python哪些城市好发展_我用Python爬了各大城市的旅游数据后发现,最好玩的还是这里......
源/数据森麟文/徐麟
前言:
Python对于本人来讲也是一个在逐渐学习掌握的过程,这次的内容就从旅游开始讲起,进入正文前首先附(fang)上(du)最令我垂涎欲滴的海鲜盛宴。
数据爬取:
最近几天朋友圈被大家的旅行足迹刷屏了,惊叹于那些把全国所有省基本走遍的朋友。与此同时,也萌生了写一篇旅行相关的内容,本次数据来源于一个对于爬虫十分友好的旅行攻略类网站:蚂蜂窝
PART1:获得城市编号
蚂蜂窝中的所有城市、景点以及其他的一些信息都有一个专属的5位数字编号,我们第一步要做的就是获取城市(直辖市+地级市)的编号,进行后续的进一步分析。
以上两个页面就是我们的城市编码来源,需要首先从目的地页面获得各省编码,之后进入各省城市列表获得编码。过程中需要Selenium进行动态数据爬取,部分代码如下:def
find_cat_url(url):
headers = {
'User-Agent'
:
'Mozilla/5.0 (Windows NT 6.1; WOW64; rv:23.0) Gecko/20100101 Firefox/23.0'
}
req=request.
Request
(url,headers=headers)
html=urlopen(req)
bsObj=
BeautifulSoup
(html.read(),
'html.parser'
)
bs = bsObj.find(
'div'
,attrs={
'class'
:
'hot-list clearfix'
}).find_all(
'dt'
)
cat_url = []
cat_name = []
for
i
in
range(
0
,len(bs)):
for
j
in
range(
0
,len(bs[i].find_all(
'a'
))):
cat_url.append(bs[i].find_all(
'a'
)[j].attrs[
'href'
])
cat_name.append(bs[i].find_all(
'a'
)[j].text)
cat_url = [
'http://www.mafengwo.cn'
+cat_url[i]
for
i
in
range(
0
,len(cat_url))]
return
cat_url
def
find_city_url(url_list):
city_name_list = []
city_url_list = []
for
i
in
range(
0
,len(url_list)):
driver = webdriver.
Chrome
()
driver.maximize_window()
url = url_list[i].replace(
'travel-scenic-spot/mafengwo'
,
'mdd/citylist'
)
driver.
get
(url)
while
True
:
try
:
time.sleep(
2
)
bs =
BeautifulSoup
(driver.page_source,
'html.parser'
)
url_set = bs.find_all(
'a'
,attrs={
'data-type'
:
'目的地'
})
city_name_list = city_name_list +[url_set[i].text.replace(
'\n'
,
''
).split()[
0
]
for
i
in
range(
0
,len(url_set))]
city_url_list = city_url_list+[url_set[i].attrs[
'data-id'
]
for
i
in
range(
0
,len(url_set))]
js=
'var q=document.documentElement.scrollTop=800'
driver.execute_script(js)
time.sleep(
2
)
driver.find_element_by_class_name(
'pg-next'
).click()
except
:
break
driver.close()
return
city_name_list,city_url_list
url =
'http://www.mafengwo.cn/mdd/'
url_list = find_cat_url(url)
city_name_list,city_url_list=find_city_url(url_list)
city = pd.
DataFrame
({
'city'
:city_name_list,
'id'
:city_url_list})
PART2:获得城市信息
城市数据分别从以下几个页面获取:
(a)小吃页面
(b)景点页面
(c)标签页面
我们将每个城市获取数据的过程封装成函数,每次传入之前获得的城市编码,部分代码如下:def
get_city_info(city_name,city_code):
this_city_base = get_city_base(city_name,city_code)
this_city_jd = get_city_jd(city_name,city_code)
this_city_jd[
'city_name'
] = city_name
this_city_jd[
'total_city_yj'
] = this_city_base[
'total_city_yj'
]
try
:
this_city_food = get_city_food(city_name,city_code)
this_city_food[
'city_name'
] = city_name
this_city_food[
'total_city_yj'
] = this_city_base[
'total_city_yj'
]
except
:
this_city_food=pd.
