Python爬虫爬取最好吃的小龙虾店
本期则分享一些为吃货们量身定制的文章,大家的好丽友——小龙虾。
PART1:获得数据
本次数据我们爬取了大众点评中所有打上小龙虾标签的餐厅
从上图中可以看出,我们可以获得餐厅的人均消费、点评数量、推荐菜、评分(口味、环境、服务)等信息,用于我们之后的分析。我们此次总共爬取到了225个城市,6758个餐厅,121.3万条评论。
我们截取其中的部分核心代码:
def
find_city_page(path):
data = pd.read_excel(path)
city_lobster_page = pd.
DataFrame
()
driver = webdriver.
Chrome
()
for
i
in
range(
0
,len(data)):
try
:
js=
'window.open("'
+data[
'city_lobster_url'
][i]+
'")'
driver.execute_script(js)
bsObj =
BeautifulSoup
(driver.page_source,
'html.parser'
)
bs = bsObj.find_all(
'a'
,attrs={
'class'
:
'PageLink'
})
this_city_lobster={
'city_name'
:data[
'city_name'
][i],
'page_num'
:max([
int
(l.text )
for
l
in
bs])}
city_lobster_page = city_lobster_page.append(this_city_lobster,ignore_index=
True
)
except
:
continue
return
city_lobster_page
加群850973621
PART2: 城市对比
我们首先要进行分析的是各个城市的小龙虾热度,我们以带有“小龙虾”标签的餐厅评论总和作为最终的对比依据,得到的TOP20城市如下:
可以看出上海市的点评数遥遥领先,可能存在以下两个因素:a.上海市的小龙虾餐厅数量较多,本身存在较大的消费群体 b.大众点评总部在上海,上海的商户入驻数量较多。有兴趣的朋友可以进行更深一步的研究。
圈定了TOP20城市后,我们首先看一下TOP20城市小龙虾的人均消费
该项统计中,包邮区占据了靠前的位置,体现出来包邮区对小龙虾的热情和自身的消费水平。同时可以看到株洲的人均消费接近于上海的一半,有机会到湖南旅游的朋友可以考虑到株洲品尝物美价廉的小龙虾。
紧接着要看的是TOP20城市味道、环境、服务三部分的分数情况:
我们发现服务分与环境分排序相同,二者具有极强的相关性,符合通常认知。同时可以看到在三项分数中,北方的四个城市天津、西安、北京、青岛各项指标均处于靠前的位置,其中天津的服务和环境均处于首位。
结合下图全国小龙虾热力图,似乎有些有悖于大家的认知。
由此我们可以得出在小龙虾整体热度比较强的区域,人们对于小龙虾各方面的要求会相应提高,相反在整体热度偏低区域,人们评价时会相对宽容。同时我们看到海口的各项指标均处于最后一位,需要进行相应的调整。
PART3: 探索龙虾
我们看过了各个城市的情况后,进一步看一下小龙虾本身的一些有趣的内容,首先看一下龙虾的口味,我们选取了各个餐厅中带有龙虾的推荐菜,分词后获得TOP20的口味
十三香、蒜蓉、麻辣高居前三位,根据作者的经验,这基本上是符合大家整体口味的选择。TOP20中的蛋黄,白灼对于作者而言相对陌生,有品尝过的朋友可以分享一些这些口味的体验。
看完了口味,再看一下龙虾的好丽友
部分词云绘制代码如下:
# 解析小龙虾图片
back_color = imread(
'小龙虾.jpg'
)
# 解析该图片
# 参数配置
wc =
WordCloud
(background_color=
'white'
,
# 背景颜色
max_words=
300
,
# 最大词数
mask=back_color,
# 以该参数值作图绘制词云,这个参数不为空时,width和height会被忽略
max_font_size=
100
,
# 显示字体的最大值
font_path=
"C:/Windows/Fonts/simhei.ttf"
,
# 解决显示口字型乱码问题,可进入C:/Windows/Fonts/目录更换字体
random_state=
4
,
# 为每个词返回一个PIL颜色
#width=2000, # 图片的宽
#height=1860 #图片的长
)
# 通过encounter计数器生成词云
wc.generate_from_frequencies(word_counts)
# 基于彩色图像生成相应彩色
image_colors =
ImageColorGenerator
(back_color)
# 绘制词云
plt.figure()
plt.imshow(wc.recolor(color_func=image_colors))
plt.axis(
'off'
)
加群850973621
PART5: 特(hei)色(an)龙虾
文章最后我们放上几个之前分词发现的特色口味龙虾,或许下一个网红龙虾就在其中加群850973621