书院）、黄兴路步行街、马王堆汉墓遗址、湖南省博物馆，整体排名很靠前，深受游客们欢迎，具体看看排名前20的景点：
评论火爆景点
很多游客到了一个景点喜欢写评论，看下哪些景点获得大量的评论：
1changsha2 = changsha[changsha["comment"] != 0].sort_values(by=["comment"],ascending=False)[:10] 2 3# 绘图 4fig = px.scatter( 5 changsha2, 6 x="cn_title", 7 y="comment", 8 size="comment", 9 color="comment", 10 text="cn_title" 11) 12 13fig.update_traces(textposition="top center") 14 15fig.show() 16
攻略在手，旅游不愁
出门旅游之前最好还是做一份旅游攻略，看看提供攻略最多的前10景点是哪些：
如果我们考虑前20个景点的攻略数：
驴友占比
我们爬取到的驴友数据是百分比，类型是字符串类型，我们现在去掉%符号，取出左边的数值，如果没有则用0代替，方便最终画图，具体操作如下：
1# 去掉%取出左边数据 2changsha["lvyou_number"] = changsha["lvyou"].apply(lambda x:x.split("%")[0]) 3changsha["lvyou_number"] = changsha["lvyou_number"].astype(int) 4changsha.head() 5
取出排名前10的驴友占比景点：
景点介绍
获取到的abstract字段是用来描述景点的基本信息，可以用来制作词云图，具体处理过程如下：
1abstract_list = changsha["abstract"].tolist() 2 3# 1、分词 4jieba_name = [] 5for i in range(len(abstract_list)): 6 # seg_list只是一个generator生成器：<class 'generator'> 7 seg_list = jieba.cut(str(abstract_list[i]).strip(), cut_all=False) 8 # 对list(seg_list)中的每个元素进行追加 9 for each in list(seg_list): 10 jieba_name.append(each) 11 12# 2、去停用词 13# 创建停用词list 14def stopwordslist(filepath): 15 stopwords = [line.strip() for line in open(filepath, 'r', encoding='utf-8').readlines()] 16 return stopwords 17 18# 传入路径，加载去停用词 19stopwords = stopwordslist('/Users/peter/Desktop//nlp_stopwords.txt') 20 21stopword_list = [] 22for word in jieba_name: # jieba_name中的word不在停用词表中，且不是\t制表符 23 if word not in stopwords: 24 if word != "\t" and word != " " and word != "nan": 25 stopword_list.append(word) 26 27# 3、统计单词出现个数 28dic = {} 29number = 0 30 31for each in stopword_list: 32 if each in dic.keys(): 33 number += 1 34 dic[each] = number 35 else: 36 dic[each] = 1 # 不存在则结果为1 37 38# 4、字典转成json数据，绘制词云图需要 39tuple_list = [] 40for k,v in dic.items(): 41 tuple_list.append(tuple([k,v])) 42 43tuple_list[:20] 44
长沙美食
第二部分介绍的是长沙（附近部分长沙）的美食，接下来从3个方面介绍：
-
字段获取
-
数据保存及处理
-
美食数据分析
发送请求
1url = "https://travel.qunar.com/p-cs300022-changsha-meishi?page=1" 2 3headers = {"user-agent": "个人请求头"} 4 5response = requests.get(url=url,headers=headers) 6result = response.content.decode() 7
字段获取
-
名称cn_title
-
评分socre
-
均价person_avg
-
地址address
-
推荐菜recommand
-
评价comment
1、源码结构
网页显示每页有10个景点（最后页未必是10个），总共200页的数据，每个景点的信息包括在一个<li></li>标签对中，我们只需要从标签中获取到相应的信息即可
2、名称和评分两个字段的获取相对简单，直接通过正则表达式来获取，关键字定位需要准确（以后会详细详解正则表达式的使用）
1# 中文名 2cn_title = re.findall('cn_tit">(.*?)</span>.*?countbox',result,re.S) 3
1# 得分：没有得分用--表示 2score = re.findall('cur_score">(.*?)</span>.*?total_score',result,re.S) 3
3、关于剩下4个字段的获取，相对复杂。因为他们并不是在每个店的信息中存在，有的，但是他们有一个共同点：全部是隐藏一个<div></div>标签对中，而且每个字段都有自己的关键词
具体处理方法：先大后小
1、先整体：提取sublistbox下面的全部信息
2、从步骤1的信息进行判断，获取4个单独字段
1# 均价 2person_avg = [] 3 4for i in range(len(sublistbox)): 5 try: 6 if "均" in sublistbox[i]: # 如果均价存在 7 person_avg.append(re.findall('¥ (.*?)</dd></dl>',sublistbox[i],re.S) [0]) # 将解析出来的第一个字段放入列表中 8 else: # 否则，不存在的话，添加0 9 person_avg.append(0) 10 continue # 遇到报错继续往下执行 11 except: 12 person_avg.append(0) 13
