• 1.說明

• 2.北京火鍋店基礎(chǔ)數(shù)據(jù)

• 3.北京火鍋店評(píng)分?jǐn)?shù)據(jù)

• 4.評(píng)價(jià)數(shù)及人均消費(fèi)

• 5.都有哪些連鎖店

• 6.爬蟲過程

• 7.其他

接下來，我們來看看北京好吃的火鍋都在哪里吧~

1.說明

環(huán)境

!! 環(huán)境
Windows：Windows-10
Python版本：3.7.9
IDE：Spyder 4.1.5
繪圖庫：matplotlib

數(shù)據(jù)

!! 數(shù)據(jù)
數(shù)據(jù)來源：大眾點(diǎn)評(píng)-美食-北京-火鍋
表單字段：['地區(qū)', '火鍋類型', 'id', '商家名稱', '商家評(píng)分', '評(píng)價(jià)數(shù)', '人均消費(fèi)', '口味', '環(huán)境', '服務(wù)', '地址', '推薦菜']
表單數(shù)量：6416條有效數(shù)據(jù)（另有4000余條無評(píng)價(jià)等的店鋪數(shù)據(jù)，記為無效數(shù)據(jù)，已刪除）

2.北京火鍋店基礎(chǔ)數(shù)據(jù)

In?[1]:?df.id.nunique()?#有效火鍋店鋪數(shù)：店鋪id非重復(fù)計(jì)數(shù)
Out[1]:?5319

北京一共有5319家有評(píng)分的有效火鍋店鋪。

2.1. 火鍋分類

算不上吃貨的我，只知道兩種火鍋：火鍋和銅鍋。仔細(xì)一看，發(fā)現(xiàn)有接近小30種火鍋種類，咱中國(guó)人真講究。

在北京品類最多的有老北京火鍋高達(dá)1020家，其次是川味麻辣火鍋、羊蝎子火鍋及串串香等。

以下是繪圖代碼：

#?獲取數(shù)量前10的火鍋類型
df_type?=?df.groupby('火鍋類型')['id'].nunique().to_frame('數(shù)量').reset_index().sort_values('數(shù)量',ascending=False)
df_type.reset_index(drop=True,inplace=True)
df_type.head(10)
df_type10?=?df_type.head(10)?#前10
#?繪制柱狀圖
fig?=?df_type10.plot(kind='barh',x='火鍋類型',y='數(shù)量',title="各類火鍋店鋪數(shù)量",
?????????????????????color='orange',figsize=(18,9),fontsize=16,
????????????????????)
fig.axes.title.set_size(22)?#設(shè)置標(biāo)題字體大小
fig.legend(fontsize=16)?#設(shè)置圖例字體大小
fig.set_ylabel('火鍋類型',fontdict={'fontsize':20})?#設(shè)置y軸名稱及字體大小
for?index,?num?in?enumerate(df_type10['數(shù)量']):?#添加數(shù)據(jù)標(biāo)簽
????fig.text(num,?index,s?=?num,?ha?=?'left',?fontsize?=?16)

2.2. 各地區(qū)火鍋分類

以才哥在的海淀區(qū)為例，火鍋類型最多的是川味麻辣，其次是老北京火鍋、串串香和重慶火鍋。不得不說，這些都是我愛吃的。

以下是制作代碼：

df_loc_type?=?pd.pivot_table(df,?values='id',?index='火鍋類型',?columns='地區(qū)',?aggfunc=pd.Series.nunique)
cm?=sns.light_palette("red",?as_cmap=True)
df_loc_type.fillna(0).astype(int).style.background_gradient(cmap=cm)?#創(chuàng)建熱力圖背景（列）

2.3. 各地區(qū)火鍋店數(shù)量

不得不說朝陽區(qū)也太牛了，接近1200家店，占總店的20%+。其次是咱們海淀、昌平這種打工人聚集的地方~

3.北京火鍋店評(píng)分?jǐn)?shù)據(jù)

從大眾點(diǎn)評(píng)上爬取的店鋪數(shù)據(jù)中，我們可以看到評(píng)分相關(guān)的數(shù)據(jù)指標(biāo)有 商家評(píng)分(4.97)、口味、環(huán)境和服務(wù)評(píng)分共5類。

3.1. 評(píng)分直方圖

組合四類評(píng)分繪制疊加直方圖，可以看見基本上各項(xiàng)評(píng)分的分布基本一致，大部分分布在4分以下或者4.5分以上，兩級(jí)分化比較明顯。以下是繪圖代碼：

