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，解决办法可以参考《狄仁杰之四大天王》影评分析（爬虫+词云+热力图）一文。