剩下3个字段处理类似：
1address = [] 2 3for i in range(len(sublistbox)): 4 try: 5 if "址" in sublistbox[i]: # 关键词 6 address.append(re.findall('址.*?des_line">(.*?)</dd></dl>',sublistbox[i],re.S)[0]) 7 else: 8 address.append("无") 9 continue 10 except: 11 address.append("无") 12
1recommand = [] 2 3for i in range(len(sublistbox)): 4 try: 5 if "推荐菜" in sublistbox[i]: 6 recommand.append(re.findall('推荐菜.*?des_line">(.*?)</dd></dl>',sublistbox[i],re.S)[0]) 7 else: 8 recommand.append("无") 9 continue 10 except: 11 recommand.append("无") 12
1comment = [] 2 3for i in range(len(sublistbox)): 4 try: 5 if "desbox" in sublistbox[i]: # 关键词 6 comment.append(re.findall('.*?txt">(.*?)<span class="img_doublequote img_r">',sublistbox[i],re.S)[0]) 7 else: 8 comment.append("无") 9 continue 10 except: 11 comment.append("无") 12
4、上面是获取单页数据的解析过程，下面讲解如何获取200页的字段数据：
1# 中文名：得分字段类似 2cn_title_list = [] 3 4for i in range(1,201): 5 url = "https://travel.qunar.com/p-cs300022-changsha-meishi?page={}".format(i) 6 headers = {"user-agent": "请求头"} 7 response = requests.get(url=url,headers=headers) 8 result = response.content.decode() 9 cn_title = re.findall('cn_tit">(.*?)</span>.*?countbox',result,re.S) 10 for each in cn_title: 11 cn_title_list.append(each) 12 13cn_title_list 14
1# 均价字段：地址、推荐菜、评价类似 2# 某个字段不存在，用0或者无代替 3person_avg_list = [] 4 5for i in range(1,201): 6 url = "https://travel.qunar.com/p-cs300022-changsha-meishi?page={}".format(i) 7 headers = {"user-agent": ""} 8 response = requests.get(url=url,headers=headers) 9 result = response.content.decode() 10 11 # 1、先整体提取 12 sublistbox = re.findall('sublistbox">(.*?)</div>', result, re.S) 13 # 2、再局部提取 14 person_avg = [] 15 for i in range(len(sublistbox)): 16 try: 17 if "均" in sublistbox[i]: 18 person_avg.append(re.findall('¥ (.*?)</dd></dl>',sublistbox[i],re.S)[0]) 19 else: 20 person_avg.append(0) 21 continue 22 except: 23 person_avg.append(0) 24 25 for each in person_avg: 26 person_avg_list.append(each) 27 28 29# 地址 30address_list = [] 31 32for i in range(1,201): 33 url = "https://travel.qunar.com/p-cs300022-changsha-meishi?page={}".format(i) 34 headers = {"user-agent": "请求头"} 35 response = requests.get(url=url,headers=headers) 36 result = response.content.decode() 37 38 # 1、先整体提取 39 sublistbox = re.findall('sublistbox">(.*?)</div>', result, re.S) 40 # 2、再局部提取 41 address = [] 42 43 for i in range(len(sublistbox)): 44 try: 45 if "址" in sublistbox[i]: 46 address.append(re.findall('址.*?des_line">(.*?)</dd></dl>',sublistbox[i],re.S)[0]) 47 else: 48 address.append("无") 49 continue 50 except: 51 address.append("无") 52 53 for each in address: 54 address_list.append(each) 55 56address_list[:20] 57
获取全网数据
5、提取到每个字段后生成整体数据，并保存：
1# 1、生成数据 2 3df = pd.DataFrame({ 4 "中文名": cn_title_list, 5 "得分": score_list, 6 "均价": person_avg_list, 7 "地址": address_list, 8 "推荐菜": recommand_list, 9 "评价": comment_list 10}) 11# 2、保存数据 12# df.to_csv("长沙美食.csv",index=False,encoding='utf_8_sig') # 防止乱码 13
