前言

大家好，今天给大家讲一讲Python的综合实战演练内容——以大众都非常喜爱的火锅为例，如何用我们掌握的Python语言，去获取全国不同城市火锅店数量情况，并将这些数据进行可视化展示呢？

接下来我将带大家实现这一操作，**以某度地图数据为基础，通过Python技术知识去获取数据并进行可视化。**呈现出以更加直观的方式去浏览全国不同省份、不同城市的火锅店分布情况。与此同时，文末我将给大家整理出数据可视化所需的资料，分享给大家。

1.网页分析

首先先看一下数据源，在某度地图里面按照下方操作，就可以请求到全国的火锅店情况（从下图来看没有显示出来，但是通过Network，可以看到数据）

在network中，找到下面这个数据包

打开之后可以看到json数据

2.获取数据

对网页分析好之后，接下来可以借助Python技术进行获取数据，并保存到excel中。

导入相关库

import json
import requests
import openpyxl</pre>
复制代码

请求数据

下面开始编写请求数据代码（请求时记得带上headers）

###请求头headers = {        "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64)
AppleWebKit/537.36 (KHTML, like Gecko) Chrome/89.0.4389.90 Safari/537.36",        'Referer':'https://map.baidu.com/@12949550.923158279,3712445.9716704674,6.28z',        "Cookie":";"你的cookie",}
##请求链接url = "https://map.baidu.com/?newmap=1&reqflag=pcmap&biz=1&from=webmap&da_par=direct&pcevaname=pc4.1&qt=s&da_src=searchBox.button&wd=%E7%81%AB%E9%94%85%E5%BA%97&c=1&src=0&wd2=&pn=0&sug=0&l=6&b=(10637065.476146251,2368134.592189369;12772445.910805061,5056757.351151566)&from=webmap&biz_forward={%22scaler%22:1,%22styles%22:%22pl%22}&sug_forward=&auth=NTSwAZUMzIaTTdWD4WAv0731cWF3MQEauxLxREHzERRtykiOxAXXw1GgvPUDZYOYIZuVt1cv3uVtGccZcuVtPWv3GuztQZ3wWvUvhgMZSguxzBEHLNRTVtcEWe1GD8zv7ucvY1SGpuxVthgW1aDeuxtf0wd0vyMySFIAFM7ueh33uTtAffbDF&seckey=c6d9c7e05d7e627c56ed46fab5d7c5c792064779599d5e12b955a6f18a1204375d1588206c94d22e4bdd1ade0ad06e78c21917e24c6223b96bc51b75ca38651a1b203a0609f126163c5e82fd0549a068e537303424837ab798acfc9088e5d76a66451c20ebd9599b41c9b4f1371850d20fa442ad464712f54c912422f4fa20b3052f8bb810f30d41c7c0e55af68f9d9d973537f03d0aa0a1d1617d78cae29b49c64c2d2dc3f44cf0f8799234b124a7a2dec18bfa011e097e31a508eae37b8603f97df8f935f04b3652f190eac52d04816f302a582c53971e515ff2e0e2b4cc30446e0bee48d51c4be8b6fe4185589ed9&device_ratio=1&tn=B_NORMAL_MAP&nn=0&u_loc=12677548,2604239&ie=utf-8&t=1618452491622"
###响应数据response = requests.get(url,headers=headers).json()
复制代码

这里的cookie可以在浏览器network中复制即可。

通过返回的json数据可知道，我们的目标数据在more_city中，里面是列表数据是省份（provice是省份名称，num是火锅店数量），紧接着每一个省份里都有city（列表），里面是对应着省份的城市（name是城市名称，num是对应城市火锅店数量）

response = response['more_city']
for i in response:city = i['city']print(i['province'])print(i['num'])for j in city:print(j['name'])print(j['num'])
复制代码

保存到excel

省份和城市分别保存到两个不同的excel中

outwb_p = openpyxl.Workbook()
outws_p = outwb_p.create_sheet(index=0)
outws_p.cell(row=1, column=1, value="省份")
outws_p.cell(row=1, column=2, value="数量")outwb_c = openpyxl.Workbook()
outws_c = outwb_c.create_sheet(index=0)
outws_c.cell(row=1, column=1, value="城市")
outws_c.cell(row=1, column=2, value="数量")##################
###在循环中写入数据
##################### 保存全国省份火锅数量-李运辰”
outwb_p.save("全国省份火锅数量-李运辰.xls")  # 保存
### 保存全国城市火锅数量-李运辰”
outwb_c.save("全国城市火锅数量-李运辰.xls")  # 保存
复制代码

3.数据可视化

1.全国火锅店数量分布

datafile = u'全国省份火锅数量-李运辰.xls'
data = pd.read_excel(datafile)
attr = data['省份'].tolist()
value = data['数量'].tolist()
name = []
for i in attr:if "省" in i:name.append(i.replace("省",""))else:name.append(i)
from pyecharts import options as opts
from pyecharts.charts import Map
from pyecharts.faker import Faker
c = (Map().add("数量", [list(z) for z in zip(name, value)], "china").set_global_opts(title_opts=opts.TitleOpts(title="全国火锅店数量分布情况")).render("全国火锅店数量分布情况.html")
)
复制代码

