注：这里使用的是pyecharts1.7版本

一、数据清洗

1、导入模块

import jieba import jieba.analyse import pandas as pd import numpy as np import re from pyecharts.charts import Line import matplotlib.pyplot as plt from pyecharts.charts import * from pyecharts import options as opts from pyecharts.globals import ThemeType import stylecloud from IPython.display import Image``` ## 2、导入数据 ```python data = pd.read_csv('Travel.csv') data

3、删除重复项

data.drop_duplicates(inplace=True)

4、观察每列数据

地点、短评、出发时间、天数、人均费用、人物、玩法、浏览量

data['地点'].value_counts() data['天数'].value_counts()

5、使用isin()逆函数过滤脏数据

通过查询数据发现，地点，天数中出现不同类型的脏数据，然后通过ison进行过滤

data = data[~data['天数'].isin(['99+'])] data = data[~data['地点'].isin(['攻略'])] data = data[~data['天数'].isin(['天数'])] data

6、转换数据类型

在处理数据的时候发现数据类型的不同，然后进行了数据转换

data['天数'] = data['天数'].astype(int)#转换数据类型 data['人均费用'] = data['人均费用'].astype(int)#转换数据类型

7、重置索引

去重，过滤后进行重置索引

data = data.reset_index(drop=True)#重置索引 data

8、分割出发时间，新建列旅游月份

# 构造函数Month，变量为e #将出发时间用'/'分割 def Month(e): m = str(e).split('/')[2] if m=='01': return '一月' if m=='02': return '二月' if m=='03': return '三月' if m=='04': return '四月' if m=='05': return '五月' if m=='06': return '六月' if m=='07': return '七月' if m=='08': return '八月' if m=='09': return '九月' if m=='10': return '十月' if m=='11': return '十一月' if m=='12': return '十二月'

新增一列旅游月份

# 增加一行旅行月份，用函数Month运用 data['旅行月份'] = data['出发时间'].apply(Month) data['旅行月份'] #转换时间格式 data['出发时间']=pd.to_datetime(data['出发时间']) data

9、定义函数，统一旅游量的结构

# 定义Look函数,变量为e def Look(e): if '万' in e: # 将以万结尾的数据,存到变量num1里面 num1 = re.findall('(.*?)万',e) # 将返回的值转为float类型,并将num1列表中的数据*10000 return float(num1[0])*10000 else: return float(e) # 调用Look函数,对浏览量中的数据进行处理,新增一列浏览次数 data['浏览次数'] = data['浏览量'].apply(Look) # 删除浏览量,inplace = True 在原数据上进行修改 data.drop(['浏览量'],axis = 1,inplace = True) # 将浏览次数列的数据转换为int类型 data['浏览次数'] = data['浏览次数'].astype(int) # 输出前五行数据 data.head()

二、 绘制图表

1、目的地前十的人均费用

#查看地点 data1 = data data1['地点'].value_counts().head(10) # 取出地点中出现频率高的前10,转换为列表 loc = data1['地点'].value_counts().head(10).index.tolist() print(loc)# 输出查看 # loc中存在于地点中的数据给变量loc_data loc_data = data1[data1['地点'].isin(loc)] # 对地点列分组聚合,求出平均值,保留1位小数,round()四舍五入 price_mean = round(loc_data['人均费用'].groupby(loc_data['地点']).mean(),1) print(price_mean) price_mean2 = [1670.7,1698.8,1864.4,1790.1,1516.2,2031.8,1946.9,1239.4,1651.2,1720.6]

bar = Bar(init_opts=opts.InitOpts(theme=ThemeType.CHALK,bg_color='#040f3c')) bar.add_xaxis(loc) bar.add_yaxis("",price_mean2) #X轴与y轴调换顺序 bar.set_global_opts(title_opts=opts.TitleOpts(title="目的地Top10人均费用",subtitle="数据来源：去哪儿网",pos_top="2%",pos_left = 'center'), xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(font_size=16,color='white')),#更改横坐标字体大小，颜色 yaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(font_size=16,color='white')) #更改纵坐标字体大小，颜色 ) bar.set_series_opts(label_opts=opts.LabelOpts(font_size=16,position='top',color='white'),#更改纵坐标字体颜色 itemstyle_opts=opts.ItemStyleOpts(color='#0000ff'),#更改条形颜色 ) bar.render_notebook()

2、出游方式占比

#查看人物，输出游玩人物 person=data1['人物'].value_counts()[:7] #将出游方式存入列表 person_zip=[i for i in zip(person.index.tolist(),person.values.tolist())] person_zip # 绘制饼图 piel=Pie(init_opts=opts.InitOpts(theme=ThemeType.CHALK,bg_color='#040f3c')) piel.add("",person_zip,radius=['35%','60%']) piel.set_colors(["white", "green", "yellow", "red", "pink", "orange", " gold"]) piel.set_global_opts(title_opts=opts.TitleOpts(title="出游方式占比",subtitle="数据来源：去哪儿网",pos_top="2%",pos_left = 'center'), legend_opts=opts.LegendOpts(orient='vertical',pos_top='15%',pos_left='2%'), ) piel.set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}")) piel.render_notebook()

