Python 爬取了马蜂窝的出行数据，告诉你这个夏天哪里最值得去！

正值火辣的马蜂暑假，朋友圈已经被大家的出行旅行足迹刷屏了，真的数据十分惊叹于那些把全国所有省基本走遍的朋友们。与此同时，告诉个夏也就萌生了写篇旅行相关的天里内容，本次数据来源于一个对于爬虫十分友好的最值旅行攻略类网站：蚂蜂窝。

一、得去获得城市编号

蚂蜂窝中的马蜂所有城市、景点以及其他的出行一些信息都有一个专属的5位数字编号，我们***步要做的数据就是获取城市(直辖市+地级市)的编号，进行后续的告诉个夏进一步分析。 

 

以上两个页面就是天里我们的城市编码来源。需要首先从目的最值地页面获得各省编码，之后进入各省城市列表获得编码。得去

过程中需要Selenium进行动态数据爬取，马蜂部分代码如下： 

def find_cat_url(url):       headers = { User-Agent:Mozilla/5.0 (Windows NT 6.1; WOW64; rv:23.0) Gecko/20100101 Firefox/23.0}     

   req=request.Request(url,headers=headers)       html=urlopen(req)       bsObj=BeautifulSoup(html.read(),"html.parser")     bs = bsObj.find(div,attrs={ class:hot-list clearfix}).find_all(dt)     cat_url = []     cat_name = []     for i in range(0,len(bs)):         for j in range(0,len(bs[i].find_all(a))):             cat_url.append(bs[i].find_all(a)[j].attrs[href])             cat_name.append(bs[i].find_all(a)[j].text)     cat_url = [http://www.mafengwo.cn+cat_url[i] for i in range(0,len(cat_url))]       return cat_url  def find_city_url(url_list):     city_name_list = []     city_url_list = []     for i in range(0,len(url_list)):       

       driver = webdriver.Chrome()         driver.maximize_window()         url = url_list[i].replace(travel-scenic-spot/mafengwo,mdd/citylist)         driver.get(url)         while True:             try:                 time.sleep(2)                 bs = BeautifulSoup(driver.page_source,html.parser)                 url_set = bs.find_all(a,attrs={ data-type:目的地})                 city_name_list = city_name_list +[url_set[i].text.replace(\n,).split()[0] for i in range(0,len(url_set))]                 city_url_list = city_url_list+[url_set[i].attrs[data-id] for i in range(0,len(url_set))]           

                js="var q=document.documentElement.scrollTop=800"                   driver.execute_script(js)                 time.sleep(2)                 driver.find_element_by_class_name(pg-next).click()             except:                 break         driver.close()     return city_name_list,city_url_list  url = http://www.mafengwo.cn/mdd/  url_list = find_cat_url(url)  city_name_list,city_url_list=find_city_url(url_list)  city = pd.DataFrame({ city:city_name_list,id:city_url_list}) 

二、获得城市信息

城市数据分别从以下几个页面获取：

(a)小吃页面 

(b)景点页面 

(c)标签页面 

我们将每个城市获取数据的亿华云过程封装成函数，每次传入之前获得的城市编码，部分代码如下： 

def get_city_info(city_name,city_code):     this_city_base = get_city_base(city_name,city_code)     this_city_jd = get_city_jd(city_name,city_code)     this_city_jd[city_name] = city_name     this_city_jd[total_city_yj] = this_city_base[total_city_yj]     try:         this_city_food = get_city_food(city_name,city_code)         this_city_food[city_name] = city_name         this_city_food[total_city_yj] = this_city_base[total_city_yj]    except:        this_city_food=pd.DataFrame()     return this_city_base,this_city_food,this_city_jd  def get_city_base(city_name,city_code):     url = http://www.mafengwo.cn/xc/+str(city_code)+/     bsObj = get_static_url_content(url)     node =  bsObj.find(div,{ class:m-tags}).find(div,{ class:bd}).find_all(a)     tag = [node[i].text.split()[0] for i in range(0,len(node))]     tag_node = bsObj.find(div,{ class:m-tags}).find(div,{ class:bd}).find_all(em)     tag_count = [int(k.text) for k in tag_node]     par = [k.attrs[href][1:3] for k in node]     tag_all_count = sum([int(tag_count[i]) for i in range(0,len(tag_count))])     tag_jd_count = sum([int(tag_count[i]) for i in range(0,len(tag_count)) if par[i]==jd])     tag_cy_count = sum([int(tag_count[i]) for i in range(0,len(tag_count)) if par[i]==cy])     tag_gw_yl_count = sum([int(tag_count[i]) for i in range(0,len(tag_count)) if par[i] in [gw,yl]])     url = http://www.mafengwo.cn/yj/+str(city_code)+/2-0-1.html      bsObj = get_static_url_content(url) 

