你知道全國有多少家海底撈嗎？Python讓你一目了然

前段時間去公司樓下吃了頓海底撈，排隊人不多。后來沒多久看到新聞?wù)f海底撈要關(guān)閉300家店，300家店是什么概念？海底撈全國一共又有多少家門店？都分布在哪些城市？

不如我們拿Python來直觀看一看吧！

目錄：

• 1. 數(shù)據(jù)采集

• 2. 地圖繪制

• 2.1. 坐標轉(zhuǎn)換

• 2.2. 地圖繪制

• 3. 店面分布

1. 數(shù)據(jù)采集

直接打開海底撈官網(wǎng) haidilao.com，拖到首頁最下面我們可以看到全球各國家與地區(qū)門店選擇，點擊中國即可進入到中國門店列表，在開發(fā)者模式找到源數(shù)據(jù)地址。

可以看到請求到的數(shù)據(jù)格式很整潔，我們可以非常方便的處理，看代碼：

import?requests
import?pandas?as?pd

#?接口地址
url?=?'https://www.haidilao.com/eportal/store/listObjByPosition?country=CN&language=zh'
#?請求頭
headers?=?{
????"User-Agent":?"Mozilla/5.0?(Windows?NT?10.0;?Win64;?x64)?AppleWebKit/537.36?(KHTML,?like?Gecko)?Chrome/83.0.4103.97?Safari/537.36",
????"accept":?"application/json,?text/plain,?*/*"
????}
r?=?requests.get(url,?headers=headers)
#?門店數(shù)據(jù)信息
data?=?r.json()
#?轉(zhuǎn)化為DataFrame類型
df?=?pd.DataFrame(data['value'])
#?存儲本地
df.to_excel('海底撈.xlsx',index=False)

數(shù)據(jù)預(yù)覽：

一共1404家門店

2. 地圖繪制

在采集到的數(shù)據(jù)中我們可以看到有經(jīng)緯度坐標（百度地圖），這里我的目標是將店地址繪制到地圖上，采用的是folium繪圖庫。由于這個庫沒有百度地圖，有高德地圖，因此我需要先將經(jīng)緯度坐標從百度轉(zhuǎn)為高德，再進行地圖繪制。

2.1. 坐標轉(zhuǎn)換

在高迪開平找到坐標轉(zhuǎn)換的接口，然后直接轉(zhuǎn)換即可。

https://lbs.amap.com/api/webservice/guide/api/convert

#?用于存儲轉(zhuǎn)換后的坐標列表
ss1?=?[]

for?i?,?location?in?enumerate(df[['longitude','latitude']].values):
????location?=?str(location[0])+','+str(location[1])
????url?=?'https://restapi.amap.com/v3/assistant/coordinate/convert?'
????
????parames?=?{
????????'locations':location,
????????'coordsys':'baidu',
????????'key':'你的key',
????????}
????
????r?=?eval(requests.get(url,?params=parames).json()['locations'])
????ss?=?[r[1],r[0]]
????ss1.append(ss)
????print(f'\r{i+1}',end='')

輸出結(jié)果：

2.2. 地圖繪制

基于經(jīng)緯度坐標點+店鋪名稱數(shù)據(jù)用于繪制，代碼如下：

from?folium?import?plugins
import?folium

m?=?folium.Map([39.904989,?116.405285],?#?北京中心區(qū)域經(jīng)緯度
????zoom_start=10,
????????????????tiles='http://webrd02.is.autonavi.com/appmaptile?lang=zh_cn&size=1&scale=1&style=7&x={x}&y={y}&z={z}',?#?高德街道圖
????????????????#?tiles='https://mt.google.com/vt/lyrs=h&x={x}&y={y}&z={z}',?#?google?地圖
????????????????#?tiles='Stamen?Toner',
???????????????attr='高德')??

#?繪制店標記
groups?=?folium.FeatureGroup('')
for?l,label?in?zip(ss1,df['storeName'].to_list()):
????groups.add_child(
????????folium.CircleMarker(
????????????location=l,
????????????radius=7,
????????????color='yellow',
????????????fill=True,
????????????fill_color='red',
????????????fill_opacity=0.4,
????????????popup=folium.Popup(html=label,max_width=100),
????????)
????)
m.add_child(groups)
m.add_child(folium.LatLngPopup())??

#?區(qū)域密度
marker_cluster?=?plugins.MarkerCluster().add_to(m)??????
for?l,label?in?zip(ss1,df['storeName'].to_list()):
????#?添加marker到地圖
????folium.Marker(
????????location?=?l,
????????icon=None,
????????#?popup=folium.Popup(html=label,max_width=100),
????).add_to(marker_cluster)

m.add_child(marker_cluster)

m.save('海底撈.html')??#?將結(jié)果以HTML形式保存到本地

輸出結(jié)果對比：

左側(cè)是繪制的，右側(cè)是官網(wǎng)的

3. 店面分布

同樣的，在高德地圖開放平臺也有經(jīng)緯度坐標轉(zhuǎn)化位置信息的接口，我們通過店鋪經(jīng)緯度信息找到其所在省市（原始數(shù)據(jù)中地址信息格式不統(tǒng)一，比較難解析）。

citys?=?[]
provinces?=?[]
for?i?,?location?in?enumerate(df[['longitude','latitude']].values):
????location?=?str(location[0])+','+str(location[1])
????url?=?'https://restapi.amap.com/v3/geocode/regeo?'
????params?=?{
????????'location':location,
????????'key':'4e3f878e4f74ad3b522d10830e54cfa2',
????????'extensions':'base',
????????'batch':'false',
????????'roadlevel':0,
????????}
????
????r?=?requests.get(url,?params=params)
????data?=?r.json()['regeocode']
????city?=?data['addressComponent']['city']
????province?=?data['addressComponent']['province']
????if?len(city)==0:
????????city?=?province
????citys.append(city)
????provinces.append(province)
????print(f'\r{i+1}',end='')
df['城市']?=?citys

獲取城市信息后，就可以直接分組統(tǒng)計不同城市的海底撈店鋪數(shù)了。

df.groupby('城市')['storeId'].nunique().sort_values(ascending=False).head(10)

海底撈在全國242個城市有店面，其中在營店面數(shù)最多的城市是上海共81家店，其次是北京有78家店。

from?pyecharts?import?options?as?opts
from?pyecharts.charts?import?Map
from?pyecharts.faker?import?Faker
from?pyecharts.globals?import?CurrentConfig,?NotebookType
CurrentConfig.NOTEBOOK_TYPE?=?NotebookType.JUPYTER_LAB

df?=?pd.read_clipboard()
c?=?(
????Map()
????.add("海底撈店面數(shù)",?[list(z)?for?z?in?zip(df.省,?df.數(shù)量)],?"china")
????.set_global_opts(
????????title_opts=opts.TitleOpts(title="海底撈全國各省店面數(shù)分布"),
????????visualmap_opts=opts.VisualMapOpts(max_=200),
????)
)
c.load_javascript()
c.render_notebook()

也可以用Excel的EasyShu插件進行繪制，效果如下：

以上就是我們對海底撈門店分布進行的可視化處理。這種方法在地點相關(guān)的數(shù)據(jù)可視化分析中非常常用，比如停車場分布，房源分布等，感興趣的小伙伴可以找一些類似的數(shù)據(jù)進行練習。

如果文章對你有幫助，歡迎轉(zhuǎn)發(fā)/點贊/收藏~