告诉你那里最受欢迎,python爬取全国13个城市旅游数据x
告诉你那里最受欢迎,python 爬取全国 13 个城市旅游数据 前言 前言 文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理。
PS:如有需要 Python 学习资料的小伙伴可以加点击下方链接自行获取http://t.cn/A6Zvjdun 抓取数据 抓取数据
通过请求 https://piao.qunar.com/ticket/list.htm?keyword=北京,获取北京地区热门景区信息,再通过 BeautifulSoup 去分析提取出我们需要的信息。
这里爬取了前 4 页的景点信息,每页有 15 个景点。因为去哪儿并没有什么反爬措施,所以直接请求就可以了。
这里随机选择了 13 个热门城市:北京、上海、成都、三亚、广州、重庆、深圳、西安、杭州、厦门、武汉、大连、苏州。
并将爬取的数据存到了 MongoDB 数据库 。
爬虫部分完整代码如下:
爬虫部分完整代码如下:
import requests
from bs4 import BeautifulSoup
from pymongo import MongoClient
class QuNaEr():
def __init__(self, keyword, page=1):
self.keyword = keyword
self.page = page
def qne_spider(self):
url = "https://piao.qunar.com/ticket/list.htm?keyword=%s®ion=&from=mpl_search_suggest&page=%s" % (self.keyword, self.page)
response = requests.get(url)
response.encoding = "utf-8"
text = response.text
bs_obj = BeautifulSoup(text, "html.parser")
arr = bs_obj.find("div", {"class": "result_list"}).contents
for i in arr:
info = i.attrs
# 景区名称
name = info.get("data-sight-name")
# 地址
address = info.get("data-address")
# 近期售票数
count = info.get("data-sale-count")
# 经纬度
point = info.get("data-point")
# 起始价格
price = i.find("span", {"class": "sight_item_price"})
price = price.find_all("em")
price = price[0].text
conn = MongoClient("localhost", port=27017)
db = conn.QuNaEr # 库
table = db.qunaer_51 # 表
table.insert_one({
"name" : name,
"address" : address,
"count" : int(count),
"point" : point,
"price" : float(price),
"city" : self.keyword
})
if __name__ == "__main__":
citys = ["北京", "上海", "成都", "三亚", "广州", "重庆", "深圳", "西安", "杭州", "厦门", "武汉", "大连", "苏州"]
for i in citys:
for page in range(1, 5):
qne = QuNaEr(i, page=page)
qne.qne_spider()
效果图如下:
效果图如下:
有了数据,我们就可以分析出自己想要的东西了。
分析数据 分析数据 1 、最受欢迎的 15 个景区 个景区
由图可以看出,在选择的 13 个城市中,最热门的景区为上海的迪士尼乐园。
代码如下:
代码如下:
from pymongo import MongoClient
# 设置字体,不然无法显示中文
from pylab import *
mpl.rcParams["font.sans-serif"] = ["SimHei"]
conn = MongoClient("localhost", port=27017)
db = conn.QuNaEr # 库
table = db.qunaer_51 # 表
result = table.find().sort([("count", -1)]).limit(15)
# x,y 轴数据
x_arr = [] # 景区名称
y_arr = [] # 销量
for i in result:
x_arr.append(i["name"])
y_arr.append(i["count"])
"""
去哪儿月销量排行榜
"""
plt.bar(x_arr, y_arr, color="rgb") # 指定 color,不然所有的柱体都会是一个颜色
plt.gcf().autofmt_xdate() # 旋转 x 轴,避免重叠
plt.xlabel(u"景点名称") # x 轴描述信息
plt.ylabel(u"月销量") # y 轴描述信息
plt.title(u"拉钩景点月销量统计表") # 指定图表描述信息
plt.ylim(0, 4000) # 指定 Y 轴的高度
plt.savefig("去哪儿月销售量排行榜") # 保存为图片
plt.show()
2、景区热力图 、景区热力图 这里为了方便,只展示一下北京地区的景区热力图。用到了百度地图的开放平台。首先需要先注册开发者信息,首页底部有个申请秘钥的按钮,点击进行创建就可以了。我的应用类型选择的是浏览器端,因此只需要组装数据替换掉相应 html 代码即可。另外还需要将自己访问应用的 AK 替换掉。效果图如下:
3、景区价格 、景区价格 价格是出游第一个要考虑的,一开始想统计一下各城市的平均价格,但是后来发现效果不是很好,比如北京的刘老根大舞台价格在 580 元,这样拉高了平均价格。就好比姚明和潘长江的平均身高在 190cm,并没有什么说服力。所以索性展示一下景区的价格分布。
根据价格设置了六个区间:
通过上图得知,大部分的景区价格都在 200 元以下。每次旅游花费基本都在交通、住宿、吃吃喝喝上了。门票占比还是比较少的。
实现代码如下:
实现代码如下:
arr = [[0, 50], [50,100], [100, 200], [200,300], [300,500], [500,1000]]
name_arr = []
total_arr = []
for i in arr:
result = table.count({"price": {"$gte": i[0], "$lt": i[1]}})
name = "%s 元 ~ %s 元 " % (i[0], i[1])
name_arr.append(name)
total_arr.append(result)
color = "red", "orange", "green", "blue", "gray", "goldenrod" # 各类别颜色
explode = (0.2, 0, 0, 0, 0, 0) # 各类别的偏移半径
# 绘制饼状图
pie = plt.pie(total_arr, colors=color, explode=explode, labels=name_arr, shadow=True, autopct="%1.1f%%")
plt.axis("equal")
plt.title(u"热点旅游景区门票价格比例", fontsize=12)
plt.legend(loc=0, bbox_to_anchor=(0.82, 1)) # 图例
# 设置 legend 的字体大小
leg = plt.gca().get_legend()
ltext = leg.get_texts()
plt.setp(ltext, fontsize=6)
# 显示图
plt.show()
你一般旅游都去哪呢?