还可以这样画

datafile = u'全国省份火锅数量-李运辰.xls'
df = pd.read_excel(datafile)
province_distribution = df[['省份', '数量']].values.tolist()
geo = Geo()
geo.set_series_opts(label_opts=opts.LabelOpts(is_show=False))
geo.add_schema(maptype="china")
geo.set_global_opts(visualmap_opts=opts.VisualMapOpts(max_=110000))
# 加入数据
geo.add('全国火锅店数量分布情况图2', province_distribution, type_=ChartType.EFFECT_SCATTER)
geo.render("全国火锅店数量分布情况图2.html")
复制代码

2.四川火锅店数量分布

为了绘制城市的分布图，选择了四川省为例进行绘制（如果要绘制全国的所有城市，那样出来的图密密麻麻，不美观）

datafile = u'全国城市火锅数量-李运辰.xls'
data = pd.read_excel(datafile)
city = data['城市'].tolist()
values2 = data['数量'].tolist()###四川
name = []
value = []
flag = 0
for i in range(0,len(city)):if city[i] =="绵阳市":flag = 1if flag:name.append(city[i])value.append(int(values2[i]))if city[i] =="甘孜藏族自治州":name.append(city[i])value.append(int(values2[i]))break
c = (Map().add("四川火锅店数量分布", [list(z) for z in zip(name, value)], "四川").set_global_opts(title_opts=opts.TitleOpts(title="四川火锅店数量分布"), visualmap_opts=opts.VisualMapOpts()).render("四川火锅店数量分布.html")
)
复制代码

写在最后（附实用学习资料）

本篇文章的内容旨对可视化实战操作做一个简单的举例分析，没有做过多的深入讨论。撰写本文的初衷在于抛砖引玉，要想做到真正的融会贯通，毫无疑问需要更深层次的学习，下面我给大家整理了一些Python可视化实战练习的参考学习资料与视频（这里只做简单展示），以便于大家学习与更好发挥，需要的朋友可以从这里领取：https://docs.qq.com/doc/DV1VkTEFTYUhrZHRj

纠结火锅去哪吃，用Python可视化做个数据呈现决定吧（附学习资源）相关推荐

算法实现没思路？最全Python算法实现大礼包！（附学习资源）
整理 | Rachel 责编 | Jane 出品 | Python大本营(ID:pythonnews) [导语]数据结构与算法是所有人都要学习的基础课程,自己写算法的过程可以帮助我们更好地理解算法思路 ...
这次拿下Python全靠它了！一个交互式的学习资源！
你的假期余额已不足!在假期的最后一天,我们给大家介绍一本非常 nice 的 Python 学习书--Project Python. Project Python是一本免费的交互式书籍,它通过使用图形. ...
python可视窗口_Python数据可视
1.显现用到的包 Pyecharts 是一个用于生成 Echarts 图表的类库.常规的Echarts 是由百度开源的一个数据可视化 JS 库,主要用于数据可视化.简单来说,Pyecharts是一款将 ...
独家 | 使用Python的OpenAI Gym对Deep Q-Learning的实操介绍（附学习资源）
作者:ANKIT CHOUDHARY 翻译:张睿毅校对:吴金笛本文4300字,建议阅读10+分钟. 本文作者通过实战介绍了Deep Q-Learning的概念. 导言我一直对游戏着迷.在紧凑的时 ...
《世界已无法阻挡Python入侵！》（附学习资源）
(文末有福利哟-) 很多人对学英语都感到崩溃,而刚刚接触到英语的小学生更是黯然失色,但是,最近,山东的小学生将又要学习一门"语言"-Python,除山东在小学教材中加入Python ...
做python项目需要知道什么_一文带你了解python是什么？能做什么？为什么要学？(文末附学习资源)...
什么是 Python? Python 是一门流行的编程语言.它由 Guido van Rossum 创建,于 1991 年发布. 它用于:1.Web 开发(服务器端) 2.软件开发 3.数学 4.系统 ...
入门科普：Python、R、大数据、云计算最全学习资源都在这里
导读:本文写给有抱负的新兴数据科学家.知道各种专业知识的程序员,还有那些不懂任何编程技巧的初学者.本文提供了简单的教程和可实践的分析,而不是理论.我还试图将Python与R结合起来,为学习者提供对比的 ...
原创推荐！B站最强学习资源汇总（数据科学，机器学习，Python）
经过这几个月的居家隔离,想必大多数同学都开始习惯通过线上的方式开展学习了,在线教育领域也因此迎来了一波爆发,竞争异常激烈,既有知名平台如MOOC.学堂在线.网易云课堂等,也有不少初创新星.但要说最受年 ...
原创 | 吐血推荐，B站最强学习资源汇总（数据科学，机器学习，python）
经过这几个月的居家隔离,想必大多数同学都开始习惯通过线上的方式开展学习了,在线教育领域也因此迎来了一波爆发,竞争异常激烈,既有知名平台如MOOC.学堂在线.网易云课堂等,也有不少初创新星.但要说最受年 ...
【转】B站最强学习资源汇总（数据科学，机器学习，python）
本文转至数据分析V,原文链接:https://blog.csdn.net/Tw6cy6uKyDea86Z/article/details/105591583 经过这几个月的居家隔离,想必大多数同学都开 ...

纠结火锅去哪吃，用Python可视化做个数据呈现决定吧（附学习资源）

前言