我把全國旅游數據用Python爬下來後發現，這個地方纔是真正的旅游勝地

来源:https://www.cnblogs.com/qingdeng123/archive/2019/10/25/11741144.html
-Advertisement-
Play Games

前言： Python對於本人來講也是一個在逐漸學習掌握的過程，這次的內容就從旅游開始講起，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 ...


前言：

Python對於本人來講也是一個在逐漸學習掌握的過程，這次的內容就從旅游開始講起，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）標簽頁面

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：

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

首先我們看一下游記數量最多的TOP10城市：

游記數量TOP10數量基本上與我們日常所瞭解的熱門城市相符，我們進一步根據各個城市游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，方法就是提取標簽中的屬性，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，不僅游記數量充足，並且能從中提取的有效標簽也非常多。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("餐飲類標簽排名")
bar1.add("餐飲類標簽分數", 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("景點類標簽排名",title_top="30%")
bar2.add("景點類標簽分數", 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("休閑類標簽排名",title_top="67.5%")
bar3.add("休閑類標簽分數", 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('城市分類標簽.html')
#Python學習群631441315 ，群里有大量的PDF書籍、教程免費使用！不管是學習到哪個階段的小伙伴都可以獲取到自己需要的教程！

 

PART2:景點數據

我們提取了各個景點評論數，並與城市游記數量進行對比，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游地。

PART3:小吃數據

最後我們看一下大家最關註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，讓沙茶面得以超過火鍋、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')

 


您的分享是我們最大的動力!

