主頁 > 後端開發 > 爬蟲實戰:爬蟲加資料分析,重慶電氣小哥一文帶你分析重慶所有旅游景點

爬蟲實戰:爬蟲加資料分析,重慶電氣小哥一文帶你分析重慶所有旅游景點

2021-02-01 12:26:05 後端開發

寒假已經到了,玩是要玩的,作為一個地地道道的重慶電網小哥,今天想用python爬蟲+資料分析 的方式告訴你重慶哪些地方好玩,

先上一張最后景區地點分布結果圖

資料來源:去哪兒旅行

網址:去哪兒旅行-重慶

用request請求到json資料

第一部分:爬蟲

資料搜索:小試牛刀

import requests
keyword = "重慶"
page=1#列印第一頁

headers = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/69.0.3947.100 Safari/537.36"}
url = f'http://piao.qunar.com/ticket/list.json?keyword={keyword}&region=&from=mpl_search_suggest&page={page}'
res = requests.request("GET", url, headers=headers)

try:
    res_json = res.json()
    data = res_json['data']
    print(data)
except:
    pass

結果

json回傳的資料格式是字典型,我們需要從中找到我感興趣的關鍵詞
搜索結果
發現我們感興趣的是sightList

于是可以修改代碼為

import requests
keyword = "重慶"
page=1

headers = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/69.0.3947.100 Safari/537.36"}
url = f'http://piao.qunar.com/ticket/list.json?keyword={keyword}&region=&from=mpl_search_suggest&page={page}'
res = requests.request("GET", url, headers=headers)


res_json = res.json()
sightLists = res_json['data']['sightList']#sightList是感興趣的
for  sight in sightLists:
    print(sight)

再次提取資訊,修改代碼為

import requests
import pandas as pd
keyword = "重慶"
page=1#查看第一頁

headers = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/69.0.3947.100 Safari/537.36"}
url = f'http://piao.qunar.com/ticket/list.json?keyword={keyword}&region=&from=mpl_search_suggest&page={page}'
res = requests.request("GET", url, headers=headers)


res_json = res.json()
sightLists = res_json['data']['sightList']#sightList是感興趣的
for  sight in sightLists:
    name=(sight['sightName'] if 'sightName' in sight.keys() else None)#名稱
    districts=(sight['districts'] if 'districts' in sight.keys() else None)#地址
    star=(sight['star'] if 'star' in sight.keys() else None) #星級
    qunarPrice=(sight['qunarPrice'] if 'qunarPrice' in sight.keys() else None)#最低價格
    saleCount=(sight['saleCount'] if 'saleCount' in sight.keys() else None)#購買人數
    score=(sight['score'] if 'score' in sight.keys() else None )#評分
    point=(sight['point'] if 'point' in sight.keys() else None )#坐標位置
    intro=(sight['intro'] if 'intro' in sight.keys() else None)#介紹
    print('名稱:{0},地址:{1},星級:{2},價格:{3},saleCount:{4},評分:{5},坐標:{6},介紹:{7}'.format(name,districts,star,qunarPrice,saleCount,score,point,intro))

我們需要將資料寫入表格,

import requests
import pandas as pd
import numpy as np
keyword = "重慶"
page=1#查看第一頁

headers = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/69.0.3947.100 Safari/537.36"}
url = f'http://piao.qunar.com/ticket/list.json?keyword={keyword}&region=&from=mpl_search_suggest&page={page}'
res = requests.request("GET", url, headers=headers)


res_json = res.json()
sightLists = res_json['data']['sightList']#sightList是感興趣的
for  sight in sightLists:
    name=(sight['sightName'] if 'sightName' in sight.keys() else None)#名稱
    districts=(sight['districts'] if 'districts' in sight.keys() else None)#地址
    star=(sight['star'] if 'star' in sight.keys() else None) #星級
    qunarPrice=(sight['qunarPrice'] if 'qunarPrice' in sight.keys() else None)#最低價格
    saleCount=(sight['saleCount'] if 'saleCount' in sight.keys() else None)#購買人數
    score=(sight['score'] if 'score' in sight.keys() else None )#評分
    point=(sight['point'] if 'point' in sight.keys() else None )#坐標位置
    intro=(sight['intro'] if 'intro' in sight.keys() else None)#介紹
    #print('名稱:{0},地址:{1},星級:{2},價格:{3},saleCount:{4},評分:{5},坐標:{6},介紹:{7}'.format(name,districts,star,qunarPrice,saleCount,score,point,intro))

