五一假期已经结束，小伙伴是不是都还没有玩过瘾？但是没办法，还有很多bug等着我们去写，同样还有需要money需要我们去赚。为了生活总的拼搏。
今年五一放了四天假，很多人不再只是选择周边游，因为时间充裕，选择了稍微远一点的景区，甚至出国游。各个景点成了人山人海，拥挤的人群，甚至去卫生间都要排队半天，那一刻我突然有点理解灭霸的行为了。
今天，通过分析去哪儿网部分城市门票售卖情况，简单的分析一下哪些景点比较受欢迎。等下次假期可以做个参考。
通过请求https://piao.qunar.com/ticket/list.htm?keyword=北京，获取北京地区热门景区信息，再通过BeautifulSoup去分析提取出我们需要的信息。
这里为了偷懒只爬取了前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。
这里只是随机选择了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
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
有了数据，我们就可以分析出自己想要的东西了
1、最受欢迎的15个景区
由图可以看出，在选择的13个城市中，最热门的景区为上海的迪士尼乐园
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(tou)便(lan)，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
3、景区价格
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
通过上图得知，大部分的景区门票价格都在200元以下。每次旅游花费基本都在交通、住宿、吃吃喝喝上了。门票占比还是比较少的。
代码如下
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()
最后欢迎大家关注我的公众号，每天都会努力分享各种干货