最新国产好看的视频,伊人天堂AV在线,国产Aaaaaa视频,蜜臀视频在线观看一区,人妻av色图,密臀久久久精品影片,青青视频免费观看毛片,久草在线观看视,国产三级精品色情在线

詳解Python 爬取13個(gè)旅游城市,告訴你五一大家最?lèi)?ài)去哪玩?

 更新時(shí)間:2019年05月07日 10:48:16   作者:CSDN 程序人生  
這篇文章主要介紹了Python 爬取13個(gè)旅游城市,文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧

今年五一放了四天假,很多人不再只是選擇周邊游,因?yàn)闀r(shí)間充裕,選擇了稍微遠(yuǎn)一點(diǎn)的景區(qū),甚至出國(guó)游。各個(gè)景點(diǎn)成了人山人海,擁擠的人群,甚至去衛(wèi)生間都要排隊(duì)半天,那一刻我突然有點(diǎn)理解滅霸的行為了。

今天通過(guò)分析去哪兒網(wǎng)部分城市門(mén)票售賣(mài)情況,簡(jiǎn)單的分析一下哪些景點(diǎn)比較受歡迎,等下次假期可以做個(gè)參考。

抓取數(shù)據(jù)

通過(guò)請(qǐng)求https://piao.qunar.com/ticket/list.htm?keyword=北京,獲取北京地區(qū)熱門(mén)景區(qū)信息,再通過(guò)BeautifulSoup去分析提取出我們需要的信息。

這里爬取了前4頁(yè)的景點(diǎn)信息,每頁(yè)有15個(gè)景點(diǎn)。因?yàn)槿ツ膬翰](méi)有什么反爬措施,所以直接請(qǐng)求就可以了。

這里隨機(jī)選擇了13個(gè)熱門(mén)城市:北京、上海、成都、三亞、廣州、重慶、深圳、西安、杭州、廈門(mén)、武漢、大連、蘇州。

并將爬取的數(shù)據(jù)存到了MongoDB數(shù)據(jù)庫(kù) 。

爬蟲(chóng)部分完整代碼如下:

import requests
from bs4 import BeautifulSoup
from pymongo import MongoClient

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&region=&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
      # 景區(qū)名稱
      name = info.get('data-sight-name')
      # 地址
      address = info.get('data-address')
      # 近期售票數(shù)
      count = info.get('data-sale-count')
      # 經(jīng)緯度
      point = info.get('data-point')

      # 起始價(jià)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 # 庫(kù)
      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', '三亞', '廣州', '重慶', '深圳', '西安', '杭州', '廈門(mén)', '武漢', '大連', '蘇州']
  for i in citys:
    for page in range(1, 5):
      qne = QuNaEr(i, page=page)
      qne.qne_spider()

效果圖如下:

有了數(shù)據(jù),我們就可以分析出自己想要的東西了。

分析數(shù)據(jù)

1、最受歡迎的15個(gè)景區(qū)

 

由圖可以看出,在選擇的13個(gè)城市中,最熱門(mén)的景區(qū)為上海的迪士尼樂(lè)園。

代碼如下:

from pymongo import MongoClient
# 設(shè)置字體,不然無(wú)法顯示中文
from pylab import *

mpl.rcParams['font.sans-serif'] = ['SimHei']

conn = MongoClient('localhost', port=27017)
db = conn.QuNaEr # 庫(kù)
table = db.qunaer_51 # 表

result = table.find().sort([('count', -1)]).limit(15)
# x,y軸數(shù)據(jù)
x_arr = [] # 景區(qū)名稱
y_arr = [] # 銷(xiāo)量
for i in result:
  x_arr.append(i['name'])
  y_arr.append(i['count'])

"""
去哪兒月銷(xiāo)量排行榜
"""
plt.bar(x_arr, y_arr, color='rgb') # 指定color,不然所有的柱體都會(huì)是一個(gè)顏色
plt.gcf().autofmt_xdate() # 旋轉(zhuǎn)x軸,避免重疊
plt.xlabel(u'景點(diǎn)名稱') # x軸描述信息
plt.ylabel(u'月銷(xiāo)量') # y軸描述信息
plt.title(u'拉鉤景點(diǎn)月銷(xiāo)量統(tǒng)計(jì)表') # 指定圖表描述信息
plt.ylim(0, 4000) # 指定Y軸的高度
plt.savefig('去哪兒月銷(xiāo)售量排行榜') # 保存為圖片
plt.show()

