上海市携程酒店数据采集及可视化

欢迎关注公众号「月小水长」，唯一笔者是 BuyiXiao，又名小布衣、肖不已。 

BuyiXiao，何许人也？本衡州一乡野村夫，身高八尺不足，年方二十有余；弱冠之年曾求学于潭州，为谋生计，背井离乡，远赴京畿，我本南人，不习北土，兼有故友，威逼利诱，急于星火，遂下岭南，打工未半，中道创业，所为何业？赛博朋克，智能硬件；假工程师之名，行农民工之实，满腹经纶，无用书生，善于自黑，贻笑大方。 

笔者水平有限，可能暂时无法将非常干货的教程讲的不拖泥带水又不哗众取宠，公众号文章诸多遗漏或不妥之处，可以加月小水长微信「2391527690」备注「学校专业/研究方向/工作岗位」进行交流。

另外，文末点下「赞」和「在看」，这样每次新文章推送，就会第一时间出现在你的订阅号列表里。

酒店的数量、价格、评分和人流量是衡量一个城市消费水平的指标，也间接反映出城市的经济发展水平和居民的生活水平。

我抓取了整个上海的携程酒店数据，一共 6000 余个酒店，包含几十个字段，主要的字段信息如下，并进行了简要的分析。

第一步，先来看看这个 dataframe 的整体分析 df.describle()：

      
             discounted_price  entity_score         star          lng          lat
count       5712.000000   6013.000000  6203.000000  6203.000000  6203.000000
mean         460.375875      4.216498     2.035467   121.418132    31.220763
std          900.588455      0.664155     1.213317     0.163744     0.191488
min           19.000000      1.000000     0.000000   120.914303    30.707439
25%          152.000000      4.000000     2.000000   121.323827    31.128369
50%          253.000000      4.400000     2.000000   121.432059    31.218784
75%          429.000000      4.700000     3.000000   121.491432    31.292182
max        25017.000000      5.000000     5.000000   121.918401    31.827032

    

酒店价格最贵 25000 一晚，最低 19 块一晚（可能是青旅），

不愧是魔都，让月薪 1k 的不至于流落街头，年入千万的天天七星级，挺好的。

从价格的中位数来看，只平平无奇，但是从平均价格来看，上海的酒店价格至少是我老家，湖南一个省内著名省外无名三线城市价格的 2 倍。

剔除价格的极端值后，再看可视化看看上海酒店价格的主要分布区间。

可以这么说，至少绝大部分的酒店价格都在 750 以下。

再来看看上海分区的价格情况。

最贵的是黄埔区、徐汇区、杨浦区，最便宜的是嘉定区、奉贤区。

然后看看各字段的相关性分析。

这张图信息量说大也大，毕竟有 16 个图。

说小也小，拆成一个个小图，每一个图都是一个变量关于其他变量的散点图（主对角线上的除外）看 x、y 坐标，同时注意 label 是酒店星级。

其中经纬度和其他变量相关性太小，可以忽略，所以只看左上角四个小图构成的方块即可。

这样一来，可以很快得出一些无用的结论。

• 价格多分布在区间的下行，即大部分酒店价格较低，评分则多分布在区间上行，大部分酒店评分较高，这反映了上海市酒店服务业的整体水平较高。

• 图例表示酒店星级，颜色越深，等级越高，在图中的位置越靠右、越靠上，也就是价格越高、评分越高。

• 价格越低，消费者评分的方差就越大，1-5 分都有分布，价格越高，评分越高，几乎都在 4 分以上。我觉得这有两个原因，第一，价格高的酒店数量远远不如酒店低的数量，第二，花了 2w 块住一晚酒店，那体验能不好吗？

最后，把酒店价格可视化地展示在上海地图上。

柱子颜色深浅代表酒店人气，柱子高度代表酒店价格。

最后一个无用的结论，即大部分高价酒店人气低，大部分低价酒店人气高。

欢迎关注小号「知书客栈」，以后主要灰分享闲言碎语、上游的数据采集、下游的数据分析，以及各种黑科技。

往期精选