全國41611個景點，用Python告訴你哪些地方更值得一游！

作者：zuobangbang 2018-11-28 10:23:01

都知道中國地廣人不稀，旅游資源非常豐富，古文化遺址、抗戰遺址、山川、河流等等，在選擇目的地的時候，不少人都會非常糾結，不知道去哪更好。為了以后不再糾結，筆者打算深度解析全國的旅游景點分布。

經常聽到別人說“世界那么大，我想去看看”。在有機會走出***之前，還是先把祖國走一圈吧。都知道中國地廣人不稀，旅游資源非常豐富，古文化遺址、抗戰遺址、山川、河流等等，在選擇目的地的時候，不少人都會非常糾結，不知道去哪更好。為了以后不再糾結，筆者打算深度解析全國的旅游景點分布。

以下進入正題。

01、數據抓取

去哪兒網有著非常豐富的旅游信息，不但幾乎涵蓋了全國所有景點，而且使用去哪兒網購買景區門票的人也非常多，所以筆者將爬取去哪兒網全國 32 個省市的所有景點數據。(沒有抓取香港和澳門的數據，這邊的景點并沒有分 ***、4A)

去哪兒網的門票服務中暫時還沒有開通 API 服務，所以只能對網頁解析爬取。要抓取的數據有：景點名、景區等級、地點、景區簡述、價格、銷量以及熱度。

將需要的數據進行定位，一層一層解析，就可以把所需的全部內容抓取下來了。但并不是每一個景點的信息都是全的，所以筆者加了一個 try/except 進去，雖然代碼有變長，但是整個程序變得更加健壯。最終，一共抓取了 41611 條景點信息。

for i in s:
inf = {}
try:
inf['level'] = i.find('span', class_='level').text[0]
except Exception as e:
inf['level'] = '0'
try:
inf['price'] = i.find('span', class_='sight_item_price').find('em').text
except Exception as e:
inf['price'] = ''
try:
inf['name'] = i.find('a', class_='name').text
except Exception as e:
inf['name'] = ''
try:
inf['num'] = i.find('span', class_='hot_num').text
except Exception as e:
inf['num'] = ''
try:
inf['add_pro'] = i.find('span', class_='area').find('a').text.split('·')[0]
inf['add_city'] = i.find('span', class_='area').find('a').text.split('·')[1]
except  Exception as e:
inf['add_pro'] = i.find('span', class_='area').find('a').text
inf['add_city'] = i.find('span', class_='area').find('a').text
try:
inf['hot'] = i.find('span', class_='product_star_level').find('em').get('title').split(':')[1]
except  Exception as e:
inf['hot'] = ''
try:
inf['descri'] = i.find('div', class_='intro color999').text
except Exception as e:
inf['descri'] = ''

02、數據分析

*** 級景區

上圖為 *** 景區的銷量排行，可以看出秦始皇兵馬俑***，是第二名長隆歡樂世界的 5/3 倍。讓筆者沒有想到的是歡樂谷游樂園等在前二十名中占了六個席位，所以對于那些想發展旅游業但是沒有美麗風景或者歷史古跡的城市而言，大力發展游樂園行業是一個不錯的選擇。廣州長隆就是一個鮮活的例子。

江蘇省是全國 *** 級景區最多的一個省，有 41 個之多;其次是浙江省和廣東省有 21 個。總體而言，東部地區的 *** 景區數量是遠高于西部的，雖然西部的美景非常多，但是整體經濟不行，對景區的開發力度不夠，拉了不少后退。

如果大家想去人少景美的地方，可以參考上圖。比如武漢的東湖磨山、紅旗渠、野三坡等等(其實筆者都沒有聽過。)雖然它們的銷量低，但好歹也是 AAAAA 級風景區。

def huati(name,num,k):
kk=[]
for i in range(len(name)):
if not numpy.isnan(num[i]):
q = []
q.append(name[i])
q.append(num[i])
kk.append(q)
hh=sorted(kk,key=lambda i:i[1],reverse=True)
page=Page()
att,val=[],[]
for i in hh[:20]:
att.append(i[0])
val.append(i[1])
bar1 = Bar("", k+"A景區銷量排行", title_pos="center", width=1200, height=600)
bar1.add("",att,val, is_visualmap=True, visual_text_color='#fff', mark_point=["average"],
mark_line=["average"],
is_more_utils=True, is_label_show=True, is_datazoom_show=True, xaxis_rotate=45)
page.add_chart(bar1)
att, val = [], []
for i in hh[-20:]:
att.append(i[0])
val.append(i[1])
bar2 = Bar("", k+"A景區銷量排行", title_pos="center", width=1200, height=600)
bar2.add("", att, val, is_visualmap=True, visual_text_color='#fff', mark_point=["average"],
mark_line=["average"],
is_more_utils=True, is_label_show=True, is_datazoom_show=True, xaxis_rotate=45)
page.add_chart(bar2)
page.render(k+"A景區銷量bar.html")
def sum_pro(pro,k):#每個省有多少個景點
p=[]
c=[]
for i in set(pro):
'''
q={}
q[i]=pro.count(i)
p.append(q)'''
p.append(i)
c.append(pro.count(i))
map= Map('各省'+k+'A景點分布', width=1200, height=600)
map.add("", p,c, is_visualmap=True, visual_range=[min(c), max(c)],
visual_text_color='#000', is_map_symbol_show=True, is_label_show=True)
map.render( '各省'+k+'A景點分布.html')

4A 景區

在 4A 景區里，成都熊貓基地的銷量是***的，大熊貓最為國寶，這吸引力真是杠杠的。和 *** 景區一樣，歡樂谷游樂園等占了四成，我想這也是南京雖然是六朝古都，又是中華民國的首都，可是景區無論銷量還是人氣都不高的原因吧，希望在南京可以多造幾個大型游樂園!