3、目的地的热度

m2 = data1['地点'].value_counts().head(10).index.tolist()#x轴为地点 n2 = data1['地点'].value_counts().head(10).values.tolist()#y轴为地点数值 bar = Bar(init_opts=opts.InitOpts(theme=ThemeType.CHALK,bg_color='#040f3c')) bar.add_xaxis(m2) bar.add_yaxis("",n2) #X轴与y轴调换顺序 bar.set_global_opts(title_opts=opts.TitleOpts(title="目的地TOP10",subtitle="数据来源：去哪儿网",pos_top="2%",pos_left = 'center'), xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(font_size=16,color='white')),#更改横坐标字体大小 yaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(font_size=16,color='white')) #更改纵坐标字体大小 ) bar.set_series_opts(label_opts=opts.LabelOpts(font_size=16,position='top',color='white'),#更改纵坐标字体颜色 itemstyle_opts=opts.ItemStyleOpts(color='#0000ff'), ) bar.render_notebook()

4、出游玩法

# 创建列表 #\xa0扩展字符集字符，代表空白符 word_list = [] #用for循环遍历玩法，以\xa0为间隔符，分割玩法内容 for i in data1['玩法']: s = re.split('\xa0',i) word_list.append(s) # print(word_list) #创建字典，将玩法总结，归档 dict = {} #循环word_list列表，遍历玩法次数，并以字典形式输出 for j in range(len(word_list)): for i in word_list[j]: if i not in dict: dict[i] = 1 else: dict[i]+=1 # print(dict) #创建list列表 list = [] #使用for循环dict字典，并逐条记载 for item in dict.items(): list.append(item) #循环列表，将玩法长度降序排列输出 for i in range(1,len(list)): for j in range(0,len(list)-1): if list[j][1]<list[j+1][1]: list[j],list[j+1] = list[j+1],list[j] print(list)

形成列表

# 创建m5,n5列表 m5 = [] n5 = [] for i in range(20): #将出游玩法的list引用到列表中 m5.append(list[i][0]) n5.append(list[i][1]) #值的反转 m5.reverse() m6 = m5 n5.reverse() n6 = n5 bar = Bar(init_opts=opts.InitOpts(theme=ThemeType.CHALK,bg_color='#040f3c')) bar.add_xaxis(m5) bar.add_yaxis("",n5) #X轴与y轴调换顺序 bar.set_global_opts(title_opts=opts.TitleOpts(title="出游玩法",subtitle="数据来源：去哪儿网",pos_top="2%",pos_left = 'center'), xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(font_size=14,color='white')),#更改横坐标字体大小 yaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(font_size=14,color='white')) #更改纵坐标字体大小 ) bar.set_series_opts(label_opts=opts.LabelOpts(font_size=16,position='right',color='white'),#更改纵坐标字体颜色 itemstyle_opts=opts.ItemStyleOpts(color='#0000ff'), ) bar.reversal_axis() bar.render_notebook()

分割短评形成简介一列

# 关键字符 punc = '~`!#$%^&*()_+-=|\';":/.,?><~·！@#￥%……&*（）——+-=“：’；、。，？》《{}【】' def remove_fuhao(e): short = re.sub(r"[%s]+" % punc, " ", e) return short def cut_word(text): text = jieba.cut_for_search(str(text)) return ' '.join(text) data2 = data1 data2['简介'] = data2['短评'].apply(remove_fuhao).apply(cut_word) data2.head()

5、生成停词表，把简介写入text中

# 把简介写入txt word = data2['简介'].values.tolist() fb = open(r'.\travel_text.txt','w',encoding='utf-8') for i in range(len(word)): fb.write(word[i]) with open(r'.\travel_text.txt','r',encoding='utf-8')as f: words = f.read() f.close # 读取简介文档 jieba.analyse.set_stop_words(r'.\travel_text.txt') new_words = jieba.analyse.textrank(words, topK=30, withWeight=True) print(new_words)

定义分词函数

# 定义分词函数 def get_cut_words(content_series): # 读入停用词表 stop_words = [] with open("travel_text.txt", 'r', encoding='utf-8') as f: lines = f.readlines() for line in lines: stop_words.append(line.strip()) # 添加关键词 my_words = ['美食','好玩','实惠'] for i in my_words: jieba.add_word(i) # 自定义停用词 my_stop_words = ['攻略','打死'] stop_words.extend(my_stop_words) # 分词 word_num = jieba.lcut(content_series.str.cat(sep='。'), cut_all=False) # 条件筛选 word_num_selected = [i for i in word_num if i not in stop_words and len(i)>=2] return word_num_selected text = get_cut_words(content_series=data2['简介']) text[:10]

6、绘制词云图

# 绘制词云图 stylecloud.gen_stylecloud( text=' '.join(text), collocations=False, font_path=r'simhei.ttf', icon_name='fas fa-heart', size=600, background_color="#040f3c", output_name='简介词云分析.png' ) Image(filename='简介词云分析.png')

7、根据不同需求定制旅游方案

the_list = [] keyword = input('请输入旅行月份：') data5 = data4[data4['旅行月份'] == str(keyword)] keyword1 = input('请输入结伴出游方式：') data6 = data5[data5['人物'] == str(keyword1)] price = int(input('请输入预期价格上限：')) data7 = data6[data6['人均费用']<=price] day1 = int(input('请输入旅行时长下限：')) day2 = int(input('请输入旅行时长上限：')) data8 = data7[(data7['天数']>=day1)&(data7['天数']<=day2)] data8