    shuju=np.array((name,districts,star,qunarPrice,saleCount,score,point,intro))
    shuju=shuju.reshape(-1,8)
    shuju=pd.DataFrame(shuju,columns=['名稱','地址','星級','最低價格','購買人數','評分','坐標位置','介紹'])
    #print(shuju)

    shuju.to_csv('重慶景點資料.csv', mode='a+', index=False,header=False)  # mode='a+'追加寫入

多頁爬取
前面以一頁資料為例,整理出啦大概代碼,現在需要爬取多頁

#!/usr/bin/env python3
# -*- coding: utf-8 -*-
# @Author: yudengwu 余登武
# @Date  : 2021/1/30
import requests
import pandas as pd
import numpy as np
import random
from time import sleep
def get_data(keyword, page):
    headers = {
        "User-Agent": "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/69.0.3947.100 Safari/537.36"}
    url = f'http://piao.qunar.com/ticket/list.json?keyword={keyword}&region=&from=mpl_search_suggest&page={page}'
    res = requests.request("GET", url, headers=headers)
    sleep(random.uniform(1, 2))
    try:
        res_json = res.json()
        sightLists = res_json['data']['sightList']  # sightList是感興趣的
        for sight in sightLists:
            name = (sight['sightName'] if 'sightName' in sight.keys() else None)  # 名稱
            districts = (sight['districts'] if 'districts' in sight.keys() else None)  # 地址
            star = (sight['star'] if 'star' in sight.keys() else None)  # 星級
            qunarPrice = (sight['qunarPrice'] if 'qunarPrice' in sight.keys() else None)  # 最低價格
            saleCount = (sight['saleCount'] if 'saleCount' in sight.keys() else None)  # 購買人數
            score = (sight['score'] if 'score' in sight.keys() else None)  # 評分
            point = (sight['point'] if 'point' in sight.keys() else None)  # 坐標位置
            intro = (sight['intro'] if 'intro' in sight.keys() else None)  # 介紹
            # print('名稱:{0},地址:{1},星級:{2},價格:{3},saleCount:{4},評分:{5},坐標:{6},介紹:{7}'.format(name,districts,star,qunarPrice,saleCount,score,point,intro))

            shuju = np.array((name, districts, star, qunarPrice, saleCount, score, point, intro))
            shuju = shuju.reshape(-1, 8)
            shuju = pd.DataFrame(shuju, columns=['名稱', '地址', '星級', '最低價格', '購買人數', '評分', '坐標位置', '介紹'])
            # print(shuju)

            shuju.to_csv('重慶景點資料.csv', mode='a+', index=False, header=False)  # mode='a+'追加寫入
    except:
        pass


if __name__ == '__main__':
    keyword = "重慶"
    for page in range(1, 75):  # 控制頁數
        print(f"正在提取第{page}頁")
        sleep(random.uniform(1, 2))
        get_data(keyword, page)

1000多條資料,原來重慶這么多好玩的

第二部分:資料分析

前面我們爬取了資料,現在來分析下,

1.讀取資料

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
plt.rcParams['font.sans-serif'] = ['SimHei']  # 設定加載的字體名
plt.rcParams['axes.unicode_minus'] = False#

df=pd.read_csv('重慶景點資料.csv',header=None,names=list(['名稱', '地址', '星級', '最低價格', '購買人數', '評分', '坐標位置', '介紹']))
df = df.drop_duplicates()#洗掉重復資料,得到470行資料
print(df.head())

去除重復資料后,得到重慶有470處景點

2.景點價格分析
最高Top20

df_qunarPrice = df.pivot_table(index='名稱',values='最低價格')
df_qunarPrice.sort_values('最低價格',inplace=True,ascending=False)#降序
#print(df_qunarPrice[:20])#最高價格top20
df_qunarPrice[:20].plot(kind='barh')
plt.title('價格最高Top20')
plt.show()

最低Top20

df_qunarPrice = df.pivot_table(index='名稱',values='最低價格')
df_qunarPrice.sort_values('最低價格',inplace=True,ascending=True)
#print(df_qunarPrice[:20])#最高價格top20
df_qunarPrice[:20].plot(kind='barh')
plt.title('最低Top20')
plt.show()

3.景點評分分析
評分最高Top20

#評分TOP20景點
df_score = df.pivot_table(index='名稱',values='評分')
df_score.sort_values('評分',inplace=True,ascending=False)
df_score[:20].plot(kind='barh',color='red')#barh橫條形圖
plt.title('評分最高Top20')
plt.show()

