分析了一万多条拼车数据,看看北上广深的各位都回哪过年

栏目: 数据库 · 发布时间: 5年前

内容简介:很早之前发过一篇关于某拼车平台爬虫的文章,因为工作比较忙,一直没有下文。最近年底稍微空了些,加上碰上春节返乡大潮,刚好再拿过来写一下数据分析的思路。本次数据样本共13041条,本别采集了北京、上海、广州、深圳、杭州的某一天出行数据,由于手动操作难以保证取样的公平性,所以不能对全部数据结果的准确性做保证,本文以提供思路参考为主,先放一张路线图:

目录

  • 前言
  • 统计结果
  • 爬虫思路
  • 统计思路
  • 后记

前言

很早之前发过一篇关于某拼车平台爬虫的文章,因为工作比较忙,一直没有下文。最近年底稍微空了些,加上碰上春节返乡大潮,刚好再拿过来写一下数据分析的思路。

本次数据样本共13041条,本别采集了北京、上海、广州、深圳、杭州的某一天出行数据,由于手动操作难以保证取样的公平性,所以不能对全部数据结果的准确性做保证,本文以提供思路参考为主,先放一张路线图:

分析了一万多条拼车数据,看看北上广深的各位都回哪过年

统计结果

好了知道大家比较关心结果,所以先把结果放一放,后面再接着讲分析过程。

乘客性别

先单独把性别拎出来看一下,后面再根据城市进行分析,结果显示,抛开未设置性别的乘客不论,总体来看顺风车的用户群中,男性(占比49.39%)还是多于女性(占比31.55%)的。毕竟跨城顺风车,大过年的,女性乘客对于安全性的忧虑还有要有的。

分析了一万多条拼车数据,看看北上广深的各位都回哪过年

城市订单

真实数据的话订单数量应该是深圳 > 北京 > 广州 > 上海 > 杭州,但是同一个城市内的乘客性别比例应该还是具有一定的参考价值的,可以看到北京、上海、深圳的女性乘客数量占比都是高于男性的。

分析了一万多条拼车数据,看看北上广深的各位都回哪过年

客单价

原本是想比较一下平均路程长度,但是想想这个事情太折腾了,由于平台主要还是依靠路程来计算拼车费用的,所以通过计算客单价的话大概也能反映一下平均形成长度(我猜的,然后结果是这样的,没想到广州是最高的,也可能是我统计错误

分析了一万多条拼车数据,看看北上广深的各位都回哪过年

哪里乘客最壕

有时候有些偏远地区订单或者顺路司机少,乘客会加价希望司机接单,于是统计了一下各城市加价订单的占比和平均的加价额度,得出如下结果:

占比最高的城市是深圳,平均加价额度最高的城市也是深圳,看来深圳的小哥哥小姐姐们的确出手阔错,然而加价比例最低的是北京,不过这也不能说明帝都人民不壕气,可能就是人家繁华,司机多。

分析了一万多条拼车数据,看看北上广深的各位都回哪过年

返乡路线图

最后放几张返乡的路线图

北京

分析了一万多条拼车数据,看看北上广深的各位都回哪过年

上海

分析了一万多条拼车数据,看看北上广深的各位都回哪过年

分析了一万多条拼车数据,看看北上广深的各位都回哪过年

广州

分析了一万多条拼车数据,看看北上广深的各位都回哪过年

分析了一万多条拼车数据,看看北上广深的各位都回哪过年

深圳

分析了一万多条拼车数据,看看北上广深的各位都回哪过年

杭州

杭州明显有别与其它几个城市,一个是杭州的数据样本多,另外一个平台上杭州黄牛多,那些最远的单子就是黄牛广告单

分析了一万多条拼车数据,看看北上广深的各位都回哪过年

分析了一万多条拼车数据,看看北上广深的各位都回哪过年

爬虫思路

注册成为司机,利用mitm抓包存储拼车单

统计思路

数据的话我是通过本地 Mongodb 存储,所以直接用 python 操作Mongodb数据

Pymongo

关于Mongodb数据库的连接,直接上代码:

client = MongoClient('mongodb://localhost:27017') 
spring = client.spring 
collection = spring['orders'] 