#?疊加直方圖
plt.figure(figsize=(16,9))
plt.hist(x?=df['商家評(píng)分'],?color='orange',?bins=?15,?alpha=0.5)?#橙色
plt.hist(x?=df['口味'],?color='red',?bins=?15,?alpha=0.5)?#?紅色
plt.hist(x?=df['環(huán)境'],?color='blue',?bins=?15,?alpha=0.5)?#?藍(lán)色
plt.hist(x?=df['服務(wù)'],?color='white',?bins=?15,?alpha=0.5)?#?白色
plt.xticks(fontsize=20)
plt.yticks(fontsize=20)

3.2. 各地區(qū)商家評(píng)分箱線圖

如圖我們可以發(fā)現(xiàn)，東城區(qū)、朝陽區(qū)、西城區(qū)和海淀區(qū)是商家評(píng)分較高普遍較高，而密云和延慶等郊區(qū)除了個(gè)別火鍋店評(píng)分較高之外整體普通較低。當(dāng)然，這個(gè)其實(shí)是地理位置影響優(yōu)質(zhì)店鋪選址，從而呈現(xiàn)這種表現(xiàn)。以下是繪圖代碼：

#?箱線圖-商家評(píng)分
fig?=?df.boxplot(column='商家評(píng)分',by='地區(qū)',?figsize=(18,9),?color?='red',fontsize?=?16)
fig.axes.title.set_size(22)?#設(shè)置標(biāo)題字體大小
fig.set_xlabel('地區(qū)',fontdict={'fontsize':20})?#設(shè)置y軸名稱及字體大小

商家評(píng)分最高前5

3.3. 各地區(qū)口味評(píng)分箱線圖

對(duì)比商家評(píng)分的箱線圖，我們發(fā)現(xiàn)東城區(qū)火鍋店的口味評(píng)分有超過一半以上的店面超過了4.5分，基本上口味好的火鍋店也都在北京的中心城區(qū)。口味評(píng)分最高前5

3.4. 各地區(qū)環(huán)境評(píng)分箱線圖

環(huán)境評(píng)分整體較好的在東城區(qū)和朝陽區(qū)環(huán)境評(píng)分最高前5

3.5. 各地區(qū)服務(wù)評(píng)分箱線圖

服務(wù)評(píng)分整體較好的也是在東城區(qū)和朝陽區(qū)服務(wù)評(píng)分最高前5

3.6. 各地區(qū)各項(xiàng)評(píng)分

我們查看四項(xiàng)評(píng)分之間的散點(diǎn)圖矩陣，各地區(qū)的火鍋店，商家評(píng)分和口味，環(huán)境與服務(wù)關(guān)聯(lián)更強(qiáng)。口味好的一般評(píng)分應(yīng)該不會(huì)太差，環(huán)境好的服務(wù)也一般不錯(cuò)。

以下是繪圖代碼：

#?散點(diǎn)圖矩陣
plt.rcParams["axes.labelsize"]?=?16??#?設(shè)置全局軸標(biāo)簽字體大小
score?=?df[['商家評(píng)分','口味','環(huán)境','服務(wù)','地區(qū)']]
sns.pairplot(score,?hue='地區(qū)',height=3)

4.評(píng)價(jià)數(shù)及人均消費(fèi)

我在大眾點(diǎn)評(píng)找店子的時(shí)候，除了看評(píng)分之外，評(píng)價(jià)數(shù)和人均消費(fèi)也是極其重要的考量。當(dāng)看到評(píng)價(jià)數(shù)極高的時(shí)候，內(nèi)心會(huì)不由的表示驚嘆“哇塞，這么多人寫評(píng)價(jià)啊”；當(dāng)看到人均消費(fèi)極高的時(shí)候，也會(huì)想著啥時(shí)候我也要去吃一次，哈哈~

4.1. 整體評(píng)價(jià)數(shù)分布

先用描述統(tǒng)計(jì)看，發(fā)現(xiàn)評(píng)價(jià)數(shù)最多的有3.2萬個(gè)，最少的僅1個(gè)，75%的火鍋店評(píng)價(jià)在900以下，更有25%的火鍋店評(píng)價(jià)不到23個(gè)。

In?[1]:df.評(píng)價(jià)數(shù).describe()
Out[1]:?
count?????6416.000000
mean???????831.874065
std???????1846.721435
min??????????1.000000
25%?????????23.000000
50%????????211.000000
75%????????881.000000
max??????32099.000000
Name:?評(píng)價(jià)數(shù),?dtype:?float64

一定程度上，評(píng)價(jià)數(shù)能反應(yīng)一家店在廣大吃貨中的火爆度，我們發(fā)現(xiàn)最火的前5家有3家來自西城區(qū)，海淀區(qū)和東城區(qū)各1家。