評分最低Top20
df_score = df.pivot_table(index='名稱',values='評分')
df_score.sort_values('評分',inplace=True,ascending=True )
df_score[:20].plot(kind='barh',color='red')#barh橫條形圖
plt.title('評分最低Top20')
plt.show()

沒有評分(可能是網站還未收錄該地方評分吧…)

4.月銷售額分析
最高Top20

df_saleCount = df.pivot_table(index='名稱',values='購買人數')
df_saleCount.sort_values('購買人數',inplace=True,ascending=False)
df_saleCount[:20].plot(kind='barh',color='green')#barh橫條形圖
plt.title('月銷售額最高Top20')
plt.show()

最低Top20(可能未收錄該地方資料把,可能該地方免費吧)

5.景點等級分布

from pyecharts.charts import *
from pyecharts import options as opts
from pyecharts.globals import ThemeType

df_star = df["星級"].value_counts()
df_star = df_star.sort_values(ascending=False)
print(df_star)

查找有等級的景點名稱,即3星級及其以上

print(df[df["星級"]!='無'].sort_values("星級",ascending=False)['名稱'])

展示部分圖,太多啦

6.景點地址地圖繪圖
先保存文本地檔案

df["lon"] = df["坐標位置"].str.split(",",expand=True)[0]#經度
df["lat"] = df["坐標位置"].str.split(",",expand=True)[1]#緯度
df.to_csv("data重慶.csv")

繪制地圖

import pandas as pd

stations = pd.read_csv('data重慶.csv',delimiter=',')

from pyecharts.charts import Geo
from pyecharts import options
from pyecharts.globals import GeoType

g = Geo().add_schema(maptype="重慶")

# 給所有點附上標簽 'StationID'
for i in stations.index:
    s = stations.iloc[i]
    g.add_coordinate(s['名稱'],s['lon'],s['lat'])#地區名稱,經度,緯度

# 給每個點的值賦為 1
data_pair = [(stations.iloc[i]['名稱'],1) for i in stations.index]

# 畫圖
g.add('',data_pair, type_=GeoType.EFFECT_SCATTER, symbol_size=2)
g.set_series_opts(label_opts=options.LabelOpts(is_show=False))
g.set_global_opts(title_opts=options.TitleOpts(title="重慶景點分布圖by-yudengwu"))

# 保存結果到 html
result = g.render('stations.html')

主城區那邊好玩的多

在這里插入圖片描述

作者:電氣-余登武,寫作屬實不易,如果你覺得很好,動個手點個贊再走,

轉載請註明出處,本文鏈接:https://www.uj5u.com/houduan/255216.html

標籤:python

上一篇:python中xlrd模塊的使用

下一篇:一些python函式的語法

標籤雲
其他(157675) Python(38076) JavaScript(25376) Java(17977) C(15215) 區塊鏈(8255) C#(7972) AI(7469) 爪哇(7425) MySQL(7132) html(6777) 基礎類(6313) sql(6102) 熊猫(6058) PHP(5869) 数组(5741) R(5409) Linux(5327) 反应(5209) 腳本語言(PerlPython)(5129) 非技術區(4971) Android(4554) 数据框(4311) css(4259) 节点.js(4032) C語言(3288) json(3245) 列表(3129) 扑(3119) C++語言(3117) 安卓(2998) 打字稿(2995) VBA(2789) Java相關(2746) 疑難問題(2699) 细绳(2522) 單片機工控(2479) iOS(2429) ASP.NET(2402) MongoDB(2323) 麻木的(2285) 正则表达式(2254) 字典(2211) 循环(2198) 迅速(2185) 擅长(2169) 镖(2155) 功能(1967) .NET技术(1958) Web開發(1951) python-3.x(1918) HtmlCss(1915) 弹簧靴(1913) C++(1909) xml(1889) PostgreSQL(1872) .NETCore(1853) 谷歌表格(1846) Unity3D(1843) for循环(1842)

熱門瀏覽
  • 【C++】Microsoft C++、C 和匯編程式檔案

    ......

    uj5u.com 2020-09-10 00:57:23 more
  • 例外宣告

    相比于斷言適用于排除邏輯上不可能存在的狀態,例外通常是用于邏輯上可能發生的錯誤。 例外宣告 Item 1:當函式不可能拋出例外或不能接受拋出例外時,使用noexcept 理由 如果不打算拋出例外的話,程式就會認為無法處理這種錯誤,并且應當盡早終止,如此可以有效地阻止例外的傳播與擴散。 示例 //不可 ......

