五一应该去哪里自驾游？哪里人最少，哪里不堵车?这份攻略你必须拥有。

五一假期马上就要来了，你是准备去浪了？还是在家里宅着呢？那你知道你的准备去哪浪了吗？本文我们通过爬取某网站数据来简单分析一下。

数据爬取

首选，我们打开，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):cityNames = []sightNames = []stars = []scores = []qunarPrices = []saleCounts = []districtses = []points = []intros = []frees = []addresses = []for city in cities:for page in range(1, pages+1):try:print(f'正在爬取{city}第{page}页数据...')time.sleep(random.uniform(1.5, 2.5))url = f'https://piao.qunar.com/ticket/list.json?from=mpl_search_suggest&keyword={city}&page={page}'print('url：', url)result = requests.get(url, headers=headers, timeout=(2.5, 5.5))status = result.status_codeif(status == 200):# 每页数据response_info = json.loads(result.text)print('数据：', response_info)sight_list = response_info['data']['sightList']for sight in sight_list:sightName = sight['sightName']  # 名称star = sight.get('star', None)  # 星级score = sight.get('score', 0)  # 评分qunarPrice = sight.get('qunarPrice', 0)  # 价格saleCount = sight.get('saleCount', 0)  # 销量districts = sight.get('districts', None)  # 行政区划point = sight.get('point', None)  # 坐标intro = sight.get('intro', None)  # 简介free = sight.get('free', True)  # 是否免费address = sight.get('address', None)  # 地址cityNames.append(city)sightNames.append(sightName)stars.append(star)scores.append(score)qunarPrices.append(qunarPrice)saleCounts.append(saleCount)districtses.append(districts)points.append(point)intros.append(intro)frees.append(free)addresses.append(address)except:continuecity_dic = {'cityName': cityNames, 'sightName': sightNames, 'star': stars,'score': scores, 'qunarPrice': qunarPrices, 'saleCount': saleCounts,'districts': districtses, 'point': points, 'intro': intros,'free': frees, 'address': addresses}city_df = pd.DataFrame(city_dic)city_df.to_csv('cities.csv', index=False)

数据分析

现在数据有了，我们再来简单分析一下。

位置分布

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 != "":cities.append(city)
data = Counter(cities).most_common(100)
gx = []
gy = []
for c in data:gx.append(c[0])gy.append(c[1])
(Map(init_opts=opts.InitOpts(theme=ThemeType.MACARONS, height="500px")).add('数量', [list(z) for z in zip(gx, gy)], 'china').set_global_opts(title_opts=opts.TitleOpts(title='各地景区数量分布'),visualmap_opts=opts.VisualMapOpts(max_=150, is_piecewise=True),)
).render_notebook()

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']]
df_sum = df_item.groupby('cityName').sum()
(Map(init_opts=opts.InitOpts(theme=ThemeType.ROMANTIC, height="500px")).add('销量', [list(z) for z in zip(df_sum.index.values.tolist(), df_sum.values.tolist())], 'china').set_global_opts(title_opts=opts.TitleOpts(title='各地景区销量分布'),visualmap_opts=opts.VisualMapOpts(max_=150000, is_piecewise=True))
).render_notebook()

看一下效果：

最热景区

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)
(Bar(init_opts=opts.InitOpts(theme=ThemeType.MACARONS, width='125%')).add_xaxis(list(sort_sale['sightName'])[-10:]).add_yaxis('销量', sort_sale['saleCount'].values.tolist()[-10:]).add_yaxis('价格', sort_sale['qunarPrice'].values.tolist()[-10:]).reversal_axis().set_global_opts(title_opts=opts.TitleOpts(title='最热景区TOP10'),yaxis_opts=opts.AxisOpts(name='名称', axislabel_opts=opts.LabelOpts(rotate=-30)),xaxis_opts=opts.AxisOpts(name='销量/价格'),).set_series_opts(label_opts=opts.LabelOpts(position="right"))
).render_notebook()

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)
stylecloud.gen_stylecloud(text=cts_str, max_words=100,collocations=False,font_path="SIMLI.TTF",icon_name="fab fa-firefox",size=800,output_name="hot.png")

看一下效果：

最豪景区

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)
(Bar(init_opts=opts.InitOpts(theme=ThemeType.ROMA)).add_xaxis(list(sort_price['sightName'])[-10:]).add_yaxis('价格', sort_price['qunarPrice'].values.tolist()[-10:]).add_yaxis('销量', sort_price['saleCount'].values.tolist()[-10:]).reversal_axis().set_global_opts(title_opts=opts.TitleOpts(title='最豪景区TOP10'),yaxis_opts=opts.AxisOpts(name='名称'),xaxis_opts=opts.AxisOpts(name='价格/销量'),).set_series_opts(label_opts=opts.LabelOpts(position="right"))
).render_notebook()

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)
stylecloud.gen_stylecloud(text=cts_str, max_words=100,collocations=False,font_path="SIMLI.TTF",icon_name="fas fa-yen-sign",#最豪size=800,output_name="money.png")

看一下效果：

景区星级

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']
(Bar(init_opts=opts.InitOpts(theme=ThemeType.MACARONS)).add_xaxis(df_sum.index.values.tolist()).add_yaxis('数量', df_sum.values.tolist()).set_global_opts(title_opts=opts.TitleOpts(title='各地5A景区数量'),datazoom_opts=[opts.DataZoomOpts(), opts.DataZoomOpts(type_='inside')],)
).render_notebook()

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)
rates = list(sort_data['star'])[-200:]
gx = ["3A", "4A", "5A"]
gy = [rates.count("3A"),rates.count("4A"),rates.count("5A")
]
(Pie(init_opts=opts.InitOpts(theme=ThemeType.MACARONS)).add("", list(zip(gx, gy)), radius=["40%", "70%"]).set_global_opts(title_opts=opts.TitleOpts(title="销量TOP200景区星级比例", pos_left = "left")).set_series_opts(label_opts=opts.LabelOpts(formatter="{b}:{d}%", font_size=12))
).render_notebook()

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，文中我们对去哪网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，关注下方公众号或点击蓝色字体领取