怎么用Python獲取大眾點評上長沙口味蝦店鋪信息

本篇內容介紹了“怎么用Python獲取大眾點評上長沙口味蝦店鋪信息”的有關知識，在實際案例的操作過程中，不少人都會遇到這樣的困境，接下來就讓小編帶領大家學習一下如何處理這些情況吧！希望大家仔細閱讀，能夠學有所成！

數據讀入

首先導入所需包，并讀入獲取的數據集。

# 導入包
import numpy as np 
import pandas as pd 
import matplotlib.pyplot as plt 
import seaborn as sns 
import jieba 

from pyecharts.charts import Bar, Pie, Page
from pyecharts import options as opts 
from pyecharts.globals import SymbolType, WarningType
WarningType.ShowWarning = False

import plotly.express as px
import plotly.graph_objects as go

此數據集包含50個搜索頁面共745條數據，字段包含：餐廳名、星級、星級評分、評論數、人均消費、推薦菜、口味、環境和服務得分。

數據預覽如下:

# 讀入數據
df = pd.read_excel('../data/長沙小龍蝦數據.xlsx')
df.drop('detail_url', axis=1, inplace=True) 
df.head()

數據預處理

此處我們對數據進行如下處理以便后的分析工作。

• title: 去除前后符號

• star：提取星級

• score: 提取數值，轉換為類別型

• comment_list：提取口味、環境、服務得分

• 刪除多余的行和列

# 星級轉換
transform_star = {
    20: '二星',
    30: '三星',
    35: '準四星',
    40: '四星',
    45: '準五星',
    50: '五星'
} 

# 處理title
df['title'] = df['title'].str.replace(r"\[\'|\'\]", "")
# star處理
df['star'] = df.star.str.extract(r'(\d+)')[0].astype('int')
df['star_label'] = df.star.map(transform_star) 
# 處理score
df['score'] = df['score'].str.replace(r"\[\'|\'\]", "").replace("[]", np.nan) 
df['score'] = df['score'].astype('float')

# 口味
df['taste'] = df.comment_list.str.split(',').str[0].str.extract(r'(\d+\.*\d+)').astype('float')
# 環境
df['environment'] = df.comment_list.str.split(',').str[1].str.extract(r'(\d+\.*\d+)').astype('float')
# 服務
df['service'] = df.comment_list.str.split(',').str[1].str.extract(r'(\d+\.*\d+)').astype('float')

# 刪除列
df.drop('comment_list', axis=1, inplace=True) 
# 刪除行
df.dropna(subset=['taste'], axis=0, inplace=True)
# 刪除記錄少的
df = df[df.star!=20]

處理之后的數據如下,分析樣本為560條。

df.head()

數據可視化

以下展示部分可視化代碼：

1、不同星級店鋪數量分布

準四星商戶最多，占比高達65%，超過四星以上的商戶占比18%，其中五星商戶數量最少，僅有10家。

# 產生數據
star_num = df.star.value_counts().sort_index(ascending=True)  
x_data = star_num.index.map(transform_star).tolist()
y_data = star_num.values.tolist() 

# 條形圖
bar1 = Bar(init_opts=opts.InitOpts(width='1350px', height='750px')) 
bar1.add_xaxis(x_data)
bar1.add_yaxis('', y_data) 
bar1.set_global_opts(title_opts=opts.TitleOpts(title='不同星級商戶數量分布'),
                     visualmap_opts=opts.VisualMapOpts(max_=365)
                    ) 
bar1.render()

2、店鋪評論數分布

我們假設評論數目為店鋪的熱度，也就是它越火，消費人數越多，評論數目越多。

從直方圖中可以看出，數據呈現比較嚴重的右偏分布，其中超過1萬評論的僅有兩家，我們挑選出來看一下，發現這兩家都是超級文和友，超級文和友是長沙網紅打卡地，國慶期間一天排16000+個號的超級網紅龍蝦館，難怪熱度會這么高。

# 直方圖
px.histogram(data_frame=df , x='review_num', color='star_label', histfunc='sum', 
             title='不同星級的評論數分布',
             nbins=20, width=1150, height=750)