    uj5u.com 2020-09-10 00:57:27 more
  • Codeforces 1400E Clear the Multiset(貪心 + 分治)

    鏈接:https://codeforces.com/problemset/problem/1400/E 來源:Codeforces 思路:給你一個陣列,現在你可以進行兩種操作,操作1:將一段沒有 0 的區間進行減一的操作,操作2:將 i 位置上的元素歸零。最終問:將這個陣列的全部元素歸零后操作的最少 ......

    uj5u.com 2020-09-10 00:57:30 more
  • UVA11610 【Reverse Prime】

    本人看到此題沒有翻譯,就附帶了一個自己的翻譯版本 思考 這一題,它的第一個要求是找出所有 $7$ 位反向質數及其質因數的個數。 我們應該需要質數篩篩選1~$10^{7}$的所有數,這里就不慢慢介紹了。但是,重讀題,我們突然發現反向質數都是 $7$ 位,而將它反過來后的數字卻是 $6$ 位數,這就說明 ......

    uj5u.com 2020-09-10 00:57:36 more
  • 統計區間素數數量

    1 #pragma GCC optimize(2) 2 #include <bits/stdc++.h> 3 using namespace std; 4 bool isprime[1000000010]; 5 vector<int> prime; 6 inline int getlist(int ......

    uj5u.com 2020-09-10 00:57:47 more
  • C/C++編程筆記:C++中的 const 變數詳解,教你正確認識const用法

    1、C中的const 1、區域const變數存放在堆疊區中,會分配記憶體(也就是說可以通過地址間接修改變數的值)。測驗代碼如下: 運行結果: 2、全域const變數存放在只讀資料段(不能通過地址修改,會發生寫入錯誤), 默認為外部聯編,可以給其他源檔案使用(需要用extern關鍵字修飾) 運行結果: ......

    uj5u.com 2020-09-10 00:58:04 more
  • 【C++犯錯記錄】VS2019 MFC添加資源不懂如何修改資源宏ID

    1. 首先在資源視圖中,添加資源 2. 點擊新添加的資源,復制自動生成的ID 3. 在解決方案資源管理器中找到Resource.h檔案,編輯,使用整個專案搜索和替換的方式快速替換 宏宣告 4. Ctrl+Shift+F 全域搜索,點擊查找全部,然后逐個替換 5. 為什么使用搜索替換而不使用屬性視窗直 ......

    uj5u.com 2020-09-10 00:59:11 more
  • 【C++犯錯記錄】VS2019 MFC不懂的批量添加資源

    1. 打開資源頭檔案Resource.h,在其中預先定義好宏 ID(不清楚其實ID值應該設定多少,可以先新建一個相同的資源項,再在這個資源的ID值的基礎上遞增即可) 2. 在資源視圖中選中專案資源,按F7編輯資源檔案,按 ID 型別 相對路徑的形式添加 資源。(別忘了先把檔案拷貝到專案中的res檔案 ......

    uj5u.com 2020-09-10 01:00:19 more
  • C/C++編程筆記:關于C++的參考型別,專供新手入門使用

    今天要講的是C++中我最喜歡的一個用法——參考,也叫別名。 參考就是給一個變數名取一個變數名,方便我們間接地使用這個變數。我們可以給一個變數創建N個參考,這N + 1個變數共享了同一塊記憶體區域。(參考型別的變數會占用記憶體空間,占用的記憶體空間的大小和指標型別的大小是相同的。雖然參考是一個物件的別名,但 ......

    uj5u.com 2020-09-10 01:00:22 more
  • 【C/C++編程筆記】從頭開始學習C ++:初學者完整指南

    眾所周知,C ++的學習曲線陡峭,但是花時間學習這種語言將為您的職業帶來奇跡,并使您與其他開發人員區分開。您會更輕松地學習新語言,形成真正的解決問題的技能,并在編程的基礎上打下堅實的基礎。 C ++將幫助您養成良好的編程習慣(即清晰一致的編碼風格,在撰寫代碼時注釋代碼,并限制類內部的可見性),并且由 ......

    uj5u.com 2020-09-10 01:00:41 more
最新发布
  • Rust中的智能指標:Box<T> Rc<T> Arc<T> Cell<T> RefCell<T> Weak

