python爬取全国13个城市旅游数据,告诉你那里最受欢迎 | 您所在的位置:网站首页 › 景区热门项目名称 › python爬取全国13个城市旅游数据,告诉你那里最受欢迎 |
抓取数据
这里爬取了前4页的景点信息,每页有15个景点。因为去哪儿并没有什么反爬措施,所以直接请求就可以了。 这里随机选择了13个热门城市:北京、上海、成都、三亚、广州、重庆、深圳、西安、杭州、厦门、武汉、大连、苏州。 并将爬取的数据存到了MongoDB数据库 。 爬虫部分完整代码如下: import requests from bs4 import BeautifulSoup from pymongo import MongoClient ''' python学习交流群:1136201545更多学习资料可以加群获取 ''' class QuNaEr(): def __init__(self, keyword, page=1): self.keyword = keyword self.page = page def qne_spider(self): url = 'https://piao.qunar.com/ticket/list.htm?keyword=%s®ion=&from=mpl_search_suggest&page=%s' % (self.keyword, self.page) response = requests.get(url) response.encoding = 'utf-8' text = response.text bs_obj = BeautifulSoup(text, 'html.parser') arr = bs_obj.find('div', {'class': 'result_list'}).contents for i in arr: info = i.attrs # 景区名称 name = info.get('data-sight-name') # 地址 address = info.get('data-address') # 近期售票数 count = info.get('data-sale-count') # 经纬度 point = info.get('data-point') # 起始价格 price = i.find('span', {'class': 'sight_item_price'}) price = price.find_all('em') price = price[0].text conn = MongoClient('localhost', port=27017) db = conn.QuNaEr # 库 table = db.qunaer_51 # 表 table.insert_one({ 'name' : name, 'address' : address, 'count' : int(count), 'point' : point, 'price' : float(price), 'city' : self.keyword }) if __name__ == '__main__': citys = ['北京', '上海', '成都', '三亚', '广州', '重庆', '深圳', '西安', '杭州', '厦门', '武汉', '大连', '苏州'] for i in citys: for page in range(1, 5): qne = QuNaEr(i, page=page) qne.qne_spider()效果图如下: 1、最受欢迎的15个景区 代码如下: from pymongo import MongoClient # 设置字体,不然无法显示中文 from pylab import * mpl.rcParams['font.sans-serif'] = ['SimHei'] conn = MongoClient('localhost', port=27017) db = conn.QuNaEr # 库 table = db.qunaer_51 # 表 result = table.find().sort([('count', -1)]).limit(15) # x,y轴数据 x_arr = [] # 景区名称 y_arr = [] # 销量 for i in result: x_arr.append(i['name']) y_arr.append(i['count']) """ 去哪儿月销量排行榜 """ plt.bar(x_arr, y_arr, color='rgb') # 指定color,不然所有的柱体都会是一个颜色 plt.gcf().autofmt_xdate() # 旋转x轴,避免重叠 plt.xlabel(u'景点名称') # x轴描述信息 plt.ylabel(u'月销量') # y轴描述信息 plt.title(u'拉钩景点月销量统计表') # 指定图表描述信息 plt.ylim(0, 4000) # 指定Y轴的高度 plt.savefig('去哪儿月销售量排行榜') # 保存为图片 plt.show()2、景区热力图 这里为了方便,只展示一下北京地区的景区热力图。用到了百度地图的开放平台。首先需要先注册开发者信息,首页底部有个申请秘钥的按钮,点击进行创建就可以了。我的应用类型选择的是浏览器端,因此只需要组装数据替换掉相应html代码即可。另外还需要将自己访问应用的AK替换掉。效果图如下: 价格是出游第一个要考虑的,一开始想统计一下各城市的平均价格,但是后来发现效果不是很好,比如北京的刘老根大舞台价格在580元,这样拉高了平均价格。就好比姚明和潘长江的平均身高在190cm,并没有什么说服力。所以索性展示一下景区的价格分布。 根据价格设置了六个区间: 实现代码如下: ''' python学习交流群:1136201545更多学习资料可以加群获取 ''' arr = [[0, 50], [50,100], [100, 200], [200,300], [300,500], [500,1000]] name_arr = [] total_arr = [] for i in arr: result = table.count({'price': {'$gte': i[0], '$lt': i[1]}}) name = '%s元 ~ %s元 ' % (i[0], i[1]) name_arr.append(name) total_arr.append(result) color = 'red', 'orange', 'green', 'blue', 'gray', 'goldenrod' # 各类别颜色 explode = (0.2, 0, 0, 0, 0, 0) # 各类别的偏移半径 # 绘制饼状图 pie = plt.pie(total_arr, colors=color, explode=explode, labels=name_arr, shadow=True, autopct='%1.1f%%') plt.axis('equal') plt.title(u'热点旅游景区门票价格比例', fontsize=12) plt.legend(loc=0, bbox_to_anchor=(0.82, 1)) # 图例 # 设置legend的字体大小 leg = plt.gca().get_legend() ltext = leg.get_texts() plt.setp(ltext, fontsize=6) # 显示图 plt.show()你一般旅游都去哪呢? |
CopyRight 2018-2019 实验室设备网 版权所有 |