以上代码的意思就是连接本地Mongodb-spring数据库-orders文档集合

Pyecharts

Pyecharts(http://pyecharts.org)是大名鼎鼎的Echarts的Python可视化图表库,用起来挺顺手的,而且文档规范,基本上可以零门槛入门,具体实现请移步文档。

这里介绍一下关于Pyecharts的图表样式配置,为了保持各图表的样式统一(偷懒),Pyecharts提供了一个Style类,可用于在同一个图或者多个图内保持统一的风格

from pyecharts import Style,Geo 
 
style = Style( 
   title_color="#fff", 
   title_pos="center", 
   width=1100, 
   height=600, 
   background_color='#404a59' 
) 
# style.init_style 会返回类初始化的风格配置字典 
geo = Geo("全国主要城市空气质量", "data from pm2.5", **style.init_style) 

这样,就创建了一个Geo地理坐标系图表

代码解读

因为全部代码有点长,所以抽了一段举个例子,主要思路就是从Mongodb取出指定数据,或者通过$group管道对数据进行处理,最后通过pyecharts生成相应的图表,呈现

from pymongo import MongoClient 
from pyecharts import Style,GeoLines 
 
def getLines(self): 
   # 连接数据库 
   client = MongoClient('mongodb://localhost:27017') 
   spring = self.client.spring 
   collection = self.spring['orders'] 
    
   # Mongodb的操作,$match-筛选出'from_poi.city.city_name'为'杭州'的文档, 
   # 再通过$group管道,按照目标城市统计出汇总数量 
   line_hangzhou = collection.aggregate([ 
       {'$match': {'from_poi.city.city_name': '杭州'}}, 
       {'$group': {'_id': '$to_poi.city.city_name', 'count': {'$sum': 1}}} 
   ]) 
   # 按照Geolines图表的数据格式格式化数据 
   line_hangzhou_ = [] 
   for line in line_hangzhou: 
       line_hangzhou_.append(["杭州", line['_id'], line['count']]) 
        
   # 创建一个GeoLines图表 
   citylines = GeoLines("春节迁移路线图", **style.init_style) 
   # 添加数据以及样式 
   citylines.add("从杭州出发", 
                 line_hangzhou_, 
                 **geo_style) 
   # 生成html文件 
   citylines.render("results/citylines.html") 

后记

这是一篇迟到很久的文章,本来没打算再写,但是总觉得下半部分没写完心里有个结,所以还是抽时间补上。另外作为一个非专业技术人员,多记多练免得过几天自己就忘了。


以上所述就是小编给大家介绍的《分析了一万多条拼车数据,看看北上广深的各位都回哪过年》,希望对大家有所帮助,如果大家有任何疑问请给我留言,小编会及时回复大家的。在此也非常感谢大家对 码农网 的支持!

查看所有标签

猜你喜欢:

本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们

未来简史

未来简史

[以色列] 尤瓦尔·赫拉利 / 林俊宏 / 中信出版集团 / 2017-2 / 68.00元

进入21世纪后,曾经长期威胁人类生存、发展的瘟疫、饥荒和战争已经被攻克,智人面临着新的待办议题:永生不老、幸福快乐和成为具有“神性”的人类。在解决这些新问题的过程中,科学技术的发展将颠覆我们很多当下认为无需佐证的“常识”,比如人文主义所推崇的自由意志将面临严峻挑战,机器将会代替人类做出更明智的选择。 更重要的,当以大数据、人工智能为代表的科学技术发展的日益成熟,人类将面临着从进化到智人以来z......一起来看看 《未来简史》 这本书的介绍吧!

RGB转16进制工具
RGB转16进制工具

RGB HEX 互转工具

RGB CMYK 转换工具
RGB CMYK 转换工具

RGB CMYK 互转工具

HEX HSV 转换工具
HEX HSV 转换工具

HEX HSV 互换工具