国庆假期曾经过半，你是进来浪了？还是在家里宅着呢？那你晓得你的敌人去哪浪了吗？本文咱们通过爬取去哪网售票数据(piao.qunar.com)来简略剖析一下。
数据爬取
首选，咱们关上网址：piao.qunar.com，在搜寻框输出一个省级行政区划进行搜寻，以浙江为例，如图所示：
再将页面向下拉，F12 关上开发者工具，点击下一页看一下 URL，如图所示：
通过观察 URL 咱们能够看出 keyword 和 page 是动静的，一个是输出条件值，另一个是页码值，当咱们须要翻页爬取时能够进行动静赋值，再将开发者工具切到 Response，咱们能够发现返回的数据是 JSON 格局的，如图所示：
这里咱们以 34 个省级行政区划作为 keyword 进行分页爬取，次要爬取代码实现如下：
def get_city_data(cities, pages): cityNames = [] sightNames = [] stars = [] scores = [] qunarPrices = [] saleCounts = [] districtses = [] points = [] intros = [] frees = [] addresses = [] for city in cities: for page in range(1, pages+1): try: print(f'正在爬取{city}第{page}页数据...') time.sleep(random.uniform(1.5, 2.5)) url = f'https://piao.qunar.com/ticket/list.json?from=mpl_search_suggest&keyword={city}&page={page}' print('url：', url) result = requests.get(url, headers=headers, timeout=(2.5, 5.5)) status = result.status_code if(status == 200): # 每页数据 response_info = json.loads(result.text) print('数据：', response_info) sight_list = response_info['data']['sightList'] for sight in sight_list: sightName = sight['sightName'] # 名称 star = sight.get('star', None) # 星级 score = sight.get('score', 0) # 评分 qunarPrice = sight.get('qunarPrice', 0) # 价格 saleCount = sight.get('saleCount', 0) # 销量 districts = sight.get('districts', None) # 行政区划 point = sight.get('point', None) # 坐标 intro = sight.get('intro', None) # 简介 free = sight.get('free', True) # 是否收费 address = sight.get('address', None) # 地址 cityNames.append(city) sightNames.append(sightName) stars.append(star) scores.append(score) qunarPrices.append(qunarPrice) saleCounts.append(saleCount) districtses.append(districts) points.append(point) intros.append(intro) frees.append(free) addresses.append(address) except: continue city_dic = {'cityName': cityNames, 'sightName': sightNames, 'star': stars, 'score': scores, 'qunarPrice': qunarPrices, 'saleCount': saleCounts, 'districts': districtses, 'point': points, 'intro': intros, 'free': frees, 'address': addresses} city_df = pd.DataFrame(city_dic) city_df.to_csv('cities.csv', index=False)数据分析
当初数据有了，咱们再来简略剖析一下。
地位散布
首选，咱们来看一下景区的地位散布状况。
先看一下景区的整体散布状况，次要代码实现如下：
for city in df[(df.iloc[:, 5] > 0)].iloc[:, 0]: if city != "": cities.append(city)data = Counter(cities).most_common(100)gx = []gy = []for c in data: gx.append(c[0]) gy.append(c[1])( Map(init_opts=opts.InitOpts(theme=ThemeType.MACARONS, height="500px")) .add('数量', [list(z) for z in zip(gx, gy)], 'china') .set_global_opts( title_opts=opts.TitleOpts(title='各地景区数量散布'), visualmap_opts=opts.VisualMapOpts(max_=150, is_piecewise=True), )).render_notebook()看一下成果：
再看一下各地景区的销量状况，次要代码实现如下：
df_item = df[['cityName','saleCount']]df_sum = df_item.groupby('cityName').sum()( Map(init_opts=opts.InitOpts(theme=ThemeType.ROMANTIC, height="500px")) .add('销量', [list(z) for z in zip(df_sum.index.values.tolist(), df_sum.values.tolist())], 'china') .set_global_opts( title_opts=opts.TitleOpts(title='各地景区销量散布'), visualmap_opts=opts.VisualMapOpts(max_=150000, is_piecewise=True) )).render_notebook()看一下成果：
