源碼開(kāi)放：基于Pyecharts可視化分析蘇州旅游攻略

作者：尤而小屋 2021-09-09 06:40:28

全國(guó)旅游城市終于又更新啦！以前寫(xiě)過(guò)廈門(mén)、長(zhǎng)沙、成都、西安、大連。今天帶來(lái)的是：上有天堂，下有蘇杭：蘇州來(lái)了。終于擠出時(shí)間把蘇州的旅游景點(diǎn)和美食的攻略寫(xiě)完了。

[[422782]]

本文轉(zhuǎn)載自微信公眾號(hào)「尤而小屋」，作者尤而小屋。轉(zhuǎn)載本文請(qǐng)聯(lián)系尤而小屋公眾號(hào)。

大家好，我是Peter~

全國(guó)旅游城市終于又更新啦!以前寫(xiě)過(guò)廈門(mén)、長(zhǎng)沙、成都、西安、大連。今天帶來(lái)的是：上有天堂，下有蘇杭：蘇州來(lái)了。終于擠出時(shí)間把蘇州的旅游景點(diǎn)和美食的攻略寫(xiě)完了。

很多年之前Peter去蘇州旅游過(guò)一次，所以還是有些印象。到現(xiàn)在還記得當(dāng)年去的幾個(gè)景點(diǎn)：觀前街、留園、蘇州博物館……

個(gè)人覺(jué)得蘇州這個(gè)城市還是蠻不錯(cuò)的，真的是江南城市代表。到達(dá)蘇州站，看到蘇州護(hù)城河，河街相鄰;走到城市中，房子低檐，粉墻黛瓦，老街園林到處可見(jiàn);看到各種園林古跡，歷史感比較厚重;聽(tīng)到當(dāng)?shù)厝苏f(shuō)話，溫婉爾雅，輕聲細(xì)語(yǔ)。

將來(lái)一定會(huì)找個(gè)時(shí)機(jī)再游蘇州~

[[422783]]

蘇州

蘇州是中國(guó)經(jīng)濟(jì)高度發(fā)達(dá)的地區(qū)，是江蘇省的經(jīng)濟(jì)中心、工商業(yè)和物流中心城市，也是重要的金融、文化、藝術(shù)、教育和交通中心。下面這幅圖來(lái)自維基百科，可以看到組成蘇州的幾個(gè)縣級(jí)市和區(qū)。鞏固下地理吧~

數(shù)據(jù)來(lái)源

本文中共有兩份數(shù)據(jù)：蘇州美食和蘇州景點(diǎn)。數(shù)據(jù)是通過(guò)爬蟲(chóng)方式獲取的，文末有數(shù)據(jù)分析源碼獲取方式。

鄭重聲明：本文的數(shù)據(jù)僅作為數(shù)據(jù)分析和可視化效果展示使用，未用作其他用途;若有轉(zhuǎn)載，請(qǐng)注明出處~

數(shù)據(jù)效果

我們以蘇州景點(diǎn)的數(shù)據(jù)分析作為展示。本文亮點(diǎn)是所有的圖形使用的是可視化庫(kù)：pyecharts，這是一個(gè)國(guó)產(chǎn)的可視化庫(kù)

蘇州景點(diǎn)

蘇州景點(diǎn)的數(shù)據(jù)分析主要是從以下幾個(gè)方面展開(kāi)：

導(dǎo)入庫(kù)

import pandas as pd 
import re 
 
# 顯示所有列 
# pd.set_option('display.max_columns', None) 
 
# 顯示所有行 
# pd.set_option('display.max_rows', None) 
 
# 設(shè)置value的顯示長(zhǎng)度為100，默認(rèn)為50 
# pd.set_option('max_colwidth',100) 
 
# 繪圖相關(guān) 
import jieba 
import matplotlib.pyplot as plt 
from pyecharts.globals import CurrentConfig, OnlineHostType   # 事先導(dǎo)入，防止不出圖 
from pyecharts import options as opts  # 配置項(xiàng) 
from pyecharts.charts import Bar, Pie, Line, Funnel, WordCloud, Grid, Page  # 各個(gè)圖形的類(lèi) 
from pyecharts.commons.utils import JsCode    
from pyecharts.globals import ThemeType,SymbolType

