作者 | 胡萝卜酱

题图 | 站酷海洛

马上就是国庆7天长假了，DT君已经激动地搓搓手了！！！如何避开人群拥挤，舒心享受假期？数据侠胡萝卜酱爬取了国内6000多个景点的数据，为大家贴心送上一份国庆出行指南~

本文转自公众号经管人学数据分析（ID：DAT-2017）

▍数据来源

马上就要到来的国庆7天长假，就问你们激不激动！

可是，出门游玩，走哪里都是人，人，人，人……。你的脑海里是否出现了以下画面：

为了方便大家的出游选择，小编爬取了去哪儿网上面的6000多个景点数据，包含景点评级、热度、销量等等数据，汇总成这篇出游参考指南。

▍爬虫

爬虫继续用的是胡萝卜酱最近的心头爱selenium，用法可以参考爬虫神器selenium之猫眼电影榜单实例。打开去哪儿网站，右键，分析网页。

我们需要的数据非常的清晰：

话不多说，只要定位到自己想要的信息，那么代码非常简单。

1from tqdm import tqdm

2import time

3from selenium import webdriver

4from selenium.common.exceptions import TimeoutException, WebDriverException

5import pandas as pd

6import numpy as np

7position = ["北京","天津","上海","重庆","河北","山西","辽宁","吉林","黑龙江","江苏","浙江","安徽","福建","江西","山东","河南","湖北","湖南","广东","海南","四川","贵州","云南","陕西","甘肃","青海","台湾","内蒙古","广西","西藏","宁夏","新疆","香港","澳门"]

8

9name,level,hot,address,num=[],[],[],[],[]

10def get_one_page(key,page):

11 try:

12 #打开浏览器窗口

13 option_chrome = webdriver.ChromeOptions()

14 option_chrome.add_argument('--headless')

15

16 driver = webdriver.Chrome(chrome_options=option_chrome)

17 time.sleep(1)

18

19 url = "http://piao.qunar.com/ticket/list.htm?keyword="+str(key)+"®ion=&from=mpl_search_suggest&page="+str(page)

20 driver.get(url) 

21 infor = driver.find_elements_by_class_name("sight_item")

22 for i in range(len(infor)):

23 #获取景点名字

24 name.append(infor[i].find_element_by_class_name("name").text)

25 #获取景点评级

26 try:

27 level.append(infor[i].find_element_by_class_name("level").text)

28 except:

29 level.append("")

30 #获取景点热度

31 hot.append(infor[i].find_element_by_class_name("product_star_level").text[3:])

32 #获取景点地址

33 address.append(infor[i].find_element_by_class_name("area").text)

34 #获取景点销量

35 try:

36 num.append(infor[i].find_element_by_class_name("hot_num").text)

37 except:

38 num.append(0)

39

40 driver.quit()

41 return

42 except TimeoutException or WebDriverException:

43 return get_one_page()

44

45for key in tqdm(position):

46 print ("正在爬取{}".format(key))

47 #取前10页

48 for page in range(1,14):

49 print ("正在爬取第{}页".format(page))

50 get_one_page(key,page)

51

52sight = {'name': name, 'level': level, 'hot': hot, 'address': address, 'num':num}

53sight = pd.DataFrame(sight, columns=['name', 'level', 'hot', 'address', 'num'])

54sight.to_csv("sight.csv",encoding="utf_8_sig")

本文仅爬取国内的数据，由于景点数据众多，每个省份仅取了前13页。获得景点个数6630个。

▍数据可视化

热门景区top30

大熊猫不愧为国宝，最热门就是它。其次是故宫，郑州动物园，峨眉山，秦始皇兵马俑等等。因为小编没有去过多少地方玩，也不知道为啥郑州动物园能排到第三，大家知道的可以告诉小编一下它的特色吗？

省份与评级

说实话，这个图的配色真的是太丑了，主要是小编过于懒惰，不想好好配色了

。

热力图

热力图根据省份和城市分别作图，其次在根据销量和热度两类图，这里采用的是Python调用高德地图API实现经纬度换算、地图可视化一文的方式，调用高德地图API完成。

首先是省份和景区热度：

然后是省份和销量：

接下来是城市和景区热度：

最后是城市和景区销量：

值得注意的是，城市和销量一图热力范围不明显，原因为景区之间销量天差地别，一些太少的的统计下来，作图非常的不明显了。若大家不喜欢用高德地图API作图，那么人生苦短，我要用pyecharts画图的方法也非常适合做热力图，比如这里小编做了一张省份和销量的图：

综合来看，北京，四川，沿海等地都是旅游的热门省份。建议大家尽量避免去这些省份游玩。

▍推荐景区

知道了需要避免的景区和省份城市，那么可以去哪些人少的地方呢？这里胡萝卜酱根据景区分级，分别推荐15个人少的景区：

最后两张图是根据热度做的图，没有条形的则是热度为0，那么大家可以选择上述景点中热度较高的进行游玩。

可视化代码

1data = pd.read_csv("sight.csv")

