Py学习  »  Python

Python爬虫&可视化-舌尖上的“小龙虾”

程序人生 • 5 年前 • 414 次点击  

点击上方“程序人生”,选择“置顶公众号”

第一时间关注程序猿(媛)身边的故事


作者

数据森麟

如需转载,请联系原作者授权。


前言:

上期与大家分享了一些旅游的内容,本期则分享一些为吃货量身定制的文章,大家的好丽友——小龙虾


PART1:获得数据

本次数据我们爬取了大众点评中所有打上小龙虾标签的餐厅


从上图中可以看出,我们可以获得餐厅的人均消费、点评数量、推荐菜、评分(口味、环境、服务)等信息,用于我们之后的分析。我们此次总共爬取到了225个城市,6758个餐厅,121.3万条评论。


我们截取其中的部分核心代码:

  1. def find_city_page(path):

  2.    data = pd.read_excel(path)

  3.    city_lobster_page = pd.DataFrame()

  4.    driver = webdriver.Chrome()    

  5.    for i in range(0,len(data)):

  6.        try:

  7.            js='window.open("'+data['city_lobster_url'][i]+'")'

  8.            driver.execute_script(js)

  9.            bsObj = BeautifulSoup(driver.page_source,'html.parser')

  10.            bs = bsObj.find_all('a',attrs={'class':'PageLink'})

  11.            this_city_lobster={'city_name':data['city_name'][i],

  12.                               'page_num':max([int(l.text ) for l in bs])}

  13.            city_lobster_page = city_lobster_page.append(this_city_lobster,ignore_index=True)

  14.        except:

  15.            continue

  16.    return city_lobster_page

PART2: 城市对比

我们首先要进行分析的是各个城市的小龙虾热度,我们以带有“小龙虾”标签的餐厅评论总和作为最终的对比依据,得到的TOP20城市如下:

可以看出上海市的点评数遥遥领先,可能存在以下两个因素:a.上海市的小龙虾餐厅数量较多,本身存在较大的消费群体 b.大众点评总部在上海,上海的商户入驻数量较多。有兴趣的朋友可以进行更深一步的研究。


圈定了TOP20城市后,我们首先看一下TOP20城市小龙虾的人均消费

该项统计中,包邮区占据了靠前的位置,体现出来包邮区对小龙虾的热情和自身的消费水平。同时可以看到株洲的人均消费接近于上海的一半,有机会到湖南旅游的朋友可以考虑到株洲品尝物美价廉的小龙虾。


紧接着要看的是TOP20城市味道、环境、服务三部分的分数情况:

我们发现服务分与环境分排序相同,二者具有极强的相关性,符合通常认知。同时可以看到在三项分数中,北方的四个城市天津、西安、北京、青岛各项指标均处于靠前的位置,其中天津的服务和环境均处于首位。


结合下图全国小龙虾热力图,似乎有些有悖于大家的认知。

由此我们可以得出在小龙虾整体热度比较强的区域,人们对于小龙虾各方面的要求会相应提高,相反在整体热度偏低区域,人们评价时会相对宽容。同时我们看到海口的各项指标均处于最后一位,需要进行相应的调整。


PART3: 探索龙虾

我们看过了各个城市的情况后,进一步看一下小龙虾本身的一些有趣的内容,首先看一下龙虾的口味,我们选取了各个餐厅中带有龙虾的推荐菜,分词后获得TOP20的口味

十三香、蒜蓉、麻辣高居前三位,根据作者的经验,这基本上是符合大家整体口味的选择。TOP20中的蛋黄,白灼对于作者而言相对陌生,有品尝过的朋友可以分享一些这些口味的体验。


看完了口味,再看一下龙虾的好丽友

部分词云绘制代码如下:

  1. # 解析小龙虾图片

  2. back_color = imread('小龙虾.jpg')  # 解析该图片

  3. # 参数配置

  4. wc = WordCloud(background_color='white',  # 背景颜色

  5.               max_words=300,  # 最大词数

  6.               mask=back_color,  # 以该参数值作图绘制词云,这个参数不为空时,width和height会被忽略

  7.               max_font_size=100,  # 显示字体的最大值

  8.               font_path="C:/Windows/Fonts/simhei.ttf",  # 解决显示口字型乱码问题,可进入C:/Windows/Fonts/目录更换字体

  9.               random_state=4,  # 为每个词返回一个PIL颜色

  10.               #width=2000,  # 图片的宽

  11.               #height=1860  #图片的长

  12.               )

  13. # 通过encounter计数器生成词云

  14. wc.generate_from_frequencies(word_counts)

  15. # 基于彩色图像生成相应彩色

  16. image_colors = ImageColorGenerator(back_color)

  17. # 绘制词云

  18. plt.figure()

  19. plt.imshow(wc.recolor(color_func=image_colors))

  20. plt.axis('off')

PART5: 特(hei)色(an)龙虾

文章最后我们放上几个之前分词发现的特色口味龙虾,或许下一个网红龙虾就在其中

如果大家周围有对数据分析&数据挖掘感兴趣的朋友,可以直接在公众号或者文章下方留言


- The End -

「若你有原创文章想与大家分享,欢迎投稿。」

加编辑微信ID,备注#投稿#:

程序 丨 druidlost  

小七 丨 duoshangshuang

上期精彩内容


今天看啥 - 高品质阅读平台
本文地址:http://www.jintiankansha.me/t/CVXtya7p0l
Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/22708
 
414 次点击