省略相關(guān)的數(shù)據(jù)導(dǎo)入和數(shù)據(jù)探索部分，重點(diǎn)是看看數(shù)據(jù)分析的結(jié)果。蘇州景點(diǎn)數(shù)據(jù)有2000*8

景點(diǎn)分布

在這里展示的蘇州各個(gè)地方的景點(diǎn)個(gè)數(shù)：

c = ( 
    Pie(init_opts=opts.InitOpts(theme=ThemeType.CHALK)) 
    .add("", [list(z) for z in zip(df2["location"].tolist(), df2["number"].tolist())]) 
    .set_global_opts(title_opts=opts.TitleOpts(title="蘇州景點(diǎn)分布"), 
                    legend_opts=opts.LegendOpts(pos_left="80%", orient="vertical")) 
    .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}")) 
) 
 
c.render_notebook()

攻略數(shù)前10名的景點(diǎn)

很多的景點(diǎn)都有游客寫(xiě)了攻略數(shù)，我們可以把攻略數(shù)作為一種參考：

景點(diǎn)評(píng)論數(shù)

驢友百分比

驢友百分比表示的是大致有多少的游客到過(guò)相同的景點(diǎn)：

園林城市

蘇州是一個(gè)園林城市，我們從數(shù)據(jù)中看到：本次獲取到的數(shù)據(jù)里面蘇州有457個(gè)和“園”相關(guān)的景點(diǎn)。比較出名的還是：

拙政園
留園
網(wǎng)師園

古城街道

蘇州也是一個(gè)歷史感很厚重的城市，數(shù)據(jù)中顯示有106條的街道：

山塘街
平江路歷史街區(qū)
觀前街

寺廟

數(shù)據(jù)中也顯示蘇州共有96個(gè)寺廟：其中最為出名的還是寒山寺

月落烏啼霜滿天，江楓漁火對(duì)愁眠，姑蘇城外寒山寺，夜半鐘聲到客船

景點(diǎn)詞云圖

我們獲取到的數(shù)據(jù)景點(diǎn)的中文名和簡(jiǎn)介進(jìn)行了詞云圖展示：

1、全部的詞云展示

2、截取前50個(gè)高頻詞

通過(guò)兩種詞云圖的展示，我們發(fā)現(xiàn)蘇州的景點(diǎn)中：

公園是比較多的
各種館，比如：博物館、展覽館、藝術(shù)館、美術(shù)館等也很豐富
文化氣息濃厚：文化、文物保護(hù)、建筑等

蘇州美食

蘇州美食數(shù)據(jù)有2000條，6個(gè)字段。

得分分布

得分這個(gè)字段的分布情況。得分為0.0表示沒(méi)有得分

從上圖中我們可以看到很多店是沒(méi)有評(píng)分的。接下來(lái)，我們看看評(píng)分為5分的都是哪些店鋪(取前10名)

牛排店
知名酒店
咖啡廳

消費(fèi)均價(jià)

對(duì)字段“均價(jià)”的統(tǒng)計(jì)分析，分類(lèi)的規(guī)則：

def price(x): 
    if x < 20: 
        return "很便宜" 
    if x < 50: 
        return "價(jià)格親民" 
    if x < 100: 
        return "可以接受" 
    if x < 200: 
        return "人均消費(fèi)較高" 
    else: 
        return "高檔餐廳"

利用下面的代碼進(jìn)行餅圖的繪制：

c = ( 
    Pie(init_opts=opts.InitOpts(theme=ThemeType.CHALK)) 
    .add("", [list(z) for z in zip(df5["分類(lèi)"].tolist(), df5["數(shù)量"].tolist())]) 
    .set_global_opts(title_opts=opts.TitleOpts(title="蘇州美食店鋪均價(jià)數(shù)量占比分布",subtitle="備注：排除沒(méi)有均價(jià)店鋪"), 
                    legend_opts=opts.LegendOpts(pos_left="80%", orient="vertical")) 
    .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}")) 
) 
 
c.render_notebook()