-Advertisement-
Play Games
更多相關文章
  • 設計模式之☞外觀模式
    簡介 外觀模式(Facade Pattern)：外部與一個子系統的通信必須通過一個統一的外觀對象進行，為子系統中的一組介面提供一個一致的界面，外觀模式定義了一個高層介面，這個介面使得這一子系統更加容易使用。外觀模式又稱為門面模式，它是一種對象結構型模式。 模式分析 根據“單一職責原則”，在軟體中將一 ...
  • 面試連環炮系列（二十二）：常用的設計模式有哪些
    1. 常用的設計模式有哪些，作用是什麼 設計模式一共23種，常用的設計模式有： 1. 工廠模式: 構建多個對象的工廠。 1. 單例模式：單例類負責創建自己的對象，同時確保只有單個對象被創建 1. 代理模式：代理其他類，增強原來類的功能。 1. 外觀模式：包裝多個類的複雜性，對外提供統一的方法。 1. ...
  • 使用docker-compose部署nginx+gunicorn+mariadb的django應用
    我們來使用 docker-compose 並基於 gunicorn + mariadb + nginx 部署一個簡單的 django 博客應用； ...
  • Java之路---Day11(介面)
    2019-10-25-23:22:23 目錄 1.介面的概念 2.介面的定義格式 3.介面包含的內容 4.介面的使用步驟 5.繼承父類並實現多個介面 6.介面之間的多繼承 介面的概念 介面是指對協定進行定義的引用類型。其他類型實現介面，以保證它們支持某些操作。介面指定必須由類提供的成員或實現它的其他 ...
  • python--面向對象編程之學生選課系統練習
    1、admin.py 主要是系統管理初始化，用於管理員註冊、登錄系統、創建授課老師、創建課程等操作。 ...
  • Python連載45-XML解析（使用minidom和etree分別示例）
    一、我們對XML的讀取進行一波演示 同時我們還可以使用xml.DOM.etree這種方式來進行解析 我們提供方法： （1）以樹形結構來表示xml； （2）root.getiterator:得到相應的可迭代的node集合 （3）root.iter （4）find(node_name):查找指定node ...
  • Zuul【工作原理】
    zuul的核心邏輯都是由一系列filter過濾器鏈實現的，但是filter的類型不同，執行的時機也不同，效果自然也不一樣，主要特點如下： zuul內部有一套完整的機制，可以動態讀取編譯運行filter機制，filter與filter之間不直接通信，在請求線程中會通過RequestContext來共用 ...
  • Python eval的用法及註意事項
    eval是Python的一個內置函數，這個函數的作用是，返回傳入字元串的表達式的結果。想象一下變數賦值時，將等號右邊的表達式寫成字元串的格式，將這個字元串作為eval的參數，eval的返回值就是這個表達式的結果。 python中eval函數的用法十分的靈活，但也十分危險，安全性是其最大的缺點。本文從 ...
一周排行
    -Advertisement-
    Play Games
  • 移動開發（一）：使用.NET MAUI開發第一個安卓APP
    移動開發（一）：使用.NET MAUI開發第一個安卓APP 對於工作多年的C#程式員來說，近來想嘗試開發一款安卓APP，考慮了很久最終選擇使用.NET MAUI這個微軟官方的框架來嘗試體驗開發安卓APP，畢竟是使用Visual Studio開發工具，使用起來也比較的順手，結合微軟官方的教程進行了安卓 ...
  • wpf ToggleButton選中效果和一個登錄界面
    前言 QuestPDF 是一個開源 .NET 庫，用於生成 PDF 文檔。使用了C# Fluent API方式可簡化開發、減少錯誤並提高工作效率。利用它可以輕鬆生成 PDF 報告、發票、導出文件等。 項目介紹 QuestPDF 是一個革命性的開源 .NET 庫，它徹底改變了我們生成 PDF 文檔的方 ...
  • 彈幕樹洞項目功能新增篇
    項目地址 項目後端地址： https://github.com/ZyPLJ/ZYTteeHole 項目前端頁面地址： ZyPLJ/TreeHoleVue (github.com) https://github.com/ZyPLJ/TreeHoleVue 目前項目測試訪問地址： http://tree ...
  • 第27篇 sqlserver2022詳細安裝步驟
    話不多說，直接開乾 一.下載 1.官方鏈接下載： https://www.microsoft.com/zh-cn/sql-server/sql-server-downloads 2.在下載目錄中找到下麵這個小的安裝包 SQL2022-SSEI-Dev.exe，運行開始下載SQL server； 二. ...
  • .NET 開源高性能 MQTT 類庫
    前言 隨著物聯網（IoT）技術的迅猛發展，MQTT（消息隊列遙測傳輸）協議憑藉其輕量級和高效性，已成為眾多物聯網應用的首選通信標準。 MQTTnet 作為一個高性能的 .NET 開源庫，為 .NET 平臺上的 MQTT 客戶端與伺服器開發提供了強大的支持。 本文將全面介紹 MQTTnet 的核心功能 ...
  • Serilog文檔翻譯系列（六） - 可用的接收器、增強器、格式化輸出
    Serilog支持多種接收器用於日誌存儲，增強器用於添加屬性，LogContext管理動態屬性，支持多種輸出格式包括純文本、JSON及ExpressionTemplate。還提供了自定義格式化選項，適用於不同需求。 ...
  • 警惕 Visual Studio 屬性求值副作用導致邏輯不符合預期
    目錄簡介獲取 HTML 文檔解析 HTML 文檔測試參考文章 簡介 動態內容網站使用 JavaScript 腳本動態檢索和渲染數據，爬取信息時需要模擬瀏覽器行為，否則獲取到的源碼基本是空的。 本文使用的爬取步驟如下： 使用 Selenium 獲取渲染後的 HTML 文檔 使用 HtmlAgility ...
  • [使用目前最新版]HybridCLR6.9.0+YooAsset2.2.4實現純C# Unity熱更新方案 (一)
    1.前言 什麼是熱更新 游戲或者軟體更新時，無需重新下載客戶端進行安裝，而是在應用程式啟動的情況下，在內部進行資源或者代碼更新 Unity目前常用熱更新解決方案 HybridCLR，Xlua，ILRuntime等 Unity目前常用資源管理解決方案 AssetBundles，Addressable， ...
  • 在 ASP.NET Core Web API 中使用操作篩選器統一處理通用操作
    本文章主要是在C# ASP.NET Core Web API框架實現向手機發送驗證碼簡訊功能。這裡我選擇是一個互億無線簡訊驗證碼平臺，其實像阿裡雲，騰訊雲上面也可以。 首先我們先去 互億無線 https://www.ihuyi.com/api/sms.html 去註冊一個賬號 註冊完成賬號後，它會送 ...
  • 第28篇 如何.net中實現高效可靠數據同步api
    通過以下方式可以高效，並保證數據同步的可靠性 1.API設計 使用RESTful設計，確保API端點明確，並使用適當的HTTP方法（如POST用於創建，PUT用於更新）。 設計清晰的請求和響應模型，以確保客戶端能夠理解預期格式。 2.數據驗證 在伺服器端進行嚴格的數據驗證，確保接收到的數據符合預期格 ...
所有分類