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:
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。
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。
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
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。
返乡路线图
最后放几张返乡的路线图
北京
上海
广州
深圳
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
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!
猜你喜欢:- 谁说定居北上广就牛逼了?
- sails.js – 使用SailsJS一次更新多条记录
- 基于2PC和延迟更新完成分布式消息队列多条事务Golang版本
- 客户端发送多条 HTTP 请求用多线程会比单线程快吗?
- AWS技术峰会免费报名 | 北上深三地可选,资深技术大牛分享实践干货
- 中国区块链行业融资数据分析:北上深杭区块链创业活跃度最高
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。