国庆长假大家都去哪里浪了？让Python来告诉你

大家好，欢迎来到 Crossin的编程教室 ！

刚刚过去的国庆长假，你是出去浪了，还是在家里宅着呢？那你知道你的朋友去哪浪了吗？本文我们通过爬取网络售票数据()来简单分析一下。

数据爬取

首选，我们打开网址：，在搜索框输入一个省级行政区划进行搜索，以浙江为例，如图所示：

再将页面向下拉，F12 打开开发者工具，点击下一页看一下 URL，如图所示：

通过观察 URL 我们可以看出 和 是动态的，一个是输入条件值，另一个是页码值，当我们需要翻页爬取时可以进行动态赋值，再将开发者工具切到 Response，我们可以发现返回的数据是 JSON 格式的，如图所示：

这里我们以 34 个省级行政区划作为 keyword 进行分页爬取，主要爬取代码实现如下：

数据分析

现在数据有了，我们再来简单分析一下。

位置分布

首选，我们来看一下景区的位置分布情况。

先看一下景区的整体分布情况，主要代码实现如下：

看一下效果：

再看一下各地景区的销量情况，主要代码实现如下：

看一下效果：

最热景区

我们接着看 TOP10 热门景区有哪些？它们的价格又是多少呢？主要代码实现如下：

看一下效果：

从图中我们可以看出 TOP10 热门景区的价格大多数都在 500 以内，算是比较亲民了。如果你的朋友喜欢热闹，他（她）可能去了热门景区。

再接着看热门景区的介绍情况，这里我们选取 T100 数据，通过词云来看一下。主要实现代码如下：

看一下效果：

最豪景区

我们再看一下票价 TOP10 景区有哪些？它们的销量怎么样呢？主要代码实现如下：

看一下效果：

如果你的朋友是一个热爱旅游的土豪，他（她）很有可能去了土豪景区了。

再接着看一下土豪景区的介绍情况，这里我们还是选取 T100 数据，通过词云来看一下。

主要代码实现如下：

看一下效果：

景区星级

我们再来看一下各省级行政区划的 5A 级景区数量情况，主要代码实现如下：

看一下效果：

如果你的朋友热爱旅游且对 5A 级景区情有独钟，他（她）可能去了 5A 景区的城市了。

最后，我们看一下 T200 热门景区的星级比例情况是怎样的？主要代码实现如下：

看一下效果：

从图中我们可以看出 90% 以上的景区均为 4/5A 级。

好了，本文就到这里了，文中我们对网上售票数据中的几个指标进行了简单的分析，可以做个简单的参考，当然了，如果你感兴趣的话，还可以继续对其他指标进行分析。