爬取点评成都数据,只为告诉你哪家火锅最好吃

冬天到了,天气越来越冷,小编起床越来越困难了,每一天都想吃辣辣的火锅。成都到处都是火锅店,有名的店,稍微去晚一点,排队都要排好久,没听说的店,又怕味道不好。那么如何选择火锅店呢?最简单的肯定是在美团。大众点评上找一找啊。所以,本文就从大众点评上爬取了成都的火锅数据,来进行了分析。

1、爬虫

首先小编定位为成都,美食类型选的“火锅”,火锅具体类型选的不限,区域选的不限,排序选的智能,如图:

v2-247c2ffd9fd26384570ec06e7f643603_b.jpg


你也可以选择别的选项,只是注意URL的变化。本文都是按照上述选项爬取的数据。接下来翻页观察一下URL的变化:

第二页:

v2-1f2a90a6df87db1223d135fc8ad62fb9_b.jpg

第三页:

v2-b66aac33fa3c3a3530da199bb8f89a45_b.jpg

很容易观察出翻页变化的知识p后面的数字,倒推回第一页,发现一样的显示内容,因此,写一个循环,便可以爬取全部页面。但是大众点评只提供了前50页的数据,所以,我们也只能爬取前50页。

这一次,小编用的pyquery来分析网页的,所以我们需要定位到我们所爬取的数据的位置,如图:

v2-93430b8d707135ba407b487a13343806_b.jpg

在具体分析的网页的时候,我震惊了,大众点评的反爬做的太过分了,它的数字,一些文字居然都不是明文显示,而是代码,你还不知道怎么分析它。如图:

v2-8f704613ca1c200c8e3ccfe1e261310f_b.jpg

很烦的,一些文字又可以显示,一些又用代码表示。一些数字也是,不过好一点的是数字只有9个,只要稍微观察一下,就能发现数字的代码是什么了。这里小编列出来了。 {'hs-OEEp': 0, 'hs-4Enz': 2, 'hs-GOYR': 3, 'hs-61V1': 4, 'hs-SzzZ': 5, 'hs-VYVW': 6, 'hs-tQlR': 7, 'hs-LNui': 8, 'hs-42CK': 9}。值得注意的是,数字1,是用明文表示的。

那么,如何用pyquery来定位呢,很简单,你找到你要获取的数据,然后右键→copy→cut selector,你复制到代码里面就OK了。pyquery的具体用法百度既有。

v2-98132454735059582655254d95cd204f_b.gif

最后,我们获取了火锅50个页面的数据,每页15个数据,一共750家餐厅的数据。

v2-fc00525edabb73a5cd9bcdd674c7726a_b.jpg

2、分析


大众点评已经给出了星级评价,可以看看大致趋势。

v2-7e5755a58b664779e43cd23c519b27ec_b.jpg

准五星商户最多,可能因为大部分食客都习惯给好评,只有实在不满时才会打出低评有关,造成了评级一般不低,但近满分还是蛮少的。

在本文,我们假设评论数目为饭店的热度,也就是它越火,评论数目越多。

v2-2729cea2e9378888f8d967c0eb86ddcd_b.jpg

评论数目大多在1000以内,但是高于2000,甚至高于4000也还存在一些,这些饭店应该是一些网红店。以5000为约束,筛选出饭店均为小龙坎、蜀大侠都非常知名的火锅店。那么评论数量和星级有关系吗?看下图:

v2-bdf610307a450774a29ea7416258cfd2_b.jpg

这里取其评论数平均值,发现对于四星以上商户来说,评论数和星级并不关系,但均比低于四星的饭店销量更好。这说明在四星以上之后,人们选择差别不大,但一般不愿意接受评论太差的饭店。

对于小编这样的学生党来说,影响较大还有人均消费情况。

v2-6e0197d917adf48f24d253e392096dd7_b.jpg

成都的火锅店人均消费大部分都在50-100的区间内,高于150的也有一些。对于小编来讲,吃一顿火锅,人均在50-100是可以接受的,高于100,小编就要低头看看钱包了(

v2-be751fd4b70d273b22fc6a0681aa8f9c_b.jpg

)。那扩展看,人均消费和星级、评论数量有关系吗?

v2-7f091d78625b6663232b23ea7229d15a_b.jpg

上图是人均消费和星级的关系,看起来并无任何关系,那说明一些口碑好的火锅店,其实人均也不贵。下面看看人均和评论数目的关系吧。

v2-9dcc33564193f9de7425bc41ddb5d1dc_b.jpg

通过比较,发现评论数目低于500,人均在50-100区间是最多的。当然这肯定和评论数量、人均消费本身集中于这一阶段有关。

吃火锅,一家店的生意好坏,肯定还和它的特色菜有关,小编通过jieba分词,将爬取到的推荐菜做了一个词云图,如下。

v2-9013b64cc45f7e03a26d5b55a9161e83_b.jpg


小编最爱的牛肉是特色菜之最啊,尤其是麻辣牛肉,只要去吃火锅,都要来上一份,其次是毛肚、虾滑、鹅肠等等。

接下来是大家都关心的,口味、环境和服务的情况。

v2-80b2d382a3ec732bc7701a98e932e7d9_b.jpg

三者得分大多都是集中在8.0-9.2这一阶段,小编认为,低于7.5分的饭店还是不要去尝试了。同时,星级评价应该也是由这三者得分产生的。

v2-627bbc27d1cda1bf83143384d3c4103c_b.jpg

v2-0172b9c3b46330589f2ff0edd732a23b_b.jpg

v2-636f73c83026713fe743466f9c9d121c_b.jpg

果然如预想的一向,星级评价越好,它在口味、环境和服务的得分越高。那么口味,环境,服务得分与评论数量,平均价格有关系吗?

v2-b379d6d5748ea172a7670b69ad78fd45_b.jpg

如图所看,并无什么直接关系,但是我们发现口味、环境和服务三者之间存在着非常好的线性关系,于是单独拿出来画了一个较大的图。

v2-0c93acf48da71185bf5795b4a56b9ac6_b.jpg

我们并且拟合了线性关系,由于三星商户只有一家,它的情况较为特殊之外,其他星级在口味、环境和服务的关系拟合中保持的相当一致,这也证明我们的猜想,这些变量之间存在线性关系。鉴于小编本文最大的目的是做推荐,于是,我们进行了K-means聚类,这里小编取K为3,并且把星级转换为数字,五星对应5分,准五星对应4.5分,以此类推。最终得到了三类,通过作图,看看聚类情况如何吧。

v2-a31e0eaa888c36c969c5639cec188c9b_b.jpg

v2-444733143e079aeff36ca4dda9f57f1a_b.jpg

v2-bab22b5d2bdaf6ee2fe2d8c654e97737_b.jpg

v2-d374da776dad1a2a493b2e572cde3913_b.jpg

和我们想要的结果一致,在口味、环境、服务和星级上得分越高,我们就越推荐。然而推荐的店铺还是好多,能不能在集中一些呢?于是小编通过限制评论数量、人均消费和特色菜来进行推荐。由于小编喜欢人少,便宜还有牛肉的店铺,这里得到了如下的结果:

v2-6c6f8acf0ce28ca71b09e63a6063e36a_b.jpg

小编接下来要做的就是,吃遍它们,哈哈哈哈,想想都开心。就酱,┏(^0^)

代码:github.com/summerheday/

作者:糖甜甜甜,985高校经管研二,擅长用python,R, tableau等工具结合统计学和机器学习模型做数据分析。个人公众号:经管人学数据分析(ID:)
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值