冬天到了，天氣越來(lái)越冷，小編起床越來(lái)越困難了，每一天都想吃辣辣的火鍋。成都到處都是火鍋店，有名的店，稍微去晚一點(diǎn)，排隊(duì)都要排好久，沒(méi)聽(tīng)說(shuō)的店，又怕味道不好。那么如何選擇火鍋店呢?最簡(jiǎn)單的肯定是在美團(tuán)、大眾點(diǎn)評(píng)上找一找啊。所以，本文就從大眾點(diǎn)評(píng)上爬取了成都的火鍋數(shù)據(jù)，來(lái)進(jìn)行了分析。

1、爬蟲

首先小編定位為成都，美食類型選的“火鍋”，火鍋具體類型選的不限，區(qū)域選的不限，排序選的智能，如圖：

 

 

你也可以選擇別的選項(xiàng)，只是注意URL的變化。本文都是按照上述選項(xiàng)爬取的數(shù)據(jù)。接下來(lái)翻頁(yè)觀察一下URL的變化：

第二頁(yè)：

 

 

第三頁(yè)：

 

 

很容易觀察出翻頁(yè)變化的知識(shí)p后面的數(shù)字，倒推回第一頁(yè)，發(fā)現(xiàn)一樣的顯示內(nèi)容，因此，寫一個(gè)循環(huán)，便可以爬取全部頁(yè)面。但是大眾點(diǎn)評(píng)只提供了前50頁(yè)的數(shù)據(jù)，所以，我們也只能爬取前50頁(yè)。

這一次，小編用的pyquery來(lái)分析網(wǎng)頁(yè)的，所以我們需要定位到我們所爬取的數(shù)據(jù)的位置，如圖：

 

 

在具體分析的網(wǎng)頁(yè)的時(shí)候，我震驚了，大眾點(diǎn)評(píng)的反爬做的太過(guò)分了，它的數(shù)字，一些文字居然都不是明文顯示，而是代碼，你還不知道怎么分析它。如圖：

 

 

很煩的，一些文字又可以顯示，一些又用代碼表示。一些數(shù)字也是，不過(guò)好一點(diǎn)的是數(shù)字只有9個(gè)，只要稍微觀察一下，就能發(fā)現(xiàn)數(shù)字的代碼是什么了。這里小編列出來(lái)了。 {'hs-OEEp': 0, 'hs-4Enz': 2, 'hs-GOYR': 3, 'hs-61V1': 4, 'hs-SzzZ': 5, 'hs-VYVW': 6, 'hs-tQlR': 7, 'hs-LNui': 8, 'hs-42CK': 9}。值得注意的是，數(shù)字1，是用明文表示的。

那么，如何用pyquery來(lái)定位呢，很簡(jiǎn)單，你找到你要獲取的數(shù)據(jù)，然后右鍵→copy→cut selector，你復(fù)制到代碼里面就OK了。pyquery的具體用法百度既有。

 

 

最后，我們獲取了火鍋50個(gè)頁(yè)面的數(shù)據(jù)，每頁(yè)15個(gè)數(shù)據(jù)，一共750家餐廳的數(shù)據(jù)。

 

 

2、分析

大眾點(diǎn)評(píng)已經(jīng)給出了星級(jí)評(píng)價(jià)，可以看看大致趨勢(shì)。

 

 

準(zhǔn)五星商戶最多，可能因?yàn)榇蟛糠质晨投剂?xí)慣給好評(píng)，只有實(shí)在不滿時(shí)才會(huì)打出低評(píng)有關(guān)，造成了評(píng)級(jí)一般不低，但近滿分還是蠻少的。

在本文，我們假設(shè)評(píng)論數(shù)目為飯店的熱度，也就是它越火，評(píng)論數(shù)目越多。

 

 

評(píng)論數(shù)目大多在1000以內(nèi)，但是高于2000，甚至高于4000也還存在一些，這些飯店應(yīng)該是一些網(wǎng)紅店。以5000為約束，篩選出飯店均為小龍坎、蜀大俠都非常知名的火鍋店。那么評(píng)論數(shù)量和星級(jí)有關(guān)系嗎?看下圖：

 

 

這里取其評(píng)論數(shù)平均值，發(fā)現(xiàn)對(duì)于四星以上商戶來(lái)說(shuō)，評(píng)論數(shù)和星級(jí)并不關(guān)系，但均比低于四星的飯店銷量更好。這說(shuō)明在四星以上之后，人們選擇差別不大，但一般不愿意接受評(píng)論太差的飯店。

對(duì)于小編這樣的學(xué)生黨來(lái)說(shuō)，影響較大還有人均消費(fèi)情況。

 

 

成都的火鍋店人均消費(fèi)大部分都在50-100的區(qū)間內(nèi)，高于150的也有一些。對(duì)于小編來(lái)講，吃一頓火鍋，人均在50-100是可以接受的，高于100，小編就要低頭看看錢包了。那擴(kuò)展看，人均消費(fèi)和星級(jí)、評(píng)論數(shù)量有關(guān)系嗎?