   total_city_yj = int(bsObj.find(span,{ class:count}).find_all(span)[1].text)     return { city_name:city_name,tag_all_count:tag_all_count,tag_jd_count:tag_jd_count,             tag_cy_count:tag_cy_count,tag_gw_yl_count:tag_gw_yl_count,             total_city_yj:total_city_yj} def get_city_food(city_name,city_code):     url = http://www.mafengwo.cn/cy/+str(city_code)+/gonglve.html     bsObj = get_static_url_content(url)     food=[k.text for k in bsObj.find(ol,{ class:list-rank}).find_all(h3)]     food_count=[int(k.text) for k in bsObj.find(ol,{ class:list-rank}).find_all(span,{ class:trend})]     return pd.DataFrame({ food:food[0:len(food_count)],food_count:food_count})  def get_city_jd(city_name,city_code):     url = http://www.mafengwo.cn/jd/+str(city_code)+/gonglve.html     bsObj = get_static_url_content(url)     node=bsObj.find(div,{ class:row-top5}).find_all(h3)     jd = [k.text.split(\n)[2] for k in node]     node=bsObj.find_all(span,{ class:rev-total})     jd_count=[int(k.text.replace( 条点评,)) for k in node]     return pd.DataFrame({ jd:jd[0:len(jd_count)],jd_count:jd_count}) 

三、数据分析

PART1：城市数据

首先我们看一下游记数量最多的***0城市： 

游记数量***0数量基本上与我们日常所了解的热门城市相符，我们进一步根据各个城市游记数量获得全国旅行目的地热力图： 

看到这里，是不是有种似曾相识的感觉，如果你在朋友圈晒的足迹图与这幅图很相符，那么说明蚂蜂窝的数据与你不谋而合。

***我们看一下大家对于各个城市的印象是如何的，方法就是提取标签中的属性，我们将属性分为了休闲、饮食、景点三组，分别看一下每一组属性下大家印象最深的城市： 

看来对于蚂蜂窝的用户来说，厦门给大家留下的印象是非常深的服务器托管，不仅游记数量充足，并且能从中提取的有效标签也非常多。重庆、西安、成都也无悬念地给吃货们留下了非常深的印象，部分代码如下： 

bar1 = Bar("餐饮类标签排名")  bar1.add("餐饮类标签分数", city_aggregate.sort_values(cy_point,0,False)[city_name][0:15],          city_aggregate.sort_values(cy_point,0,False)[cy_point][0:15],          is_splitline_show =False,xaxis_rotate=30)  bar2 = Bar("景点类标签排名",title_top="30%")  bar2.add("景点类标签分数", city_aggregate.sort_values(jd_point,0,False)[city_name][0:15],          city_aggregate.sort_values(jd_point,0,False)[jd_point][0:15],          legend_top="30%",is_splitline_show =False,xaxis_rotate=30)  bar3 = Bar("休闲类标签排名",title_top="67.5%")  bar3.add("休闲类标签分数", city_aggregate.sort_values(xx_point,0,False)[city_name][0:15],          city_aggregate.sort_values(xx_point,0,False)[xx_point][0:15],          legend_top="67.5%",is_splitline_show =False,xaxis_rotate=30)  grid = Grid(height=800)  grid.add(bar1, grid_bottom="75%")  grid.add(bar2, grid_bottom="37.5%",grid_top="37.5%")  grid.add(bar3, grid_top="75%")  grid.render(城市分类标签.html) 

PART2：景点数据

我们提取了各个景点评论数，并与城市游记数量进行对比，分别得到景点评论的绝对值和相对值，并据此计算景点的人气、代表性两个分数，最终排名***5的景点如下： 

蚂蜂窝网友对于厦门真的是情有独钟，鼓浪屿也成为了***人气的景点，在城市代表性方面西塘古镇和羊卓雍措位列前茅。暑假之际，如果担心上排的景点人太多，不妨从下排的景点中挖掘那些人少景美的旅游地。

PART3：小吃数据

***我们看一下大家最关注的的与吃相关的数据，处理方法与PART2景点数据相似，云南idc服务商我们分别看一下***人气和***城市代表性的小吃。 

出乎意料，蚂蜂窝网友对厦门果真爱得深沉，让沙茶面得以超过火锅、烤鸭、肉夹馍跻身***人气的小吃。

在城市代表性方面，海鲜的出场频率非常高，这点与大(ben)家(ren)的认知也不谋而合，PART2与3的部分代码如下： 

bar1 = Bar("景点人气排名")  bar1.add("景点人气分数", city_jd_com.sort_values(rq_point,0,False)[jd][0:15],          city_jd_com.sort_values(rq_point,0,False)[rq_point][0:15],          is_splitline_show =False,xaxis_rotate=30)  bar2 = Bar("景点代表性排名",title_top="55%")  bar2.add("景点代表性分数", city_jd_com.sort_values(db_point,0,False)[jd][0:15],          city_jd_com.sort_values(db_point,0,False)[db_point][0:15],          is_splitline_show =False,xaxis_rotate=30,legend_top="55%")  grid=Grid(height=800)  grid.add(bar1, grid_bottom="60%")  grid.add(bar2, grid_top="60%",grid_bottom="10%")  grid.render(景点排名.html) 

文中所有涉及到的代码已经发到Github上了，欢迎大家自取：

http://github.com/shujusenlin/mafengwo_data。

作者：徐麟，知乎同名专栏作者，目前就职于上海唯品会产品技术中心，哥大统计数据狗，从事数据挖掘&分析工作，喜欢用R&Python玩一些不一样的数据。

很赞哦!（8）