用Python分析元旦旅游热门城市,告诉你哪些景点性价比更高

大数据DT

共 5504字,需浏览 12分钟

 ·

2021-01-04 22:08


导读:元旦马上就要到了,难得的3天小长假,玩肯定是要去玩的,但去哪儿玩是个问题。于是,我以旅游热门城市厦门为例,用Python获取了去哪儿网的相关景点数据,包括景点名称、地区、评分、销量、价格、坐标等字段,对数据进行可视化并作简单分析,以求找到性价比较高的景点。


作者:J哥
来源:菜J学Python(ID:caijxuepy)


01 数据获取


去哪儿网数据采集相对简单,找到真实url后,构造参数拼接,用request请求到json数据,以追加模式将数据存储为csv文件即可。


爬虫核心代码如下:

# -*- coding = uft-8 -*-
# @Time : 2020/12/25 9:47 下午
# @Author : 公众号 菜J学Python
# @File : 去哪儿.py

import requests
import random
from time import sleep
import csv
import pandas as pd
from fake_useragent import UserAgent

def get_data(keyword,page):
   ua = UserAgent(verify_ssl=False)
   headers = {"User-Agent": ua.random}
   url = f'http://piao.qunar.com/ticket/list.json?keyword={keyword}®ion=&from=mpl_search_suggest&page={page}'
   res = requests.request("GET", url,headers=headers)
   sleep(random.uniform(12))
   try:
       res_json = res.json()
       #print(res_json)
       sight_List = res_json['data']['sightList']
       print(sight_List)
   except:
       pass

if __name__ == '__main__':
   keyword = "厦门"
   for page in range(1,100): #控制页数
       print(f"正在提取第{page}页")
       sleep(random.uniform(12))
       get_data(keyword,page)



02 数据处理


1. 导入相关包


首先导入数据处理和数据可视化相关第三方库,便于后续操作。

import pandas as pd 
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
%matplotlib inline
plt.rcParams['font.sans-serif'] = ['SimHei']  # 设置加载的字体名
plt.rcParams['axes.unicode_minus'] = False# 解决保存图像是负号'-'显示为方块的问题 
import jieba
import re
from pyecharts.charts import *
from pyecharts import options as opts 
from pyecharts.globals import ThemeType  
import stylecloud
from IPython.display import Image


2. 导入景点数据


用pandas读取爬取的csv格式景点数据并预览。

df = pd.read_csv("/菜J学Python/旅游/厦门旅游景点.csv",names=['name''star''score','qunarPrice','saleCount','districts','point','intro'])
df.head()


3. 删除重复数据


网站存在一定的重复数据,需要进行剔除。

df = df.drop_duplicates()


4. 查看数据信息


查看字段类型和缺失值情况,符合分析需要,无需另作处理。

df.info()
   <class 'pandas.core.frame.DataFrame'>
   Int64Index:
422 entries, 0 to 423
   Data columns (total 8 columns):
    #   Column      Non-Null Count  Dtype  
   ---  ------      --------------  -----  
    0   name        422 non-null    object 
    1   star        422 non-null    object 
    2   score       422 non-null    float64
    3   qunarPrice  422 non-null    float64
    4   saleCount   422 non-null    int64  
    5   districts   422 non-null    object 
    6   point       422 non-null    object 
    7   intro       377 non-null    object 
   dtypes: float64(2), int64(1), object(5)
   memory usage: 29.7+ KB


5. 描述性统计


从描述性统计表可知,剔除重复数据后,剩余424个景点,门票均价为40元

color_map = sns.light_palette('orange', as_cmap=True)  # light_palette调色板
df.describe().style.background_gradient(color_map)



03 可视化分析


1. 景点介绍


通过对厦门景点介绍文本进行词云图绘制,我们很容易看出厦门的特点。典型的海滨休闲城市,帆船、鼓浪屿、游艇等词被大量提及,建筑、博物馆等词也有一定提及,体现出厦门浓厚的人文气息

#绘制词云图
text1 = get_cut_words(content_series=df['intro'])
stylecloud.gen_stylecloud(text=' '.join(text1), max_words=100,
                         collocations=False,
                         font_path='simhei.ttf',
                         icon_name='fas fa-heart',
                         size=653,
                         #palette='matplotlib.Inferno_9',
                         output_name='./offer.png')
Image(filename='./xiamen.png')


