用Python分析大连景点，告诉你哪些景点性价比高-大连景点打卡

[[422047]]

本文转载自微信公众号「志斌的python笔记」，作者志斌。转载本文请联系志斌的python笔记公众号。

大家好，我是志斌~

再过几天，志斌就要去大连开始为期三年的读研生活啦，当然在读书学习的同时，也要去体验一下“魅力之都”的魅力，所以志斌用Python爬取了去哪儿网上大连景点的相关数据，包括景点名称、城区、热度、价格、月销量等数据，对数据进行可视化并作简单分析，用以找到性价比较高的景点。

一数据采集

去哪儿网的数据存储非常简单，都在源网页中静态存储，我们只需构造好URL之后，用Requests发起请求，然后用Bs4将数据提取出来，存储到Excel中即可。

爬虫的核心代码如下：

import requests 
from bs4 import BeautifulSoup 
import openpyxl 
 
for page in range(1,50): 
  try: 
      params = ( 
          ('from', 'mps_search_suggest_h'), 
          ('keyword', '大连'), 
          ('page', str(page)), 
      ) 
      response = requests.get('https://piao.qunar.com/ticket/list_%E8%A5%BF%E5%AE%89.html', headers=headers, params=params) 
      soup = BeautifulSoup(response.text,'html.parser') 
      zongs = soup.find_all('div',class_='sight_item') 
      for i in zongs: 
          name = i.find('h3').text 
          diqu = i.find(class_='area').find('a').text 
          redu = round(float(i.find(class_='product_star_level').text.split()[-1][:4]) * 5, 2) 
        dizhi = re.findall('地址：(.*?)地图', i.find(class_='address color999').text)[0] 
          jiage = float(i.find(class_='sight_item_price').find('em').text) 
          yuexiao = int(i.find(class_='sight_item_sold-num').find('span').text) 
          xingji = i.find(class_='level') 
          jingweidu = i['data-point'] 
          ~~~

二数据处理

01导入景点数据

用pandas读取爬取的景点数据并预览。

import pandas as pd 
df = pd.read_excel('大连景区数据_1.xlsx',names=['景点名称','城区','热度','地址','价格','月销量','星级','经度','纬度']) 
print(df.head())

02删除重复数据

网站中有一定的重复数据，需要将其删除。

df = df.drop_duplicates()

03查看数据信息

查看字段类型和缺失值情况，符合分析需要，无需另做处理。

df.info()

三可视化分析

我们来对这164个景点数据进行可视化分析。

01景点介绍

通过对大连景点介绍进行词云图绘制，我们很容易看出大连的特点。博物馆、休闲、历史、文化等词的大量提及，说明大连是一座历史悠久的现代化城市。建筑、动物、主题等词也有很多提及，表明大连的旅游环境轻松且多样。

代码如下：

with open("推荐语.txt",) as f: 
   job_title_1 = f.read() 
contents_cut_job_title = jieba.cut(job_title_1) 
contents_list_job_title = " ".join(contents_cut_job_title) 
wc = WordCloud(stopwords=STOPWORDS.add("一个"), collocations=False, 
              background_color="white", 
              font_path=r"K:\msyh.ttc", 
              width=400, height=300, random_state=42, 
              mask=imread('xin.jpg', pilmode="RGB") 
              ) 
wc.generate(contents_list_job_title) 
wc.to_file("推荐语.png")