源码开放：基于Pyecharts可视化分析苏州旅游攻略

Posted 2021-09-17 尤尔小屋的猫

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了源码开放：基于Pyecharts可视化分析苏州旅游攻略相关的知识，希望对你有一定的参考价值。

公众号：尤而小屋
作者：Peter
编辑：Peter

大家好，我是Peter~

全国旅游城市终于又更新啦！今天带来的是：上有天堂，下有苏杭：苏州来了😄终于挤出时间把苏州的旅游景点和美食的攻略写完了。

很多年之前Peter去苏州旅游过一次，所以还是有些印象。到现在还记得当年去的几个景点：观前街、留园、苏州博物馆……

个人觉得苏州这个城市还是蛮不错的，真的是江南城市代表。到达苏州站，看到苏州护城河，河街相邻；走到城市中，房子低檐，粉墙黛瓦，老街园林到处可见；看到各种园林古迹，历史感比较厚重；听到当地人说话，温婉尔雅，轻声细语。

将来一定会找个时机再游苏州~

苏州

苏州是中国经济高度发达的地区，是江苏省的经济中心、工商业和物流中心城市，也是重要的金融、文化、艺术、教育和交通中心。下面这幅图来自维基百科，可以看到组成苏州的几个县级市和区。巩固下地理吧~

数据来源

本文中共有两份数据：苏州美食和苏州景点。数据是通过爬虫方式获取的，文末有数据获取方式。

郑重声明：本文的数据仅作为数据分析和可视化效果展示使用，未用作其他用途；若有转载，请注明出处~

数据效果

我们以苏州景点的数据分析作为展示。本文亮点是所有的图形使用的是可视化库：pyecharts，这是一个国产的可视化库

苏州景点

苏州景点的数据分析主要是从以下几个方面展开：

导入库

import pandas as pd
import re

# 显示所有列
# pd.set_option('display.max_columns', None)

# 显示所有行
# pd.set_option('display.max_rows', None)

# 设置value的显示长度为100，默认为50
# pd.set_option('max_colwidth',100)

# 绘图相关
import jieba
import matplotlib.pyplot as plt
from pyecharts.globals import CurrentConfig, OnlineHostType   # 事先导入，防止不出图
from pyecharts import options as opts  # 配置项
from pyecharts.charts import Bar, Pie, Line, HeatMap, Funnel, WordCloud, Grid, Page  # 各个图形的类
from pyecharts.commons.utils import JsCode   
from pyecharts.globals import ThemeType,SymbolType

省略相关的数据导入和数据探索部分，重点是看看数据分析的结果。苏州景点数据有2000*8

景点分布

在这里展示的苏州各个地方的景点个数：

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="苏州景点分布"),
                    legend_opts=opts.LegendOpts(pos_left="80%", orient="vertical"))
    .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}"))
)

c.render_notebook()

攻略数前10名的景点

很多的景点都有游客写了攻略数，我们可以把攻略数作为一种参考：

景点评论数

驴友百分比

驴友百分比表示的是大致有多少的游客到过相同的景点：

园林城市

苏州是一个园林城市，我们从数据中看到：本次获取到的数据里面苏州有457个和“园”相关的景点。比较出名的还是：

拙政园
留园
网师园

古城街道

苏州也是一个历史感很厚重的城市，数据中显示有106条的街道：

山塘街
平江路历史街区
观前街

寺庙

数据中也显示苏州共有96个寺庙：其中最为出名的还是寒山寺

月落乌啼霜满天，江枫渔火对愁眠，姑苏城外寒山寺，夜半钟声到客船

景点词云图

我们获取到的数据景点的中文名和简介进行了词云图展示：

1、全部的词云展示

2、截取前50个高频词

通过两种词云图的展示，我们发现苏州的景点中：

公园是比较多的
各种馆，比如：博物馆、展览馆、艺术馆、美术馆等也很丰富
文化气息浓厚：文化、文物保护、建筑等

苏州美食

苏州美食数据有2000条，6个字段。

得分分布

得分这个字段的分布情况。得分为0.0表示没有得分

从上图中我们可以看到很多店是么有评分的。接下来，我们看看评分为5分的都是哪些店铺（取前10名）

牛排店
知名酒店
咖啡厅

消费均价

对字段“均价”的统计分析，分类的规则：

def price(x):
    if x < 20:
        return "很便宜"
    if x < 50:
        return "价格亲民"
    if x < 100:
        return "可以接受"
    if x < 200:
        return "人均消费较高"
    else:
        return "高档餐厅"

利用下面的代码进行饼图的绘制：

c = (
    Pie(init_opts=opts.InitOpts(theme=ThemeType.CHALK))
    .add("", [list(z) for z in zip(df5["分类"].tolist(), df5["数量"].tolist())])
    .set_global_opts(title_opts=opts.TitleOpts(title="苏州美食店铺均价数量占比分布",subtitle="备注：排除没有均价店铺"),
                    legend_opts=opts.LegendOpts(pos_left="80%", orient="vertical"))
    .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}"))
)

c.render_notebook()