 2、景區(qū)熱力圖

這里為了方便,只展示一下北京地區(qū)的景區(qū)熱力圖。用到了百度地圖的開(kāi)放平臺(tái)。首先需要先注冊(cè)開(kāi)發(fā)者信息,首頁(yè)底部有個(gè)申請(qǐng)秘鑰的按鈕,點(diǎn)擊進(jìn)行創(chuàng)建就可以了。我的應(yīng)用類(lèi)型選擇的是瀏覽器端,因此只需要組裝數(shù)據(jù)替換掉相應(yīng)html代碼即可。另外還需要將自己訪問(wèn)應(yīng)用的AK替換掉。效果圖如下:

3、景區(qū)價(jià)格

價(jià)格是出游第一個(gè)要考慮的,一開(kāi)始想統(tǒng)計(jì)一下各城市的平均價(jià)格,但是后來(lái)發(fā)現(xiàn)效果不是很好,比如北京的劉老根大舞臺(tái)價(jià)格在580元,這樣拉高了平均價(jià)格。就好比姚明和潘長(zhǎng)江的平均身高在190cm,并沒(méi)有什么說(shuō)服力。所以索性展示一下景區(qū)的價(jià)格分布。

根據(jù)價(jià)格設(shè)置了六個(gè)區(qū)間:

通過(guò)上圖得知,大部分的景區(qū)門(mén)票價(jià)格都在200元以下。每次旅游花費(fèi)基本都在交通、住宿、吃吃喝喝上了。門(mén)票占比還是比較少的。

實(shí)現(xiàn)代碼如下:

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' # 各類(lèi)別顏色
explode = (0.2, 0, 0, 0, 0, 0) # 各類(lèi)別的偏移半徑

# 繪制餅狀圖
pie = plt.pie(total_arr, colors=color, explode=explode, labels=name_arr, shadow=True, autopct='%1.1f%%')

plt.axis('equal')
plt.title(u'熱點(diǎn)旅游景區(qū)門(mén)票價(jià)格比例', fontsize=12)

plt.legend(loc=0, bbox_to_anchor=(0.82, 1)) # 圖例
# 設(shè)置legend的字體大小
leg = plt.gca().get_legend()
ltext = leg.get_texts()
plt.setp(ltext, fontsize=6)
# 顯示圖
plt.show()

以上所述是小編給大家介紹的Python 爬取13個(gè)旅游城市詳解整合,希望對(duì)大家有所幫助,如果大家有任何疑問(wèn)請(qǐng)給我留言,小編會(huì)及時(shí)回復(fù)大家的。在此也非常感謝大家對(duì)腳本之家網(wǎng)站的支持!

相關(guān)文章

  • 詳解Python圖像形態(tài)學(xué)處理(開(kāi)運(yùn)算,閉運(yùn)算,梯度運(yùn)算)

    詳解Python圖像形態(tài)學(xué)處理(開(kāi)運(yùn)算,閉運(yùn)算,梯度運(yùn)算)

    數(shù)學(xué)形態(tài)學(xué)(Mathematical Morphology)是一種應(yīng)用于圖像處理和模式識(shí)別領(lǐng)域的新方法。本文將為大家介紹Python圖像形態(tài)學(xué)處理中的開(kāi)運(yùn)算、閉運(yùn)算和梯度運(yùn)算,感興趣的可以了解一下
    2022-06-06
  • Pandas 稀疏數(shù)據(jù)結(jié)構(gòu)的實(shí)現(xiàn)

    Pandas 稀疏數(shù)據(jù)結(jié)構(gòu)的實(shí)現(xiàn)

    如果數(shù)據(jù)中有很多NaN的值,存儲(chǔ)起來(lái)就會(huì)浪費(fèi)空間。為了解決這個(gè)問(wèn)題,Pandas引入了一種叫做Sparse data的結(jié)構(gòu),來(lái)有效的存儲(chǔ)這些NaN的值,本文就來(lái)詳細(xì)的介紹了一下,感興趣的可以了解一下
    2021-07-07
  • 在Python中使用PIL模塊對(duì)圖片進(jìn)行高斯模糊處理的教程