DataFrame
()
return
this_city_base,this_city_food,this_city_jd
def
get_city_base(city_name,city_code):
url =
'http://www.mafengwo.cn/xc/'
+str(city_code)+
'/'
bsObj = get_static_url_content(url)
node = bsObj.find(
'div'
,{
'class'
:
'm-tags'
}).find(
'div'
,{
'class'
:
'bd'
}).find_all(
'a'
)
tag = [node[i].text.split()[
0
]
for
i
in
range(
0
,len(node))]
tag_node = bsObj.find(
'div'
,{
'class'
:
'm-tags'
}).find(
'div'
,{
'class'
:
'bd'
}).find_all(
'em'
)
tag_count = [
int
(k.text)
for
k
in
tag_node]
par = [k.attrs[
'href'
][
1
:
3
]
for
k
in
node]
tag_all_count = sum([
int
(tag_count[i])
for
i
in
range(
0
,len(tag_count))])
tag_jd_count = sum([
int
(tag_count[i])
for
i
in
range(
0
,len(tag_count))
if
par[i]==
'jd'
])
tag_cy_count = sum([
int
(tag_count[i])
for
i
in
range(
0
,len(tag_count))
if
par[i]==
'cy'
])
tag_gw_yl_count = sum([
int
(tag_count[i])
for
i
in
range(
0
,len(tag_count))
if
par[i]
in
[
'gw'
,
'yl'
]])
url =
'http://www.mafengwo.cn/yj/'
+str(city_code)+
'/2-0-1.html '
bsObj = get_static_url_content(url)
total_city_yj =
int
(bsObj.find(
'span'
,{
'class'
:
'count'
}).find_all(
'span'
)[
1
].text)
return
{
'city_name'
:city_name,
'tag_all_count'
:tag_all_count,
'tag_jd_count'
:tag_jd_count,
'tag_cy_count'
:tag_cy_count,
'tag_gw_yl_count'
:tag_gw_yl_count,
'total_city_yj'
:total_city_yj}
def
get_city_food(city_name,city_code):
url =
'http://www.mafengwo.cn/cy/'
+str(city_code)+
'/gonglve.html'
bsObj = get_static_url_content(url)
food=[k.text
for
k
in
bsObj.find(
'ol'
,{
'class'
:
'list-rank'
}).find_all(
'h3'
)]
food_count=[
int
(k.text)
for
k
in
bsObj.find(
'ol'
,{
'class'
:
'list-rank'
}).find_all(
'span'
,{
'class'
:
'trend'
})]
return
pd.
DataFrame
({
'food'
:food[
0
:len(food_count)],
'food_count'
:food_count})
def
get_city_jd(city_name,city_code):
url =
'http://www.mafengwo.cn/jd/'
+str(city_code)+
'/gonglve.html'
bsObj = get_static_url_content(url)
node=bsObj.find(
'div'
,{
'class'
:
'row-top5'
}).find_all(
'h3'
)
jd = [k.text.split(
'\n'
)[
2
]
for
k
in
node]
node=bsObj.find_all(
'span'
,{
'class'
:
'rev-total'
})
jd_count=[
int
(k.text.replace(
' 条点评'
,
''
))
for
k
in
node]
return
pd.
