今天 我们来聊一聊小龙虾!
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
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
螺丝、花甲、毛豆位高居TOP3,看来大家吃龙虾的时候,会希望同时选择一些不用摘手套就可以享用的食物,毕竟吃的过程中频繁摘手套会比较费劲。
PART4: 龙虾画像
目前互联网公司中非常普遍地会进行一些人群画像的分析,我们在这里借用一下这个概念,也为小龙虾绘制一副专属的画像,下面展示的两幅图分别是词云图和模板原图
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'
- )
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
---------------------------------
想从事AI行业,想快速通过学习AI取得高薪?
其实并不复杂,
只需关注小码聪聪,回复AI
即可领取你的专属秘籍
閱讀更多 小碼聰聰 的文章