3、人均價格區間分布

我們繪制了所有店鋪口味蝦人均消費價格分布的直方圖，發現價格分布在20~180元之間，其中人均消費大部分都在67-111元的區間內。擴展看，人均消費和商戶的星級有關系嗎？

# 直方圖
px.histogram(data_frame=df , x='mean_price', color='star_label', histfunc='sum', 
             title='小龍蝦人均消費價格分布', nbins=20, width=1150, height=750)

4、不同星級店鋪與價格等因素的關系

不同星級與價格的關系：

這里繪制了星級和價格分布的小提琴圖，用來展示多組數據的分布狀態以及概率密度。從圖形可以看出，不同星級和價格之間的分布有顯著差異，表現為星級越高，平均消費價格越高。

# 小提琴圖
plt.figure(figsize=(15, 8))
sns.violinplot(x='star_label', y='mean_price', data=df, 
               order=['五星', '準五星', '四星', '準四星', '三星']
           ); 
plt.title('不同星級和價格的關系', fontsize=20)
plt.show()

不同星級和其他得分項的關系：

我們預想，星級評價越好，它在口味、環境和服務的得分越高，熱度也就越高，從繪制出來的箱線圖也可以驗證我們的這一假設。

那么店鋪得分與口味、環境、服務、評論數量、平均價格有關系嗎？接下來我們繪制一張多變量圖看一下。

5、數值型變量關系

數值型變量關系

• 店鋪得分與口味、環境、服務得分呈現較為顯著的線性相關，這也和之前的驗證一致；

• 店鋪得分和人均消費價格、評論數量關系不顯著；

• 口味、環境、服務得分之間有顯著的正相關，三者存在高則同高的情況。

# 多變量圖
sns.pairplot(data=df[['score', 'review_num', 'mean_price', 'taste', 'environment', 'service', 'star_label']]
             , hue='star_label') 
plt.show()

數值型變量之間的相關系數

為了驗證上述可視化的結果，我們通過Python計算數值型變量之間的pearson相關系數，根據經驗，|r|>=0.8時，可視為高相關。從熱力圖中也可以得到上述結論。

# 相關系數
data_corr = df[['score', 'review_num', 'mean_price', 'taste', 'environment', 'service']].corr()

# 熱力圖
plt.figure(figsize=(15, 10))  
sns.heatmap(data_corr, linewidths=0.1, cmap='tab20c_r', annot=True)
plt.title('數值型變量間相關系數', fontdict={'fontsize': 'xx-large', 'fontweight':'heavy'}) 
plt.xticks(fontsize=12) 
plt.yticks(fontsize=12)
plt.show()

6、 推薦菜詞云圖

假設店鋪的推薦菜就是不同店鋪的熱門菜，我們使用jieba對推薦菜進行分詞并繪制詞云圖:

發現"鹵蝦"、"口味蝦"、"油爆蝦"是大家愛點的熱門菜。另外大家點口味蝦的同時也愛點"口味花甲"、"鳳爪"、"牛油"之類的串兒等菜。

7、K-means聚類分析群集占比

聚類分析用于將樣本做群集劃分，同一集群內成員的相似性要愈高愈好， 而不同集群間成員的相異性則要愈高愈好。我們使用Python進行了K-means聚類，對數值型變量：得分、評論數、平均價格、口味、環境、服務評論做群集劃分，這里取K為3。得到以上三群，其中非常推薦的數量有3家，一般推薦的459家，非常不推薦的有97家。我們看一下這三群的描述性統計：

以上是不同群集的直方圖分布，通過群集分布圖，可以總結如下：

• 非常推薦：各項得分最高、評論數最多、價格最高

• 一般推薦：各項得分居中、評論數居中、價格居中

• 非常不推薦：各項得分最低、評論數最低、價格最低

由于在做聚類分析時候去除了一個評論數為30509.0的異常樣本。加上這條樣本，得到最終推薦的四家店鋪：

“怎么用Python獲取大眾點評上長沙口味蝦店鋪信息”的內容就介紹到這里了，感謝大家的閱讀。如果想了解更多行業相關的知識可以關注億速云網站，小編將為大家輸出更多高質量的實用文章！