刚刚过去的国庆长假，你是出去浪了，还是在家里宅着呢？那你知道你的朋友去哪浪了吗？本文我们通过爬取网络售票数据(piao.qunar.com)来简单分析一下。
首选，我们打开网址：piao.qunar.com，在搜索框输入一个省级行政区划进行搜索，以浙江为例，如图所示：
再将页面向下拉，F12 打开开发者工具，点击下一页看一下 URL，如图所示：
通过观察 URL 我们可以看出 keyword 和 page 是动态的，一个是输入条件值，另一个是页码值，当我们需要翻页爬取时可以进行动态赋值，再将开发者工具切到 Response，我们可以发现返回的数据是 JSON 格式的，如图所示：
这里我们以 34 个省级行政区划作为 keyword 进行分页爬取，主要爬取代码实现如下：
def get_city_data(cities, pages):for city in cities:for page in range(1, pages+1):print (f'正在爬取{city}第{page}页数据...' )'https://piao.qunar.com/ticket/list.json?from=mpl_search_suggest&keyword={city}&page={page}' print ('url：' , url)if (status == 200):# 每页数据 print ('数据：' , response_info)'data' ]['sightList' ]for sight in sight_list:'sightName' ] # 名称 'star' , None) # 星级 'score' , 0) # 评分 'qunarPrice' , 0) # 价格 'saleCount' , 0) # 销量 'districts' , None) # 行政区划 'point' , None) # 坐标 'intro'
# 简介 'free' , True) # 是否免费 'address' , None) # 地址 continue 'cityName' : cityNames, 'sightName' : sightNames, 'star' : stars,'score' : scores, 'qunarPrice' : qunarPrices, 'saleCount' : saleCounts,'districts' : districtses, 'point' : points, 'intro' : intros,'free' : frees, 'address' : addresses}'cities.csv' , index=False)数据分析 现在数据有了，我们再来简单分析一下。
首选，我们来看一下景区的位置分布情况。
先看一下景区的整体分布情况，主要代码实现如下：
for city in df[(df.iloc[:, 5] > 0)].iloc[:, 0]:if city != "" :for c in data:"500px" ))'数量' , [list(z) for z in zip(gx, gy)], 'china' )'各地景区数量分布' ),看一下效果：
再看一下各地景区的销量情况，主要代码实现如下：
df_item = df[['cityName' ,'saleCount' ]]'cityName' ).sum()"500px" ))'销量' , [list(z) for z in zip(df_sum.index.values.tolist(), df_sum.values.tolist())], 'china' )'各地景区销量分布' ),看一下效果：
我们接着看 TOP10 热门景区有哪些？它们的价格又是多少呢？主要代码实现如下：
sort_sale = df.sort_values(by='saleCount' , ascending=True)'125%' ))'sightName' ])[-10:])'销量' , sort_sale['saleCount' ].values.tolist()[-10:])'价格' , sort_sale['qunarPrice' ].values.tolist()[-10:])'最热景区TOP10' ),'名称' , axislabel_opts=opts.LabelOpts(rotate=-30)),'销量/价格' ),"right" ))看一下效果：
从图中我们可以看出 TOP10 热门景区的价格大多数都在 500 以内，算是比较亲民了。如果你的朋友喜欢热闹，他（她）可能去了热门景区。
再接着看热门景区的介绍情况，这里我们选取 T100 数据，通过词云来看一下。主要实现代码如下：
sort_sale = df.sort_values(by='saleCount' , ascending=True)"SIMLI.TTF" ,"fab fa-firefox" ,"hot.png" )看一下效果：
我们再看一下票价 TOP10 景区有哪些？它们的销量怎么样呢？主要代码实现如下：
sort_price = df.sort_values(by='qunarPrice' , ascending=True)'sightName' ])[-10:])'价格' , sort_price['qunarPrice' ].values.tolist()[-10:])'销量' , sort_price['saleCount' ].values.tolist()[-10:])'最豪景区TOP10' ),'名称' ),'价格/销量' ),"right" ))看一下效果：
如果你的朋友是一个热爱旅游的土豪，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情况，这里我们还是选取 T100 数据，通过词云来看一下。
主要代码实现如下：
sort_price = df.sort_values(by='qunarPrice' , ascending=True)"SIMLI.TTF" ,"fas fa-yen-sign" ,#最豪 "money.png" )看一下效果：
我们再来看一下各省级行政区划的 5A 级景区数量情况，主要代码实现如下：
df_sum = df[df['star' ]=='5A' ].groupby('cityName' ).count()['star' ]'数量' , df_sum.values.tolist())'各地5A景区数量' ),'inside' )],看一下效果：
如果你的朋友热爱旅游且对 5A 级景区情有独钟，他（她）可能去了 5A 景区的城市了。
最后，我们看一下 T200 热门景区的星级比例情况是怎样的？主要代码实现如下：
sort_data = df.sort_values(by=['saleCount' ], ascending=True)'star' ])[-200:]"3A" , "4A" , "5A" ]"3A" ),"4A" ),"5A" )"" , list(zip(gx, gy)), radius=["40%" , "70%" ])"销量TOP200景区星级比例" , pos_left = "left" ))"{b}:{d}%" , font_size=12)) 看一下效果：
从图中我们可以看出 90% 以上的景区均为 4/5A 级。
好了，本文就到这里了，文中我们对网上售票数据中的几个指标进行了简单的分析，可以做个简单的参考，当然了，如果你感兴趣的话，还可以继续对其他指标进行分析。
文中源码已经打包整理好，获取请在公众号 Crossin的编程教室 回复关键字 国庆
如果文章 对你有帮助，欢迎转发/点赞/收藏~