DataFrame
({
'jd'
:jd[
0
:len(jd_count)],
'jd_count'
:jd_count})
数据分析:
PART1:城市数据
首先我们看一下游记数量最多的TOP10城市:
游记数量TOP10数量基本上与我们日常所了解的热门城市相符,我们进一步根据各个城市游记数量获得全国旅行目的地热力图:
看到这里,是不是有种似曾相识的感觉,如果你在朋友圈晒的足迹图与这幅图很相符,那么说明蚂蜂窝的数据与你不谋而合。
最后我们看一下大家对于各个城市的印象是如何的,方法就是提取标签中的属性,我们将属性分为了休闲、饮食、景点三组,分别看一下每一组属性下大家印象最深的城市:
看来对于蚂蜂窝的用户来说,厦门给大家留下的印象是非常深的,不仅游记数量充足,并且能从中提取的有效标签也非常多。重庆、西安、成都也无悬念的给吃货们留下了非常深的印象,部分代码如下:bar1 =
Bar
(
'餐饮类标签排名'
)
bar1.add(
'餐饮类标签分数'
, city_aggregate.sort_values(
'cy_point'
,
0
,
False
)[
'city_name'
][
0
:
15
],
city_aggregate.sort_values(
'cy_point'
,
0
,
False
)[
'cy_point'
][
0
:
15
],
is_splitline_show =
False
,xaxis_rotate=
30
)
bar2 =
Bar
(
'景点类标签排名'
,title_top=
'30%'
)
bar2.add(
'景点类标签分数'
, city_aggregate.sort_values(
'jd_point'
,
0
,
False
)[
'city_name'
][
0
:
15
],
city_aggregate.sort_values(
'jd_point'
,
0
,
False
)[
'jd_point'
][
0
:
15
],
legend_top=
'30%'
,is_splitline_show =
False
,xaxis_rotate=
30
)
bar3 =
Bar
(
'休闲类标签排名'
,title_top=
'67.5%'
)
bar3.add(
'休闲类标签分数'
, city_aggregate.sort_values(
'xx_point'
,
0
,
False
)[
'city_name'
][
0
:
15
],
city_aggregate.sort_values(
'xx_point'
,
0
,
False
)[
'xx_point'
][
0
:
15
],
legend_top=
'67.5%'
,is_splitline_show =
False
,xaxis_rotate=
30
)
grid =
Grid
(height=
800
)
grid.add(bar1, grid_bottom=
'75%'
)
grid.add(bar2, grid_bottom=
'37.5%'
,grid_top=
'37.5%'
)
grid.add(bar3, grid_top=
'75%'
)
grid.render(
'城市分类标签.html'
)
PART2:景点数据
我们提取了各个景点评论数,并与城市游记数量进行对比,分别得到景点评论的绝对值和相对值,并据此计算景点的人气、代表性两个分数,最终排名TOP15的景点如下:
蚂蜂窝网友对于厦门真的是情有独钟,鼓浪屿也成为了最具人气的景点,在城市代表性方面西塘古镇和羊卓雍措位列前茅。小长假来临之际,如果担心上排的景点人太多,不妨从下排的景点中挖掘那些人少景美的旅游地。
PART3:小吃数据
最后我们看一下大家最关注的的与吃相关的数据,处理方法与PART2景点数据相似,我们分别看一下最具人气和最具城市代表性的小吃
出乎意料,蚂蜂窝网友对厦门果真爱得深沉,让沙茶面得以超过火锅、烤鸭、肉夹馍跻身最具人气的小吃。在城市代表性方面,海鲜的出场频率非常高,这点与大(ben)家(ren)的认知也不谋而合,PART2与3的部分代码如下:bar1 =
Bar
(
'景点人气排名'
)
bar1.add(
'景点人气分数'
, city_jd_com.sort_values(
'rq_point'
,
0
,
False
)[
'jd'
][
0
:
15
],
city_jd_com.sort_values(
'rq_point'
,
0
,
False
)[
'rq_point'
][
0
:
15
],
is_splitline_show =
False
,xaxis_rotate=
30
)
bar2 =
Bar
(
'景点代表性排名'
,title_top=
'55%'
)
bar2.add(
'景点代表性分数'
, city_jd_com.sort_values(
'db_point'
,
0
,
False
)[
'jd'
][
0
:
15
],
city_jd_com.sort_values(
'db_point'
,
0
,
False
)[
'db_point'
][
0
:
15
],
is_splitline_show =
False
,xaxis_rotate=
30
,legend_top=
'55%'
)
grid=
Grid
(height=
800
)
grid.add(bar1, grid_bottom=
'60%'
)
grid.add(bar2, grid_top=
'60%'
,grid_bottom=
'10%'
)
grid.render(
'景点排名.html'
)
python哪些城市好发展_我用Python爬了各大城市的旅游数据后发现,最好玩的还是这里......相关推荐
- python哪些城市好就业_目前最全的python的就业方向
Python是一门面向对象的编程语言,编译速度超快,从诞生到现在已经25个年头了.它具有丰富和强大的库,常被称为"胶水语言",能够把用其他语言编写的各种模块(尤其是C/C++)很轻 ...
- python wx窗口无法关闭_菜鸟学Python,双手奉上老司机给上路新手总结的Python实战问题…...
针对Python这一话题每天后台都会有不少小伙伴提出问题,下面我就将这些问题进行汇整,产出"Python实战问题篇",我认为这些问题非常具有代表性,希望可以帮到大家. 第一类问题: ...