在上圖中可以看到山東省是 4A 景區最多的省，有 167 個之多。而浙江省、江蘇省、廣東省、河北省、四川省、安徽省的 4A 景區數量均超過了 100。4A 景區最少的省是西藏，只有 6 個。

3A 景區

3A 景區銷量***的是竹林長壽山景區，但也只有 1326，在 4A 景區的中上游。

山東省的 3A 景區數量***，高達 211 個，而河南省、安徽省、遼寧省、黑龍江省、新疆省 3A 景區均在 100 個以上。

綜合對比

從各等級景區人氣值可以看出，人氣值為 1 的 *** 景區占了將近三成，而 4A 和 3A 景區連一成都沒有;相反，人氣值為 0 的 3A 景區差不多有六成，看來這個 3A 景區不是一點點水呢?*** 景區也并非每一個都稱得上 *** 這個名號，不然也不會有近兩成人氣值為 0。

def hottt(fivhot,fouhot,thrhot):
fiv, fou, th = [], [], []
atts = ['0', '0.7', '0.8', '0.9', '1']
for i in zip(fivhot,fouhot,thrhot):
fiv.append(round(i[0], 1))
fou.append(round(i[1], 1))
th.append(round(i[2], 1))
levels = ['***', '4A', '3A']
data = {}
data['att'] = atts
data['***'], data['4A'], data['3A'] = [], [], []
for i in range(len(atts)):
data['***'].append(round(fiv.count(float(atts[i])) / len(fiv) * 100, 3))
data['4A'].append(round(fou.count(float(atts[i])) / len(fou) * 100, 3))
data['3A'].append(round(th.count(float(atts[i])) / len(th) * 100, 3))
print(data)
output_file("bars.html")  # 輸出文件名
x = [(att, level) for att in atts for level in levels]
counts = sum(zip(data['***'], data['4A'], data['3A']), ())
source = ColumnDataSource(data=dict(x=x, counts=counts))
p = figure(x_range=FactorRange(*x), plot_height=250, title="各等級景區人氣值占比",
toolbar_location=None, tools="")
p.vbar(x='x', top='counts', width=0.9, source=source)
show(p)

從各級景點的箱型圖可以看出，*** 景區人氣值是***的，整體在 0.7 以上。4A 景區人氣均值中位數在 0.7 左右，不過高于 0.7 的景區實在太少了。3A 景區就更不用說，整體人氣值非常低。

從景區銷量箱型圖可以看到：*** 景區的銷量是遠超過了 4A 和 3A 景區，*** 景區的 3/4 分為點達到了 400，而 4A 景區的僅為 82;而 4A 景區的箱型圖和 3A 的非常類似;看來大家對 4A 景區和對 3A 景區興趣都一致的不大。

def box(q,w,e,l):
a = go.Box(y=q, name='***景區')
b = go.Box(y=w, name='4A景區')
c = go.Box(y=e, name='3A景區')
g = go.Box(y=l, name='所有景區')
data = [a, b, c,g]
layout = go.Layout(legend=dict(font=dict(size=16)), orientation=270)
fig = go.Figure(data=data, layout=layout)
plotly.offline.plot(data)

將所有景點的概述用 R 生成了一個詞云圖：位于，文化，休閑，旅游，體驗，景區，公園，歷史，娛樂等等這些詞是不是很熟悉呢。看來商家對景區的概括都差不多。

對比完各級景點，下面來給各位看官排排雷。

上圖是 4A 級景區銷量排名的*** 20 位，全中國有 2193 個 4A 級景區，這 20 個還排在***，在對比一下大家對 4A 級景區的人氣評分，想想還是不要去了。

首先，如果說 3A 級景區不太推薦大家去游玩，因為人氣值實在低的可怕;那上面列出的這 20 個景點那就是完全不建議游玩了。全國一共 1933 個 AAA 級景區，這 20 個排在***，可想而知去了會多么震驚了。

高德地圖可視化

高德地圖的 API 真的非常好，它提供各種和地圖有關的功能。其中有一項是 WEB 服務里的地理/逆地理編碼。將去哪兒爬取到的景點地址數據通過地理編碼轉變為對應的經緯度。比如：北京市方恒國際中心 A 座將它經過地理編碼后其經緯度為 116.480656，39.989677。它的 URL：

??https://restapi.amap.com/v3/geocode/geo?address=地址&output=XML&key=<用戶的key>&city=城市??

其中 output 是輸出個格式，一共有兩種，XML 和 JSON;address 是要地理編碼的地址，city 是所在的城市。

Word is cheap,show me the code!

def trans(city,name,pro,level):
for i in range(len(name)):
x = pandas.DataFrame()
t={}
add = name[i]
chengshi=city[i]
parameters = { 'address': add, 'key': '','city':chengshi }
html = requests.get('https://restapi.amap.com/v3/geocode/geo',
params=parameters).json()
try:
t['jingwei'] = html['geocodes'][0]['location']
except IndexError:
t['jingwei']='0,0'
finally:
t['n'] = name[i]
t['level']=level[i]
t['pro']=pro[i]
t['city']=city[i]
x = x.append(t, ignore_index=True)
x.to_csv('55543.csv', encoding='utf-8', index=False, mode='a', header=False)