2. 景点分布


利用kepler.gl绘制厦门市旅游景点分布地图,同时以圆圈的大小表示门票月销量的大小,我们可以很清晰的看到,厦门市景点集中分布在思明区和湖里区,其他区域分布较为分散。尤其是思明区,门票销量遥遥领先其他区域。

df["lon"] = df["point"].str.split(",",expand=True)[0
df["lat"] = df["point"].str.split(",",expand=True)[1]
df.to_csv("/菜J学Python/data.csv")


3. 评分TOP10景点


从景点评分来看,厦门大学评分最高,5分满分。其次是鼓浪屿南普陀寺,分别为4.9分和4.6分。难怪有人说,没去过厦大和鼓浪屿,相当于没来过厦门。

df_score = df.pivot_table(index='name',values='score')
df_score.sort_values('score',inplace=True,ascending=False)
df_score[:10]


4. 月销量TOP10景点


从门票月销量来看,鼓浪屿排第一,月销量1230,其次是厦门园林植物园和鼓浪屿往返轮渡。厦门方特梦幻王国也有600以上的月销量。

df_saleCount = df.pivot_table(index='name',values='saleCount')
df_saleCount.sort_values('saleCount',inplace=True,ascending=False)
df_saleCount[:10]


5. 价格TOP20景点


从景点价格来看,玩游艇、直升机、帆船类的活动花销较大,另外,厦门方特价格也不便宜,如果对价格不敏感可以考虑,如果是穷游可以提前避开。

df_qunarPrice = df.pivot_table(index='name',values='qunarPrice')
df_qunarPrice.sort_values('qunarPrice',inplace=True,ascending=False)
df_qunarPrice[:20]


6. 月销售额TOP20景点


由于厦门近一个月景点销量的变化幅度小于价格的变化幅度,销售额受价格影响更大。从以下图中也可以看出,月销售额较大的景点仍然是游艇、方特之类。

df["saleTotal"] = df["qunarPrice"]*df["saleCount"]
df_saleTotal = df.pivot_table(index='name',values='saleTotal')
df_saleTotal.sort_values('saleTotal',inplace=True,ascending=False)
df_saleTotal[:20]


7. 景点等级分布


从厦门景点等级分布来看,3A以上等级景点占比不到5%

df_star = df["star"].value_counts()
df_star = df_star.sort_values(ascending=False)
#print(df_star)
c = (
       Pie(init_opts=opts.InitOpts(theme=ThemeType.WALDEN))
       .add(
           "",
           [list(z) for z in zip(df_star.index.to_list(),df_star.to_list())]
       )
       .set_global_opts(legend_opts = opts.LegendOpts(is_show = False),title_opts=opts.TitleOpts(title="景点等级分布",subtitle="数据来源:去哪儿网\n制图:菜J学Python",pos_top="0.5%",pos_left = 'left'))
       .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}:{d}%",font_size=16))
   )
c.render_notebook()


df[df["star"]!='无'].sort_values("star",ascending=False)

以下为筛选出的部分3A及以上景点:



小结


通过以上简单的分析,我们大致可以获得以下几点启发:

  1. 厦门是典型的海滨休闲城市,具有丰富的海洋和人文景观;

  2. 厦门旅游景点主要集中分布在思明区,其他区域较为分散;

  3. 厦门大学口碑最高,其次才是鼓浪屿;

  4. 鼓浪屿门票销量遥遥领先厦门其他景点;

  5. 消费较高的景点或活动包括游艇、帆船和方特。


温馨提示:疫情还未完全散去,元旦游玩尽量避开风险区域。

本文代码后台回复源代码二字即可自动领取。


划重点?


干货直达?


更多精彩?

在公众号对话框输入以下关键词
查看更多优质内容!

PPT | 读书 | 书单 | 硬核 | 干货 | 讲明白 | 神操作
大数据 | 云计算 | 数据库 | Python | 可视化
AI | 人工智能 | 机器学习 | 深度学习 | NLP
5G | 中台 | 用户画像 1024 | 数学 | 算法 数字孪生

据统计,99%的大咖都完成了这个神操作
?


浏览 26
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报