- 计算机编程导论python程序设计答案-学堂在线_计算机科学与Python编程导论_作业课后答案...
学堂在线_计算机科学与Python编程导论_作业课后答案 答案: 更多相关问题 近代中国完全沦为半殖民地半封建社会的标志是:A.<马关条约>B.<辛丑条约>C.<凡尔赛和 ...
- python在中国的发展-未来十年Python的前景会怎样?
回答过类似相关的问题,再引用一波,Python在人工智能.大数据.自动化运维.全栈开发方面有着得天独厚的优势,随着Python继续占领编程语言主流的趋势,全国各城市的招聘职位和薪资均会大幅度上涨. / ...
- python write 写多行_如何用 Python 执行单行命令
一般来说,面对日常处理的一些小任务,直接用 sed,grep 之类的就可以搞定,更复杂一点的就会考虑 awk 或者用一些现成的轮子,要是 awk 搞不定我就只好用 Python 了.但有些时候,我仅仅 ...
- python将字符串逆序_为什么说Python是一门伟大的入门语言?(附免费教程)
Python 是一门伟大的入门语言.作为一门伟大的编程语言,一定要具备一些特征,其中有五项特征是非常重要的: 非常棒的首次体验:就像书的开始,首先一定要能够"沉迷",学习新知识一定 ...
- 计算机编程导论python程序设计答案-学堂云_计算机科学与Python编程导论_作业课后答案...
学堂云_计算机科学与Python编程导论_作业课后答案 答案: 更多相关问题 保本基金参与股指期货交易,应当根据风险管理的原则,以套期保值为目的.() 基金经理主要依据股票投资价值报告来决定实际的投资 ...
- python怎么开发安卓程序_怎样用python开发安卓app-到底如何使用Python开发Android程序.txt...
Python是一种动态语言,是比较简单的. Android不直接支持使用Python开发的应用程序,它需要使用它的中间件或数据库.它提供了在Android平台上的Python语言的支持; Python ...
- python中的列表理解_掌握『Python列表理解』需要知道的9件事,你知道了吗?
越来越多的人开始学习Python,它已经成为最流行的编程语言之一,这几乎发生在所有领域.比如网络开发.科学计算,当然还有人工智能. 无论想用python干什么,都绕不开学习Python的数据结构.变量 ...
最新文章
- 再也不用担心过拟合的问题了
- go语言编程之字符串操作
- 详解浏览器解析一个URL的全过程
- Linux expect与Shell交互
- DPCM 压缩系统的实现和分析
- Hadoop学习笔记—11.MapReduce中的排序和分组
- 夯实基础项目工程之图论——Uncle Bogdan and Country Happiness,Graph Coloring,How Many Paths?,Array Differentiation
- 今天才发现自己美工其实很厉害!
- 记录一些js面试题以及解法
- uva 12086 树状数组
- javascript中的var浅析
- 组态王软件自动邮件EMAIL发送
- python关键字保留字
- RFID技术在物联网中有哪些应用
- 酷播云视频列表功能教程,简单实现视频列表连播
- 【JavaScript】打印星型金字塔
- 非常规的自我实现——听陆向谦讲创业
- java word文本框_Java 读取Word文本框中的文本、图片、表格
- 不会写SQL?ChatGPT 来帮你
- tpwr886n路由器设置虚拟服务器,tl-wr886n路由器设置步骤图解 | 192路由网
热门文章
- 计算机专业的女生适合干什么工作?
- 从拼产品到拼营销,头条是不是走偏了?
- 纷享销客产品副总裁李杰:连接型CRM如何支撑快消品牌企业新增长
- ZOJ1516 Uncle Tom's Inherited Land(二分图最大匹配)
- 全球及中国辉光放电质谱仪(GDMS)市场商业模式与十四五投资战略规划研究报告2022-2028年
- WZOI-237猜猜谁是冠军
- android 蓝牙发送失败怎么办,【报Bug】蓝牙模块CC2640R2F 安卓发送数据包第二次发送不成功{code:10007,message:property not support}...
- 【有利可图网】PS实战教程37:制作一颗晶莹剔透的水珠
- java1.8日期类_JDK1.8-日期使用
- Java Map集合的详解