成都的火锅应该很辣吧！

成都旅游攻略

之前写过两篇关于厦门和长沙旅游的文章，反应还不错。最近把之前的代码重新跑了一遍，很快获取到了两份关于成都美食和成都景点的数据，之后进行了数据处理和分析，五一也可以考虑去成都旅游喔。送上厦门和长沙旅游攻略：

海滨城市厦门欢迎你：厦门真的不止鼓浪屿

娱乐之都星城长沙欢迎你：长沙31块的臭豆腐香不香？

数据获取

本文中获取了两份数据，参考的是之前的文章的代码，想要源码的朋友可以关注微信公众号后发。

• 成都景点参考厦门的文章：厦门真的不止鼓浪屿
• 成都美食参考长沙的文章：长沙31块的臭豆腐香不香？

涉及到的主要爬虫知识点：

1. requests发送获取网页数据
2. 基于正则表达式的数据解析
3. 基于csv包的数据保存

成都景点

总共8个字段信息：中文名、英文名、攻略数、评论数、位置、排名、驴友占比、简介

成都美食

6个字段信息：中文名、得分、均价、地址、推荐菜、评价

成都景点

数据中主要包含的是成都市区及管辖分区域的景点。

成都景点分布

首先我们看看成都相关的景点都分布在哪些地方？

data = pd.read_csv("成都景点.csv")
location = data["location"].value_counts().reset_index().rename(columns={"index":"location","location":"number"})
location

c = (
    Bar(init_opts=opts.InitOpts(theme=ThemeType.LIGHT))
    .add_xaxis(location["location"].tolist())
    .add_yaxis("成都市景点数量分布",location["number"].tolist())
    .set_global_opts(
        xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=-30)),  # 设置旋转角度
        title_opts=opts.TitleOpts(title="成都景点分布", subtitle="市区/管辖市"),  # 主标题和副标题
    )
)

c.render_notebook()

果然大部分的景区还是在成都市区，另外都江堰也是成都的人们旅游景点分布点。

成都广场

成都广场很多的，数据显示竟然达到了189个！！！

可以看下具体的广场数量分布：

c = (
    Pie(init_opts=opts.InitOpts(theme=ThemeType.DARK))
    .add("", [list(z) for z in zip(square_location["location"],square_location["number"])])
    .set_global_opts(title_opts=opts.TitleOpts(title="成都市广场数量对比"))
    .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}"))
)

c.render_notebook()

根据广场的攻略数strategy和评论数comment进行降序排列，我们发现几个广场最为突出：

• 天府广场：成都的中心广场、地标和象征
• 耍都文化广场：成都有名的集娱乐、美食、休闲于一体的地方
• 中山广场：是不是每个城市都有自己的中山广场？😑

啤酒广场

在成都适合吃火锅，喝啤酒吧？看下啤酒广场多达45个：

啤酒广场集合咯：金星啤酒广场、野人谷啤酒广场、加勒比啤酒广场、一路香啤酒广场…...

啤酒广场的数量分布：

成都的山

西南地区山还是挺多，看下成都的山：

c = (
    Funnel(init_opts=opts.InitOpts(width="1000px", 
                                   height="600px"))
    .add("成都山景分布",data_pair=[list(z) for z in zip(mountain_location["location"].tolist(), 
                                                  mountain_location["number"].tolist())])
    .set_global_opts(title_opts=opts.TitleOpts(title="成都山景分布", 
                                               subtitle="市区/管辖市"),
                    legend_opts=opts.LegendOpts(type_="scroll",   # 图例较多的是实现翻滚
                                                pos_left="92%", 
                                                orient="vertical"))
  .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}"))  # 添加数据部分
)

c.render_notebook()

到底哪些景点热门？

通过景点的评论数和攻略数的散点分布，我们发掘哪些景点比较热门，我们选取评论数和攻略数都大于100的景点：

## 选择同时存在评论数和攻略数的景点

comment_strategy = data[(data["comment"] > 100) & (data["strategy"] > 100)]
fig = px.scatter(comment_strategy, x="comment",y="strategy",color="comment",text="cn_title")

fig.update_traces(textposition="top center")

fig.show()

