数学建模社区-数学中国

标题: Python爬取和分析旅游数据 [打印本页]
作者: 杨利霞    时间: 2020-7-7 16:39
标题: Python爬取和分析旅游数据

Python爬取和分析旅游数据

01 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：马蜂窝。


1. 获得城市编号


马蜂窝中的所有城市、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：（可左右滑动查看、复制编辑）


2. 获得城市信息

城市数据分别从以下几个页面获取：

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.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) for i in range(0,len(tag_count))])







  •    tag_jd_count = sum([int(tag_count) for i in range(0,len(tag_count)) if par=='jd'])







  •    tag_cy_count = sum([int(tag_count) for i in range(0,len(tag_count)) if par=='cy'])







  •    tag_gw_yl_count = sum([int(tag_count) for i in range(0,len(tag_count)) if par 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})



02 数据分析：


1. 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，那么说明马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：



看来对于马蜂窝的用户来说，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')






2. 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：


马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。


3. 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，马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')



用Python爬取分析全国旅游数据.docx

460.85 KB, 下载次数: 2, 下载积分: 体力 -2 点

售价: 4 点体力  [记录]

作者: 暗叶i    时间: 2020-7-7 18:36
厉害了，感觉很深奥 看不懂啊



欢迎光临 数学建模社区-数学中国 (http://www.madio.net/) Powered by Discuz! X2.5