 

 

上圖是人均消費(fèi)和星級(jí)的關(guān)系，看起來(lái)并無(wú)任何關(guān)系，那說(shuō)明一些口碑好的火鍋店，其實(shí)人均也不貴。下面看看人均和評(píng)論數(shù)目的關(guān)系吧。

 

 

通過(guò)比較，發(fā)現(xiàn)評(píng)論數(shù)目低于500，人均在50-100區(qū)間是最多的。當(dāng)然這肯定和評(píng)論數(shù)量、人均消費(fèi)本身集中于這一階段有關(guān)。

吃火鍋，一家店的生意好壞，肯定還和它的特色菜有關(guān)，小編通過(guò)jieba分詞，將爬取到的推薦菜做了一個(gè)詞云圖，如下。

 

 

小編最愛(ài)的牛肉是特色菜之最啊，尤其是麻辣牛肉，只要去吃火鍋，都要來(lái)上一份，其次是毛肚、蝦滑、鵝腸等等。

接下來(lái)是大家都關(guān)心的，口味、環(huán)境和服務(wù)的情況。

 

 

三者得分大多都是集中在8.0-9.2這一階段，小編認(rèn)為，低于7.5分的飯店還是不要去嘗試了。同時(shí)，星級(jí)評(píng)價(jià)應(yīng)該也是由這三者得分產(chǎn)生的。

 

 

 

 

 

 

果然如預(yù)想的一向，星級(jí)評(píng)價(jià)越好，它在口味、環(huán)境和服務(wù)的得分越高。那么口味，環(huán)境，服務(wù)得分與評(píng)論數(shù)量，平均價(jià)格有關(guān)系嗎?

 

 

如圖所看，并無(wú)什么直接關(guān)系，但是我們發(fā)現(xiàn)口味、環(huán)境和服務(wù)三者之間存在著非常好的線性關(guān)系，于是單獨(dú)拿出來(lái)畫了一個(gè)較大的圖。

 

 

我們并且擬合了線性關(guān)系，由于三星商戶只有一家，它的情況較為特殊之外，其他星級(jí)在口味、環(huán)境和服務(wù)的關(guān)系擬合中保持的相當(dāng)一致，這也證明我們的猜想，這些變量之間存在線性關(guān)系。鑒于小編本文最大的目的是做推薦，于是，我們進(jìn)行了K-means聚類，這里小編取K為3，并且把星級(jí)轉(zhuǎn)換為數(shù)字，五星對(duì)應(yīng)5分，準(zhǔn)五星對(duì)應(yīng)4.5分，以此類推。最終得到了三類，通過(guò)作圖，看看聚類情況如何吧。

 

 

 

 

 

 

 

 

和我們想要的結(jié)果一致，在口味、環(huán)境、服務(wù)和星級(jí)上得分越高，我們就越推薦。然而推薦的店鋪還是好多，能不能在集中一些呢?于是小編通過(guò)限制評(píng)論數(shù)量、人均消費(fèi)和特色菜來(lái)進(jìn)行推薦。由于小編喜歡人少，便宜還有牛肉的店鋪，這里得到了如下的結(jié)果：

 

 

小編接下來(lái)要做的就是，吃遍它們，哈哈哈哈，想想都開心。

就醬~~~

代碼在：https://github.com/summerheday/dazhongdianping-chengdu-hotpot

標(biāo)簽： 代碼

版權(quán)申明：本站文章部分自網(wǎng)絡(luò)，如有侵權(quán)，請(qǐng)聯(lián)系：west999com@outlook.com
特別注意：本站所有轉(zhuǎn)載文章言論不代表本站觀點(diǎn)！
本站所提供的圖片等素材，版權(quán)歸原作者所有，如需使用，請(qǐng)與原作者聯(lián)系。