2data = data.fillna(0)

3data = data.drop(columns=['Unnamed: 0'])

4

5#将地址分为省，市，区

6data["address"] = data["address"].apply(lambda x: x.replace("[","").replace("]",""))

7data["province"] = data["address"].apply(lambda x: x.split("·")[0])

8data["city"] = data["address"].apply(lambda x: x.split("·")[1])

9data["area"] = data["address"].apply(lambda x: x.split("·")[-1])

10

11#销量最多的前30景点

12num_top = data.sort_values(by = 'num',axis = 0,ascending = False).reset_index(drop=True)

13import seaborn as sns

14import matplotlib.pyplot as plt

15plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']#指定默认字体 

16plt.rcParams['axes.unicode_minus'] =False # 解决保存图像是负号'-'显示为方块的问题

17sns.set(font='SimHei') # 解决Seaborn中文显示问题

18sns.set_context("talk")

19fig = plt.figure(figsize=(15,10))

20sns.barplot(num_top["name"][:30],num_top["num"][:30])

21plt.xticks(rotation=90)

22fig.show()

23

24#省份与景区评级

25data["level_sum"] =1

26var = data.groupby(['province', 'level']).level_sum.sum()

27var.unstack().plot(kind='bar',figsize=(35,10), stacked=False, color=['red', 'blue','green','yellow'])

28

29#根据省、市统计销量和

30pro_num = data.groupby(['province']).agg('sum').reset_index()

31city_num = data.groupby(['city']).agg('sum').reset_index()

32#基于数据做热力图

33import requests

34def transform(geo):

35 key = 'bb9a4fae3390081abfcb10bc7ed307a6' 

36 url="http://restapi.amap.com/v3/geocode/geo?key=" +str(key) +"&address=" + str(geo)

37 response = requests.get(url)

38 if response.status_code == 200:

39 answer = response.json()

40 try:

41 loc = answer['geocodes'][0]['location']

42 except:

43 loc = 0

44 return loc

45

46pro_num["lati"] = pro_num["province"].apply(lambda x: transform(x))

47city_num["lati"] = city_num["city"].apply(lambda x: transform(x))

48pro_num.to_csv("pro_num.csv",encoding="utf_8_sig")

49city_num.to_csv("city_num.csv",encoding="utf_8_sig")

50

51from pyecharts import Map

52map=Map("省份景点销量热力图", title_color="#fff", title_pos="center", width=1200, height=600, background_color='#404a59')

53map.add("",pro_num["province"], pro_num["num"], maptype="china", visual_range=[5000, 80000], is_visualmap=True, visual_text_color='#000', is_label_show=True)

54map.render(path="pro_num.html")

55map=Map("省份景点热度热力图", title_color="#fff", title_pos="center", width=1200, height=600, background_color='#404a59')

56map.add("",pro_num["province"], pro_num["hot"], maptype="china", visual_range=[25,80], is_visualmap=True, visual_text_color='#000', is_label_show=True)

57map.render(path="pro_hot.html")

58

59#人少的5A景点，4A景点，3A景点

60top_5A = data[data["level"] == "5A景区"].sort_values(by = 'num',axis = 0,ascending = True).reset_index(drop=True)

61top_4A = data[data["level"] == "4A景区"].sort_values(by = 'num',axis = 0,ascending = True).reset_index(drop=True)

62top_3A = data[data["level"] == "3A景区"].sort_values(by = 'num',axis = 0,ascending = True).reset_index(drop=True)

63fig = plt.figure(figsize=(15,15))

64plt.pie(top_5A["num"][:15],labels=top_5A["name"][:15],autopct='%1.2f%%')

65plt.title("人少的5A景区") 

66plt.show()

67fig = plt.figure(figsize=(15,15))

68ax = sns.barplot(top_4A["hot"][:15],top_4A["name"][:15])

69ax.set_title("人少的4A景区") 

70fig.show()

71fig = plt.figure(figsize=(15,10))

72ax = sns.barplot(top_3A["name"][:15],top_3A["hot"][:15])

73ax.set_title("人少的3A景区") 

74plt.xticks(rotation=90)

75fig.show()

▍结语

爬虫采集与2018.9.27，可能因为采集时间不同，结果会有偏差。需要注意的是，若采用pyecharts做城市和景区热度、销量的图时，需要考虑pyecharts无法获得一些景区位置。

分析完了之后，胡萝卜酱反正决定国庆节都呆在家里了，不想出门，只想当快乐的肥仔。最后，祝大家国庆快乐！！！

注：本文仅为作者观点，不代表DT财经立场。

▍数据侠门派

本文数据侠胡萝卜酱，985高校经管研二，擅长用Python，R，tableau等工具结合统计学和机器学习模型做数据分析。

▍加入数据侠

“数据侠计划”是由第一财经旗下DT财经发起的数据社群，包含数据侠专栏、数据侠实验室系列活动和数据侠联盟，旨在聚集大数据领域精英，共同挖掘数据价值。