美食数据分析
前期处理
在进行数据分析之前，需要进行前期的处理：
1df["得分"] = df["得分"].apply(lambda x: x.replace("--","0")) # 将得分中的--替换成0 2
改变两字字段的数据类型：
长沙到底有几家文和友？
1、文和友是长沙的知名老店，那获取到的数据中有几家和文和友相关的店？
数据显示：20家
看看前5家：
2、哪家文和友得分最高？
我们看看前5名：
1fig = px.scatter( 2 wenheyou_score[:5], 3 x="中文名", 4 y="得分", 5 color="得分", 6 size="得分", 7 text="地址" 8) 9 10fig.update_traces(textposition="top center") 11fig.show() 12
可以看到：府中路的这家店是评分最高的，网友给的评价是：
虾肉很新鲜，口感嫩滑，入味极佳，个人觉得不是很辣，但是如果对于吃辣程度一般的人来说，绝对足够了。
臭豆腐香不香？
1、看看数据中有臭豆腐店
数据显示有19家，我们看看前5家店
2、臭豆腐的价格如何？
太平街21号的一份臭豆腐31块？不知道香不香！！！
3、整体臭豆腐店的分布，基于得分和均价两个字段
1px.scatter(choudoufou,x="得分",y="均价",color="中文名",size="均价") # 只筛选均价大于0 2
茶颜悦色好喝吗？
1、数据中几家茶颜悦色的店？
数据显示是10家，但是我想长沙肯定是不止10家！！！数据量还是太少了
2、茶颜悦色价格如何？
筛选出价格大于0的，我们：茶颜悦色的价格基本在17元左右
1chayanyuese[chayanyuese["均价"] > 0] 2
湖南人爱嗦粉
湖南人非常喜欢吃粉，尤其是常德的米粉非常出名
1、看看数据中有几家粉店？
数据显示有103家！！！果然湖南人爱嗦粉
2、查看得分排名前10的粉店
1`mifen.sort_values("得分",ascending=False).head(10) 2`
排名靠前的10位店价格基本上控制在14-15左右
3、米粉店整体分布
1px.scatter(mifen,x="得分",y="均价",color="中文名",size="均价") 2
4、店铺汇总
另外，查看数据发现，还有15家酒吧，28家火锅店，我们汇总下。数据量过少，仅供参考
1doors = pd.DataFrame({ 2 "数量":[19,18,9,103,15,28], 3 "名称":["文和友","臭豆腐","茶颜悦色","粉店","酒吧","火锅店"] 4}) 5 6doors = doors.sort_values("数量",ascending=False) 7 8c = ( 9 Bar() 10 .add_xaxis(doors["名称"].tolist()) 11 .add_yaxis("长沙店铺",doors["数量"].tolist()) 12 .reversal_axis() 13 .set_series_opts(label_opts=opts.LabelOpts(is_show=True, position="right")) # 是否显示数据以及label的位置（显示在右方） 14) 15 16c.render_notebook() 17
网友推荐菜
对于网友的推荐菜，采用词云图展示：
1# 1、选择推荐菜数据 2rec = df[df["推荐菜"] != "无"].sort_values("得分",ascending=False).reset_index(drop=True) 3rec_list = rec["推荐菜"].tolist() 4 5# 2、jieba分词 6 7rec_jieba_list = [] 8 9for i in range(len(rec_list)): 10 # jieba分词 11 seg_list = jieba.cut(str(rec_list[i]).strip(), cut_all=False) 12 for each in list(seg_list): 13 rec_jieba_list.append(each) 14 15#3 3、通过pandas中的values来统计个数 16 17rec_result = pd.value_counts(rec_jieba_list)[1::].to_frame().reset_index().rename(columns={"index":"词语",0:"次数"}) 18 19# 4、生成绘图数据 20rec_words = [tuple(z) for z in zip(rec_result["词语"].tolist(), rec_result["次数"].tolist())] 21 22rec_words[:3] 23 24# 5、WordCloud模块绘图 25c = ( 26 WordCloud() 27 .add("", rec_words, word_size_range=[20, 100], shape=SymbolType.DIAMOND) 28 .set_global_opts(title_opts=opts.TitleOpts(title="长沙美食推荐菜词云")) 29) 30 31c.render_notebook() 32
总结
文章通过对两份数据获取和分析，数据量并不大，但还是想到长沙旅游的朋友几点建议：
1、橘子洲你应该去看看
从长沙景点数据分析中看出来，不管是整体排名、游客提供的攻略数、评论数，橘子洲都是排名第一的，可以在橘子洲大桥看烟火
2、五一广场真的很热门
五一广场整个片区很多吃喝玩乐的地方：太平老街、火宫殿、黄兴路步行街等，爱吃爱玩的你应该去
3、博物馆和遗址
如果喜欢历史，可以去湖南省博物馆、马王堆汉墓遗、长沙简牍博物馆址逛逛
4、不怕辣就吃龙虾
喜欢吃小龙虾的就去文和友吧，口味挺齐全的。推荐：海信广场店
5、一定要尝下湖南米粉
上面的数据已经显示了，大大小小的粉店在长沙太多了，到了长沙务必尝下，推荐：原味粉店家
一切看似逝去的，都不曾离开，你所给与的爱与温暖，让我执着地守护着这里。
-------------------********************************** End **********-------------**-----********-**********************************
往期精彩文章推荐：
欢迎各位大佬点击链接加入群聊【helloworld开发者社区】：https://jq.qq.com/?_wv=1027&k=mBlk6nzX进群交流IT技术热点。
本文转自 https://mp.weixin.qq.com/s/kdkNOTowpXhE2iqNgXDHhg，如有侵权，请联系删除。