以下是2家評(píng)價(jià)數(shù)破3萬的熱門火鍋店~

4.2.人均消費(fèi)情況

一共有人均消費(fèi)數(shù)據(jù)的店鋪4129家，其中均值100元，中位數(shù)也是95元，最高的是1220元（我的天，這是啥火鍋？）。

4.2.1.人均消費(fèi)最貴的都有誰

人均消費(fèi)最貴第1名是一家日韓火鍋，推薦菜基本都是日料類。其次，人均消費(fèi)較高的都是海鮮火鍋一類，你看那些推薦菜都是帝王蟹、澳龍啥的，想吃了，哈哈?。?/span>

以下是2家人均消費(fèi)破千的火鍋店~

4.2.2.人均消費(fèi)分布

大部分的火鍋店人均消費(fèi)低于100元，其次是100-150元區(qū)間。極少數(shù)在200+，雖然能吃的主很容易吃出200+的其實(shí)??！以下是繪圖代碼：

plt.figure(figsize?=?(12,12))#將畫布設(shè)定為正方形，繪制的餅圖是正圓
plt.rcParams['font.size']=16?#設(shè)置字體大小為16
label?=?df_cost.index.tolist()#定義餅圖的標(biāo)簽
explode?=?[0.01,0.01,0.01,0.01,0.01]#設(shè)定各項(xiàng)距離圓心n個(gè)半徑
values?=?df_cost.數(shù)量.tolist()
plt.pie(values,explode?=?explode,labels?=?label,autopct?=?'%1.1f%%')#餅圖
plt.title('人均消費(fèi)分布',fontdict={'fontsize':20})#標(biāo)題

我們經(jīng)常聽的海底撈火鍋店的人均消費(fèi)大概在130左右。

5.都有哪些連鎖店

一共有349家品牌火鍋有分店。

5.1.火鍋分店前10品牌

果然是哪都有的呷哺呷哺（找了半天發(fā)音）以多大289家分店穩(wěn)居第一！看著這些品牌，基本都是比較常見熟悉的，基本上都吃過來著。

5.2.火鍋分店前10品牌人均消費(fèi)

海底撈 人均消費(fèi) 基本都在120以上，玩兒串串是一家什么店呀，人均基本都低于40，其次就是開了快300家店的呷哺呷哺也是人均消費(fèi)比較合適。

5.3.火鍋分店前10品牌商家評(píng)分

好吧，又是海底撈 評(píng)分表現(xiàn)最佳，可惡的海底撈。不過各家品牌大部分評(píng)分還是都不錯(cuò)，在4.25分以上。玩兒串串作為小吃攤位放在這群雄里顯得有點(diǎn)格格不入了，哈哈！

玩兒串串原來是這種，在購(gòu)物中心的美食中心里的偏快餐式的串串兒~

6.爬蟲過程

這里不介紹詳細(xì)的爬蟲過程，詳細(xì)的見后續(xù)推送哈（主要是篇幅有限 寫不完）。

咱們簡(jiǎn)單說說在爬蟲過程中遇到的一些問題及解決方案。

FAQ

①大眾點(diǎn)評(píng)的搜索結(jié)果最多只顯示50頁，如果獲取全部數(shù)據(jù)？

解：搜索有多級(jí)選擇，以北京火鍋為例就是 子分類+地區(qū)，我們看到一頁15家店鋪?zhàn)疃?0頁就有750家，加上諸多級(jí)選擇基本可以覆蓋全部店鋪。

②未登錄情況下無法查看下一頁獲取地址規(guī)律

解：直接登錄賬號(hào)然后點(diǎn)擊下一頁查看地址變化規(guī)律唄。

③爬著爬著很快就被封ip了

解：嗯，而且不是說爬慢點(diǎn)就行，我就被封了2個(gè)ip貌似都是封1天以上，最后買了1000個(gè)ip代理，被封了就自動(dòng)換解決。

④部分店鋪信息對(duì)應(yīng)字典為方框無法解析

解：網(wǎng)上有很多這種css字體加密解密的文章，邊看邊學(xué)吧（反正作為菜鳥的我是這么來的）

以下代碼為簡(jiǎn)單的解析 北京火鍋 子分類的腳本

import?re
import?requests

header?=?{
????"Accept-Encoding":?"Gzip",??#?使用gzip壓縮傳輸數(shù)據(jù)讓訪問更快
????"User-Agent":?"Mozilla/5.0?(Windows?NT?10.0;?Win64;?x64;?rv:83.0)?Gecko/20100101?Firefox/83.0",
}

url_beijing?=?'http://www.dianping.com/beijing/ch10'?#北京菜系
rep_beijing?=?requests.get(url_beijing,?headers=?header)
html_beijing?=?rep_beijing.text
location_html?=?re.findall('([\s\S]*?)