    Rust中的智能指標是什么 智能指標(smart pointers)是一類資料結構,是擁有資料所有權和額外功能的指標。是指標的進一步發展 指標(pointer)是一個包含記憶體地址的變數的通用概念。這個地址參考,或 ” 指向”(points at)一些其 他資料 。參考以 & 符號為標志并借用了他們所 ......

    uj5u.com 2023-04-20 07:24:10 more
  • Java的值傳遞和參考傳遞

    值傳遞不會改變本身,參考傳遞(如果傳遞的值需要實體化到堆里)如果發生修改了會改變本身。 1.基本資料型別都是值傳遞 package com.example.basic; public class Test { public static void main(String[] args) { int ......

    uj5u.com 2023-04-20 07:24:04 more
  • [2]SpinalHDL教程——Scala簡單入門

    第一個 Scala 程式 shell里面輸入 $ scala scala> 1 + 1 res0: Int = 2 scala> println("Hello World!") Hello World! 檔案形式 object HelloWorld { /* 這是我的第一個 Scala 程式 * 以 ......

    uj5u.com 2023-04-20 07:23:58 more
  • 理解函式指標和回呼函式

    理解 函式指標 指向函式的指標。比如: 理解函式指標的偽代碼 void (*p)(int type, char *data); // 定義一個函式指標p void func(int type, char *data); // 宣告一個函式func p = func; // 將指標p指向函式func ......

    uj5u.com 2023-04-20 07:23:52 more
  • Django筆記二十五之資料庫函式之日期函式

    本文首發于公眾號:Hunter后端 原文鏈接:Django筆記二十五之資料庫函式之日期函式 日期函式主要介紹兩個大類,Extract() 和 Trunc() Extract() 函式作用是提取日期,比如我們可以提取一個日期欄位的年份,月份,日等資料 Trunc() 的作用則是截取,比如 2022-0 ......

    uj5u.com 2023-04-20 07:23:45 more
  • 一天吃透JVM面試八股文

    什么是JVM? JVM,全稱Java Virtual Machine(Java虛擬機),是通過在實際的計算機上仿真模擬各種計算機功能來實作的。由一套位元組碼指令集、一組暫存器、一個堆疊、一個垃圾回收堆和一個存盤方法域等組成。JVM屏蔽了與作業系統平臺相關的資訊,使得Java程式只需要生成在Java虛擬機 ......

    uj5u.com 2023-04-20 07:23:31 more
  • 使用Java接入小程式訂閱訊息!

    更新完微信服務號的模板訊息之后,我又趕緊把微信小程式的訂閱訊息給實作了!之前我一直以為微信小程式也是要企業才能申請,沒想到小程式個人就能申請。 訊息推送平臺🔥推送下發【郵件】【短信】【微信服務號】【微信小程式】【企業微信】【釘釘】等訊息型別。 https://gitee.com/zhongfuch ......

    uj5u.com 2023-04-20 07:22:59 more
  • java -- 緩沖流、轉換流、序列化流

    緩沖流 緩沖流, 也叫高效流, 按照資料型別分類: 位元組緩沖流:BufferedInputStream,BufferedOutputStream 字符緩沖流:BufferedReader,BufferedWriter 緩沖流的基本原理,是在創建流物件時,會創建一個內置的默認大小的緩沖區陣列,通過緩沖 ......

    uj5u.com 2023-04-20 07:22:49 more
  • Java-SpringBoot-Range請求頭設定實作視頻分段傳輸

    老實說,人太懶了,現在基本都不喜歡寫筆記了,但是網上有關Range請求頭的文章都太水了 下面是抄的一段StackOverflow的代碼...自己大修改過的,寫的注釋挺全的,應該直接看得懂,就不解釋了 寫的不好...只是希望能給視頻網站開發的新手一點點幫助吧. 業務場景:視頻分段傳輸、視頻多段傳輸(理 ......

    uj5u.com 2023-04-20 07:22:42 more
  • Windows 10開發教程_編程入門自學教程_菜鳥教程-免費教程分享

    教程簡介 Windows 10開發入門教程 - 從簡單的步驟了解Windows 10開發,從基本到高級概念,包括簡介,UWP,第一個應用程式,商店,XAML控制元件,資料系結,XAML性能,自適應設計,自適應UI,自適應代碼,檔案管理,SQLite資料庫,應用程式到應用程式通信,應用程式本地化,應用程式 ......

    uj5u.com 2023-04-20 07:22:35 more