你知道全国有多少家海底捞吗？Python让你一目了然

前段时间去公司楼下吃了顿海底捞，排队人不多。后来没多久看到新闻说海底捞要关闭300家店，300家店是什么概念？海底捞全国一共又有多少家门店？都分布在哪些城市？

不如我们拿Python来直观看一看吧！

目录：

• 1. 数据采集

• 2. 地图绘制

• 2.1. 坐标转换

• 2.2. 地图绘制

• 3. 店面分布

1. 数据采集

直接打开海底捞官网 haidilao.com，拖到首页最下面我们可以看到全球各国家与地区门店选择，点击中国即可进入到中国门店列表，在开发者模式找到源数据地址。

可以看到请求到的数据格式很整洁，我们可以非常方便的处理，看代码：

import requests
import pandas as pd

# 接口地址
url = 'https://www.haidilao.com/eportal/store/listObjByPosition?country=CN&language=zh'
# 请求头
headers = {
    "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/83.0.4103.97 Safari/537.36",
    "accept": "application/json, text/plain, */*"
    }
r = requests.get(url, headers=headers)
# 门店数据信息
data = r.json()
# 转化为DataFrame类型
df = pd.DataFrame(data['value'])
# 存储本地
df.to_excel('海底捞.xlsx',index=False)

数据预览：

一共1404家门店

2. 地图绘制

在采集到的数据中我们可以看到有经纬度坐标（百度地图），这里我的目标是将店地址绘制到地图上，采用的是folium绘图库。由于这个库没有百度地图，有高德地图，因此我需要先将经纬度坐标从百度转为高德，再进行地图绘制。

2.1. 坐标转换

在高迪开平找到坐标转换的接口，然后直接转换即可。

https://lbs.amap.com/api/webservice/guide/api/convert

# 用于存储转换后的坐标列表
ss1 = []

for i , location in enumerate(df[['longitude','latitude']].values):
    location = str(location[0])+','+str(location[1])
    url = 'https://restapi.amap.com/v3/assistant/coordinate/convert?'
    
    parames = {
        'locations':location,
        'coordsys':'baidu',
        'key':'你的key',
        }
    
    r = eval(requests.get(url, params=parames).json()['locations'])
    ss = [r[1],r[0]]
    ss1.append(ss)
    print(f'\r{i+1}',end='')

输出结果：

2.2. 地图绘制

基于经纬度坐标点+店铺名称数据用于绘制，代码如下：

from folium import plugins
import folium

m = folium.Map([39.904989, 116.405285], # 北京中心区域经纬度
    zoom_start=10,
                tiles='http://webrd02.is.autonavi.com/appmaptile?lang=zh_cn&size=1&scale=1&style=7&x={x}&y={y}&z={z}', # 高德街道图
                # tiles='https://mt.google.com/vt/lyrs=h&x={x}&y={y}&z={z}', # google 地图
                # tiles='Stamen Toner',
               attr='高德')  

# 绘制店标记
groups = folium.FeatureGroup('')
for l,label in zip(ss1,df['storeName'].to_list()):
    groups.add_child(
        folium.CircleMarker(
            location=l,
            radius=7,
            color='yellow',
            fill=True,
            fill_color='red',
            fill_opacity=0.4,
            popup=folium.Popup(html=label,max_width=100),
        )
    )
m.add_child(groups)
m.add_child(folium.LatLngPopup())  

# 区域密度
marker_cluster = plugins.MarkerCluster().add_to(m)      
for l,label in zip(ss1,df['storeName'].to_list()):
    # 添加marker到地图
    folium.Marker(
        location = l,
        icon=None,
        # popup=folium.Popup(html=label,max_width=100),
    ).add_to(marker_cluster)

m.add_child(marker_cluster)

m.save('海底捞.html')  # 将结果以HTML形式保存到本地

输出结果对比：

左侧是绘制的，右侧是官网的

3. 店面分布

同样的，在高德地图开放平台也有经纬度坐标转化位置信息的接口，我们通过店铺经纬度信息找到其所在省市（原始数据中地址信息格式不统一，比较难解析）。

citys = []
provinces = []
for i , location in enumerate(df[['longitude','latitude']].values):
    location = str(location[0])+','+str(location[1])
    url = 'https://restapi.amap.com/v3/geocode/regeo?'
    params = {
        'location':location,
        'key':'4e3f878e4f74ad3b522d10830e54cfa2',
        'extensions':'base',
        'batch':'false',
        'roadlevel':0,
        }
    
    r = requests.get(url, params=params)
    data = r.json()['regeocode']
    city = data['addressComponent']['city']
    province = data['addressComponent']['province']
    if len(city)==0:
        city = province
    citys.append(city)
    provinces.append(province)
    print(f'\r{i+1}',end='')
df['城市'] = citys

获取城市信息后，就可以直接分组统计不同城市的海底捞店铺数了。

df.groupby('城市')['storeId'].nunique().sort_values(ascending=False).head(10)

海底捞在全国242个城市有店面，其中在营店面数最多的城市是上海共81家店，其次是北京有78家店。

from pyecharts import options as opts
from pyecharts.charts import Map
from pyecharts.faker import Faker
from pyecharts.globals import CurrentConfig, NotebookType
CurrentConfig.NOTEBOOK_TYPE = NotebookType.JUPYTER_LAB

df = pd.read_clipboard()
c = (
    Map()
    .add("海底捞店面数", [list(z) for z in zip(df.省, df.数量)], "china")
    .set_global_opts(
        title_opts=opts.TitleOpts(title="海底捞全国各省店面数分布"),
        visualmap_opts=opts.VisualMapOpts(max_=200),
    )
)
c.load_javascript()
c.render_notebook()

也可以用Excel的EasyShu插件进行绘制，效果如下：

以上就是我们对海底捞门店分布进行的可视化处理。这种方法在地点相关的数据可视化分析中非常常用，比如停车场分布，房源分布等，感兴趣的小伙伴可以找一些类似的数据进行练习。

如果文章对你有帮助，欢迎转发/点赞/收藏~