通过景点的散点图分布，我们发现了成都的几个热门景点：

1. 锦里古街
2. 成都大熊猫繁育研究基地
3. 武侯祠
4. 都江堰景区
5. 人民公园
6. 文殊院

在上面图形的左下角，也有很多景点算作热门吧？？比如：

• 四川大学
• 大慈寺
• 东郊记忆
• 九眼桥

成都景点之最

我们看看成都的景点之最：

chengdu_most = chengdu[(chengdu["abstract"].str.contains("最")) | (chengdu["abstract"].str.contains("唯一"))]

• 想看大熊猫去：成都大熊猫繁育研究基地
• 想看老成都的繁华街市：锦里古街
• 想看成都的现代化商业街区：春熙路
• 如果你是文艺青年：东郊记忆
• 如果你是个收藏家：四川博物院，拜访张大千大师的佳作
• 如果你喜欢道教文化：青羊宫，成都最老的道观

成都美食

高分美食店

# 没有评分（--）用0代替
meishi["得分"] = meishi["得分"].apply(lambda x: x.replace("--","0.0"))
score = meishi.sort_values("得分",ascending=False)[:10]   # 选择出得分最高的10个店

fig = px.bar(score,x="中文名",y="均价",color="均价",text="均价")

fig.update_traces(textposition="outside")

fig.show()

在这些高评分的店中，有小吃店、酒吧、糕点、兔头店等

火锅之都

到了成都一定得吃火锅吧？？？数据显示我们获取到的有213家火锅店，相信肯定是不止这个数。

看看哪些火锅店的评分较高？

通过得分和均价来看看火锅店的分布；

px.scatter(guo,x="得分",y="均价",color="得分",hover_name="中文名",size="均价")

整体的火锅店均价都是在90-120之间，毕竟火锅店多！！！

兔头也要吃

除了吃火锅，到了成都兔头你也要尝尝，看下兔头店：

tutou = meishi[meishi["中文名"].str.contains("兔头")].reset_index(drop=True)
tutou

数据显示刚好10家，最为出名的就是这家店，请你一定要记住：

双流老妈兔头

双流老妈兔头

双流老妈兔头

美食之最

看看游客们对成都的美食都有哪些“最”评价？

comment_most = meishi[meishi["评价"].str.contains("最")].reset_index(drop=True)
comment_most.head(10)

• 最好吃的夫妻肺片：夫妻肺片（武侯祠大街店）
• 最有名的兔头：双流老妈兔头
• 最佳休闲场所：九眼桥慢摇酒吧
• 最经典的一道川菜凉菜：成都川菜博物馆（餐馆就好）

推荐菜词云图

都说食在广州，吃在成都，就看看大家推荐了哪些成都美食：

meishi = pd.read_csv("成都美食.csv")

recommend = meishi[meishi["推荐菜"] != "无"]["推荐菜"].tolist()

rec_jieba_list = []

for i in range(len(recommend)):
   # jieba分词
    seg_list = jieba.cut(str(recommend[i]).strip(), cut_all=False)
    for each in list(seg_list):
        rec_jieba_list.append(each)

   rec_result = pd.value_counts(rec_jieba_list)[1::].to_frame().reset_index().rename(columns={"index":"词语",0:"次数"})

  rec_words = [tuple(z) for z in zip(rec_result["词语"].tolist(), rec_result["次数"].tolist())]
   
c = (
    WordCloud()
    .add("", rec_words, word_size_range=[20, 80], shape=SymbolType.DIAMOND)
    .set_global_opts(title_opts=opts.TitleOpts(title="成都美食推荐菜词云"))
)

c.render_notebook()

我们选取前50个名次，看看大家主要推荐的美食：

from pyecharts import options as opts
from pyecharts.charts import WordCloud
from pyecharts.globals import SymbolType

# 取前50个分词

c = (
    WordCloud()
    .add("", rec_words[:50], word_size_range=[20, 100], shape=SymbolType.DIAMOND)  # 取出前50个
    .set_global_opts(title_opts=opts.TitleOpts(title="WordCloud-shape-diamond"))
)

c.render_notebook()

发现果然是个美食之都：牛肉、排骨、抄手、烤肉、毛肚、豆花、黄喉、肥肠😍都是火锅好料

总结

本文中结合两份数据对成都的部分景点和美食进行了分析，发现了成都很多好玩的景点和好吃的美食，希望对想去成都旅游的朋友有所帮助。

有时间我也去成都逛逛😃

一切看似逝去的，都不曾离开，你所给与的爱与温暖，让我执着地守护着这里。

尤而小屋，一个温馨的小屋。小屋主人，一手代码谋求生存，一手掌勺享受生活，欢迎你的光临😃