[[422047]]

本文轉(zhuǎn)載自微信公眾號(hào)「志斌的python筆記」，作者志斌。轉(zhuǎn)載本文請(qǐng)聯(lián)系志斌的python筆記公眾號(hào)。

大家好，我是志斌~

再過(guò)幾天，志斌就要去大連開始為期三年的讀研生活啦，當(dāng)然在讀書學(xué)習(xí)的同時(shí)，也要去體驗(yàn)一下“魅力之都”的魅力，所以志斌用Python爬取了去哪兒網(wǎng)上大連景點(diǎn)的相關(guān)數(shù)據(jù)，包括景點(diǎn)名稱、城區(qū)、熱度、價(jià)格、月銷量等數(shù)據(jù)，對(duì)數(shù)據(jù)進(jìn)行可視化并作簡(jiǎn)單分析，用以找到性價(jià)比較高的景點(diǎn)。

一數(shù)據(jù)采集

去哪兒網(wǎng)的數(shù)據(jù)存儲(chǔ)非常簡(jiǎn)單，都在源網(wǎng)頁(yè)中靜態(tài)存儲(chǔ)，我們只需構(gòu)造好URL之后，用Requests發(fā)起請(qǐng)求，然后用Bs4將數(shù)據(jù)提取出來(lái)，存儲(chǔ)到Excel中即可。

爬蟲的核心代碼如下：

import requests 
from bs4 import BeautifulSoup 
import openpyxl 
 
for page in range(1,50): 
  try: 
      params = ( 
          ('from', 'mps_search_suggest_h'), 
          ('keyword', '大連'), 
          ('page', str(page)), 
      ) 
      response = requests.get('https://piao.qunar.com/ticket/list_%E8%A5%BF%E5%AE%89.html', headers=headers, params=params) 
      soup = BeautifulSoup(response.text,'html.parser') 
      zongs = soup.find_all('div',class_='sight_item') 
      for i in zongs: 
          name = i.find('h3').text 
          diqu = i.find(class_='area').find('a').text 
          redu = round(float(i.find(class_='product_star_level').text.split()[-1][:4]) * 5, 2) 
        dizhi = re.findall('地址：(.*?)地圖', i.find(class_='address color999').text)[0] 
          jiage = float(i.find(class_='sight_item_price').find('em').text) 
          yuexiao = int(i.find(class_='sight_item_sold-num').find('span').text) 
          xingji = i.find(class_='level') 
          jingweidu = i['data-point'] 
          ~~~ 

二數(shù)據(jù)處理

01導(dǎo)入景點(diǎn)數(shù)據(jù)

用pandas讀取爬取的景點(diǎn)數(shù)據(jù)并預(yù)覽。

import pandas as pd 
df = pd.read_excel('大連景區(qū)數(shù)據(jù)_1.xlsx',names=['景點(diǎn)名稱','城區(qū)','熱度','地址','價(jià)格','月銷量','星級(jí)','經(jīng)度','緯度']) 
print(df.head()) 

02刪除重復(fù)數(shù)據(jù)

網(wǎng)站中有一定的重復(fù)數(shù)據(jù)，需要將其刪除。

df = df.drop_duplicates() 

03查看數(shù)據(jù)信息

查看字段類型和缺失值情況，符合分析需要，無(wú)需另做處理。

df.info() 

三可視化分析

我們來(lái)對(duì)這164個(gè)景點(diǎn)數(shù)據(jù)進(jìn)行可視化分析。

01景點(diǎn)介紹

通過(guò)對(duì)大連景點(diǎn)介紹進(jìn)行詞云圖繪制，我們很容易看出大連的特點(diǎn)。博物館、休閑、歷史、文化等詞的大量提及，說(shuō)明大連是一座歷史悠久的現(xiàn)代化城市。建筑、動(dòng)物、主題等詞也有很多提及，表明大連的旅游環(huán)境輕松且多樣。

代碼如下：

with open("推薦語(yǔ).txt",) as f: 
   job_title_1 = f.read() 
contents_cut_job_title = jieba.cut(job_title_1) 
contents_list_job_title = " ".join(contents_cut_job_title) 
wc = WordCloud(stopwords=STOPWORDS.add("一個(gè)"), collocations=False, 
              background_color="white", 
              font_path=r"K:\msyh.ttc", 
              width=400, height=300, random_state=42, 
              mask=imread('xin.jpg', pilmode="RGB") 
              ) 
wc.generate(contents_list_job_title) 
wc.to_file("推薦語(yǔ).png") 

02景區(qū)熱度top10

從景點(diǎn)評(píng)分來(lái)看，金石灘景點(diǎn)評(píng)分最高，為4.55分，其次是老虎灘公園和星海廣場(chǎng)，分別是4.5分和4.4分。怪不得一搜索大連的旅游攻略，每一個(gè)里面都有這幾個(gè)景點(diǎn)。

03景點(diǎn)價(jià)格top10

從景點(diǎn)價(jià)格來(lái)看，除了潛水中心這個(gè)景點(diǎn)略貴，其他景點(diǎn)價(jià)格都還可以接受，去大連游玩的朋友，時(shí)間充裕的話可以都體驗(yàn)一下，志斌這三年是要都體驗(yàn)一遍了~

04月銷量top10景點(diǎn)

從下圖可以看出，海昌發(fā)現(xiàn)王國(guó)的銷量最高，為908，其次是天門峽漂流，為786，志斌還沒(méi)去過(guò)漂流，正好趁著這次在大連讀書，抽時(shí)間去一次。

老虎灘海洋公園、大連森林動(dòng)物園、大連圣亞海洋世界的銷量也不少，分別是542，488，458。

05月銷額top20景點(diǎn)

從下圖可以看出、月銷額較大的還是海昌發(fā)現(xiàn)王國(guó)、老虎灘海洋公園、大連圣亞海洋世界、看來(lái)月銷額受到月銷量的影響較大，受價(jià)格的影響較小。

06景點(diǎn)等級(jí)分布

從大連景點(diǎn)等級(jí)分布來(lái)看，3A以上等級(jí)的景點(diǎn)為24個(gè)，其中3A級(jí)景點(diǎn)1個(gè)，4A級(jí)景點(diǎn)21個(gè)，5A級(jí)景點(diǎn)2個(gè)。

07景點(diǎn)分布

從圖中我們可以看出，景點(diǎn)大部分分布在旅順區(qū)、中山區(qū)、金州區(qū)的東南沿海方位。如果來(lái)大連旅游的話，建議去旅順口區(qū)或者中山區(qū)去住，因?yàn)槟抢锝煌ㄝ^為便利。

四小結(jié)

通過(guò)上面簡(jiǎn)單的分析，我們大致可以獲得以下幾點(diǎn)發(fā)現(xiàn)：

1. 大連是一座歷史悠久的現(xiàn)代化城市，很適合旅游。

2. 大連的景點(diǎn)主要集中在旅順區(qū)、中山區(qū)、金州區(qū)，旅順區(qū)和中山區(qū)的景點(diǎn)附近有地鐵，所以建議住宿的時(shí)候可以盡量選擇住在這兩個(gè)區(qū)，這樣出行游玩會(huì)比較方便。

3. 評(píng)分最高的景點(diǎn)是金石灘景點(diǎn)。

4. 本文僅供學(xué)習(xí)參考，不做它用。

溫馨提示：疫情還未結(jié)束，外出旅行做好個(gè)人防護(hù)。盡量避免到中高風(fēng)險(xiǎn)地區(qū)游玩。