最热景区
咱们接着看 TOP10 热门景区有哪些？它们的价格又是多少呢？次要代码实现如下：
sort_sale = df.sort_values(by='saleCount', ascending=True)( Bar(init_opts=opts.InitOpts(theme=ThemeType.MACARONS, width='125%')) .add_xaxis(list(sort_sale['sightName'])[-10:]) .add_yaxis('销量', sort_sale['saleCount'].values.tolist()[-10:]) .add_yaxis('价格', sort_sale['qunarPrice'].values.tolist()[-10:]) .reversal_axis() .set_global_opts( title_opts=opts.TitleOpts(title='最热景区TOP10'), yaxis_opts=opts.AxisOpts(name='名称', axislabel_opts=opts.LabelOpts(rotate=-30)), xaxis_opts=opts.AxisOpts(name='销量/价格'), ) .set_series_opts(label_opts=opts.LabelOpts(position="right"))).render_notebook()看一下成果：
从图中咱们能够看出 TOP10 热门景区的价格大多数都在 500 以内，算是比拟亲民了。如果你的敌人喜爱冷落，他（她）可能去了热门景区。
再接着看热门景区的介绍状况，这里咱们选取 T100 数据，通过词云来看一下。次要实现代码如下：
sort_sale = df.sort_values(by='saleCount', ascending=True)stylecloud.gen_stylecloud(text=cts_str, max_words=100, collocations=False, font_path="SIMLI.TTF", icon_name="fab fa-firefox", size=800, output_name="hot.png")看一下成果：
最豪景区
咱们再看一下票价 TOP10 景区有哪些？它们的销量怎么样呢？次要代码实现如下：
sort_price = df.sort_values(by='qunarPrice', ascending=True)( Bar(init_opts=opts.InitOpts(theme=ThemeType.ROMA)) .add_xaxis(list(sort_price['sightName'])[-10:]) .add_yaxis('价格', sort_price['qunarPrice'].values.tolist()[-10:]) .add_yaxis('销量', sort_price['saleCount'].values.tolist()[-10:]) .reversal_axis() .set_global_opts( title_opts=opts.TitleOpts(title='最豪景区TOP10'), yaxis_opts=opts.AxisOpts(name='名称'), xaxis_opts=opts.AxisOpts(name='价格/销量'), ) .set_series_opts(label_opts=opts.LabelOpts(position="right"))).render_notebook()看一下成果：
如果你的敌人是一个酷爱游览的土豪，他（她）很有可能去了土豪景区了。
再接着看一下土豪景区的介绍状况，这里咱们还是选取 T100 数据，通过词云来看一下。
次要代码实现如下：
sort_price = df.sort_values(by='qunarPrice', ascending=True)stylecloud.gen_stylecloud(text=cts_str, max_words=100, collocations=False, font_path="SIMLI.TTF", icon_name="fas fa-yen-sign",#最豪 size=800, output_name="money.png")看一下成果：
景区星级
咱们再来看一下各省级行政区划的 5A 级景区数量状况，次要代码实现如下：
df_sum = df[df['star']=='5A'].groupby('cityName').count()['star']( Bar(init_opts=opts.InitOpts(theme=ThemeType.MACARONS)) .add_xaxis(df_sum.index.values.tolist()) .add_yaxis('数量', df_sum.values.tolist()) .set_global_opts( title_opts=opts.TitleOpts(title='各地5A景区数量'), datazoom_opts=[opts.DataZoomOpts(), opts.DataZoomOpts(type_='inside')], )).render_notebook()看一下成果：
如果你的敌人酷爱游览且对 5A 级景区情有独钟，他（她）可能去了 5A 景区的城市了。
最初，咱们看一下 T200 热门景区的星级比例状况是怎么的？次要代码实现如下：
sort_data = df.sort_values(by=['saleCount'], ascending=True)rates = list(sort_data['star'])[-200:]gx = ["3A", "4A", "5A"]gy = [ rates.count("3A"), rates.count("4A"), rates.count("5A")]( Pie(init_opts=opts.InitOpts(theme=ThemeType.MACARONS)) .add("", list(zip(gx, gy)), radius=["40%", "70%"]) .set_global_opts(title_opts=opts.TitleOpts(title="销量TOP200景区星级比例", pos_left = "left")) .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}:{d}%", font_size=12))).render_notebook()看一下成果：
从图中咱们能够看出 90% 以上的景区均为 4/5A 级。
好了，本文就到这里了，文中咱们对去哪网售票数据中的几个指标进行了简略的剖析，能够做个简略的参考，当然了，如果你感兴趣的话，还能够持续对其余指标进行剖析。
源码在公众号Python小二后盾回复qunar获取。