    在Python中使用PIL模塊對(duì)圖片進(jìn)行高斯模糊處理的教程

    這篇文章主要介紹了在Python中使用PIL模塊對(duì)圖片進(jìn)行高斯模糊處理的教程,這個(gè)無(wú)圖形界面的腳本代碼非常簡(jiǎn)單,需要的朋友可以參考下
    2015-05-05
  • python變量類(lèi)型、輸入、輸出運(yùn)算符介紹舉例

    python變量類(lèi)型、輸入、輸出運(yùn)算符介紹舉例

    Python是一種功能強(qiáng)大的編程語(yǔ)言,支持多種數(shù)據(jù)類(lèi)型和運(yùn)算符,它強(qiáng)調(diào)代碼的可讀性和簡(jiǎn)潔性,變量在Python中是動(dòng)態(tài)類(lèi)型的,不需要顯式聲明類(lèi)型,這篇文章主要介紹了python變量類(lèi)型、輸入、輸出運(yùn)算符的相關(guān)資料,需要的朋友可以參考下
    2024-11-11
  • Python實(shí)現(xiàn)高分辨率圖像導(dǎo)航的代碼

    Python實(shí)現(xiàn)高分辨率圖像導(dǎo)航的代碼

    高分辨率圖像導(dǎo)航是一種技術(shù),它允許用戶在大型圖像中進(jìn)行導(dǎo)航和瀏覽,而無(wú)需加載整個(gè)圖像到內(nèi)存中,在本文中,我們將使用30行Python代碼實(shí)現(xiàn)這一功能,我們將使用Python的圖像處理庫(kù)和計(jì)算機(jī)視覺(jué)庫(kù)來(lái)加載圖像數(shù)據(jù)并生成高分辨率圖像導(dǎo)航
    2024-03-03
  • python將類(lèi)似json的數(shù)據(jù)存儲(chǔ)到MySQL中的實(shí)例

    python將類(lèi)似json的數(shù)據(jù)存儲(chǔ)到MySQL中的實(shí)例

    今天小編就為大家分享一篇python將類(lèi)似json的數(shù)據(jù)存儲(chǔ)到MySQL中的實(shí)例,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧
    2019-07-07
  • VSCode基礎(chǔ)使用與VSCode調(diào)試python程序入門(mén)的圖文教程

    VSCode基礎(chǔ)使用與VSCode調(diào)試python程序入門(mén)的圖文教程

    這篇文章主要介紹了VSCode基礎(chǔ)使用+VSCode調(diào)試python程序入門(mén)圖文教程,本文通過(guò)圖文并茂的形式給大家介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值,需要的朋友可以參考下
    2020-03-03
  • 使用OpenCV實(shí)現(xiàn)仿射變換—旋轉(zhuǎn)功能

    使用OpenCV實(shí)現(xiàn)仿射變換—旋轉(zhuǎn)功能

    這篇文章主要介紹了在OpenCV里實(shí)現(xiàn)仿射變換——旋轉(zhuǎn)功能,本文通過(guò)實(shí)例代碼給大家介紹的非常詳細(xì),具有一定的參考借鑒價(jià)值,需要的朋友可以參考下
    2019-08-08
  • 簡(jiǎn)單介紹Python中的round()方法

    簡(jiǎn)單介紹Python中的round()方法

    這篇文章主要介紹了簡(jiǎn)單介紹Python中的round()方法,是Python入門(mén)的基礎(chǔ)知識(shí),需要的朋友可以參考下
    2015-05-05
  • 利用Python進(jìn)行時(shí)間序列數(shù)據(jù)分析與可視化的代碼示例

    利用Python進(jìn)行時(shí)間序列數(shù)據(jù)分析與可視化的代碼示例

    隨著時(shí)間序列數(shù)據(jù)在金融、氣象、生態(tài)等領(lǐng)域的廣泛應(yīng)用,利用Python進(jìn)行時(shí)間序列數(shù)據(jù)分析和可視化已成為重要的技能之一,本文將介紹如何使用Python進(jìn)行時(shí)間序列數(shù)據(jù)分析和可視化,并給出相應(yīng)的代碼示例,需要的朋友可以參考下
    2023-11-11

最新評(píng)論

无棣县| 高碑店市| 萨迦县| 英吉沙县| 邵阳市| 理塘县| 德钦县| 张家川| 台州市| 北流市| 金沙县| 合水县| 乐亭县| 保定市| 共和县| 景东| 赤峰市| 彰武县| 宁安市| 太原市| 沙田区| 葵青区| 永川市| 瑞金市| 长乐市| 晋州市| 潼南县| 静安区| 康马县| 南平市| 文水县| 田林县| 扶沟县| 化隆| 揭西县| 绩溪县| 镇康县| 德清县| 二手房| 来凤县| 平罗县|