旅游是调节心情的有效途径，越来越多的上班族和学生期待利用假期时间外出游 玩来开拓眼界、舒缓压力。然而真正有了假期，许多人却会因“去哪玩”的问题倍感困惑，六月份正是出行的好时节，期间还有端午节小长假，就让我们一起来学习如何利用python来安排自己的出行计划吧。

一.数据的获取

最近几年，既省钱又休闲的自助游逐渐成为年轻人出行的首选，这里推荐一个我个人比较喜欢的旅游网站——蚂蜂窝，这次通过分析“驴友”们的出行计划来规划我们自己的行程，第一步当然是爬取网站数据啦

1.分析目标网页

为了获取大家的出行信息，我们进入网站的“结伴”板块，查看“一个月以内”的出行计划，可以看到随着页面的更改url并没有发生变化，初步判断该网页是通过js加载的，要想爬取首先得找到真实url和返回的数据格式。

经过一番尝试，我们成功找到了请求返回的真实url和关键参数，这里返回的是json格式的数据，里面包含了一个html文本。

2.确定抓取内容

在正式开始爬取数据之前，我们要先确定需要爬取哪些数据。行程的列表页清晰地展现了目的地、行程简介、发起人ID和性别(呵呵)，虽然这些信息非常有参考价值，但是如果能获取更多信息无疑会对我们的行程规划更有帮助，所以还是要进入详情页来看一看。

可以看到，详情页中对出发时间、行程历时、出发地点等都有详细说明，此外还有报名结伴人员情况，这项数据能在很大程度上反映小伙伴们的出行意向，所以一定要拿下来。

3.正式爬取数据

总体思路是爬取索引页中每一个行程的发起人和详情页url，之后进入详情页抓取出发时间、历史、目的地、出发城市、希望人数以及报名人员情况等数据，每个行程的索引页数据和详情页数据合 并后作为该行程的完整数据进行存储。以下是爬虫程序的总入口:

payload参数:flag决定了行程的排序方式，可选值为1、2、3，分别代表“即将出发”、“最新发布”、“热门结 伴”;

offset表示当前页数，默认从0开始;middid表示行程目的地，不确定目的地值为0;timeFlage代表出 发时间，值为3表示选取一个月内的行程。

get_info()方法:抓取每一页的行程信息并翻页，如果无法获取有效信息则说明爬取结束。

数据存储:由于数据量不大，可以先全部存储到一个dataframe数据结构中，再一次性写入csv文件。

二. 数据清洗

我们来看看获取到的数据是什么样子的，可以看到，每条数据中都有很多干扰信息：

“出发时间”一栏我们想要 的仅仅是日期数据;

“报名人数”一栏我们想要的仅仅是数字，而不需要多余的修饰文字等等;

“部分出行” 计划涵盖了多个目的地，这对我们的旅游目的地分析是非常不利的

所以，我们必须先对获取到的数据进行清洗， 以期为正式的数据分析奠定基础。

1.规范格式

首先对历时、希望人数、报名人数(女)、报名人数(男)这几项数据进行清洗，仅保留数字部分;其次对出发是 按、出发地点相关数据进行情况，取到“:”及前面的内容。感谢pandas.Series.str方法，使我们可以非常简单地完 成上述工作，功能函数如下:

only_num(self, col_list):去除数据中的非数字部分。

no_colon(self, col_list):去除数据中的“:”及其前面的内容。

2.拆分目的地

刚才说到过，一个行程中包含多个目的地会对我们的分析造成干扰，这里的解决思路是对目的地数据进行拆分。

将一列数据拆分成X列(X为该行程包含的目的地个数)，同样是使用pandas.Series.str方法，代码如下:

三.数据分析

现在我们可以对数据进行分析查找六月份的旅行规律了，为了便于观察，这里使用pyecharts进行可视化处理。

1.男女比例

首先对参与出行计划的人员性别进行分析，利用dataframe的sum()和groupby().count()方法可以很容易获得行程 发布者和参与者的性别分布:

从图中可以看出，发起人以女性居多，约占总数的60%，而参与者刚好相反，男性比 例约为60%，估计是女同胞们更擅长精心策划行程，而男同胞们大多比较“懒”吧~

2.出发时间

这里我们首先用dataframen的groupby()方法，以“出行时间”为关键字对数据进行分组，分别统计每天的行程数量 和参与者数量，然后画出折线图。

从结果来看，6月15、16两天是六月份出行的高峰期(这个时间刚好开始端午节假期)，端午节有出行计划的朋友 们记得提前准备哈。除此之外的几个波峰也都出现在周末，看来喜欢自助游的朋友中还是上班族(也可能是大学 生)居多啊。

3.目的地选择

先来分析行程发布数据，首先将数据中所有的目的地加入到一个list中(包含重复数据)，然后使用collections中的Counter()方法统计每个目的地出现的频次，最后制图。

图中列出了频次较高的几个目的地，彩条越长表示出现的频次越多。稍微留意下我们会发现，大家比较青睐的都是一些商业化程度比较低的地区，比如拉萨，新疆！

其实作为一名自由行爱好者，我同样比较喜欢更加原始和纯粹的风光，对于沉淀心情确实会起到更好的效果，大家如果有出行计划又不知道去哪玩的话，不妨从上面的目的地中选一下。

4.参与者情况如何

首先分别统计出各个目的地报名的男性数量和女性数量储存到两个dict中，分别取参与 人数最多的10个目的地，最后将两组数据合并、去重......

然后我们会惊奇地发现，虽然两个序列中具体排名不尽相 同，但是男性和女性最想去的10个目的地居然完全一致。

不过各个地点的男女人数还是有较大差异的，如果想来一场完美的邂逅，或许下面这张图会有点帮助哈。

上文内容不用于商业目的，如涉及知识产权问题，请权利人联系博为峰小编(021-64471599-8017)，我们将立即处理。