上海市攜程酒店數(shù)據(jù)采集及可視化

歡迎關注公眾號「月小水長」，唯一筆者是 BuyiXiao，又名小布衣、肖不已。 

BuyiXiao，何許人也？本衡州一鄉(xiāng)野村夫，身高八尺不足，年方二十有余；弱冠之年曾求學于潭州，為謀生計，背井離鄉(xiāng)，遠赴京畿，我本南人，不習北土，兼有故友，威逼利誘，急于星火，遂下嶺南，打工未半，中道創(chuàng)業(yè)，所為何業(yè)？賽博朋克，智能硬件；假工程師之名，行農(nóng)民工之實，滿腹經(jīng)綸，無用書生，善于自黑，貽笑大方。 

筆者水平有限，可能暫時無法將非常干貨的教程講的不拖泥帶水又不嘩眾取寵，公眾號文章諸多遺漏或不妥之處，可以加月小水長微信「2391527690」備注「學校專業(yè)/研究方向/工作崗位」進行交流。

另外，文末點下「贊」和「在看」，這樣每次新文章推送，就會第一時間出現(xiàn)在你的訂閱號列表里。

酒店的數(shù)量、價格、評分和人流量是衡量一個城市消費水平的指標，也間接反映出城市的經(jīng)濟發(fā)展水平和居民的生活水平。

我抓取了整個上海的攜程酒店數(shù)據(jù)，一共 6000 余個酒店，包含幾十個字段，主要的字段信息如下，并進行了簡要的分析。

第一步，先來看看這個 dataframe 的整體分析 df.describle()：

      
             discounted_price  entity_score         star          lng          lat
count       5712.000000   6013.000000  6203.000000  6203.000000  6203.000000
mean         460.375875      4.216498     2.035467   121.418132    31.220763
std          900.588455      0.664155     1.213317     0.163744     0.191488
min           19.000000      1.000000     0.000000   120.914303    30.707439
25%          152.000000      4.000000     2.000000   121.323827    31.128369
50%          253.000000      4.400000     2.000000   121.432059    31.218784
75%          429.000000      4.700000     3.000000   121.491432    31.292182
max        25017.000000      5.000000     5.000000   121.918401    31.827032

    

酒店價格最貴 25000 一晚，最低 19 塊一晚（可能是青旅），

不愧是魔都，讓月薪 1k 的不至于流落街頭，年入千萬的天天七星級，挺好的。

從價格的中位數(shù)來看，只平平無奇，但是從平均價格來看，上海的酒店價格至少是我老家，湖南一個省內著名省外無名三線城市價格的 2 倍。

剔除價格的極端值后，再看可視化看看上海酒店價格的主要分布區(qū)間。

可以這么說，至少絕大部分的酒店價格都在 750 以下。

再來看看上海分區(qū)的價格情況。

最貴的是黃埔區(qū)、徐匯區(qū)、楊浦區(qū)，最便宜的是嘉定區(qū)、奉賢區(qū)。

然后看看各字段的相關性分析。

這張圖信息量說大也大，畢竟有 16 個圖。

說小也小，拆成一個個小圖，每一個圖都是一個變量關于其他變量的散點圖（主對角線上的除外）看 x、y 坐標，同時注意 label 是酒店星級。

其中經(jīng)緯度和其他變量相關性太小，可以忽略，所以只看左上角四個小圖構成的方塊即可。

這樣一來，可以很快得出一些無用的結論。

• 價格多分布在區(qū)間的下行，即大部分酒店價格較低，評分則多分布在區(qū)間上行，大部分酒店評分較高，這反映了上海市酒店服務業(yè)的整體水平較高。

• 圖例表示酒店星級，顏色越深，等級越高，在圖中的位置越靠右、越靠上，也就是價格越高、評分越高。

• 價格越低，消費者評分的方差就越大，1-5 分都有分布，價格越高，評分越高，幾乎都在 4 分以上。我覺得這有兩個原因，第一，價格高的酒店數(shù)量遠遠不如酒店低的數(shù)量，第二，花了 2w 塊住一晚酒店，那體驗能不好嗎？

最后，把酒店價格可視化地展示在上海地圖上。

柱子顏色深淺代表酒店人氣，柱子高度代表酒店價格。

最后一個無用的結論，即大部分高價酒店人氣低，大部分低價酒店人氣高。

歡迎關注小號「知書客棧」，以后主要灰分享閑言碎語、上游的數(shù)據(jù)采集、下游的數(shù)據(jù)分析，以及各種黑科技。

往期精選