馬蜂窩遊記爬蟲數據分析

來自專欄猴子聊數據分析

春風掠過，掃去了濃濃的年味，歸鄉的人又要遠去。清明穀雨也悄然走過，只留下旅人的腳印遲遲不肯消散。

我拿起了擱置已久的筆，記下了些東西，思緒良多，空靈又混濁，又不舍地抹去了些東西，撕毀，咬碎。

掙扎之下，恍然之間想起了分析，沉醉其中，讓我回歸了自然。所以拿起了養肥的Spider，在jupyter notebook上一字一字地敲擊，直到鍵盤上字母顏色褪去，指尖仍然存著那每一下敲擊的記憶。

來到了馬蜂窩的天地，雲彩絢爛，池清湖澈，每一個地方景緻優雅或淳樸或宏偉，就連那一片片落葉都顯得別緻。佇立亭台，極目眺望，遠處白雪皚皚，心中悠然自得。風景圖裡左下角的小蜜蜂不時浮現，提醒著我什麼，也似乎是迷戀著那景緻，暗中窺視。

全國46城（2015年-2017年）：

我是欣慰的，我的Spider想要去46個城市走走看看，他們坐在一輛八個座位的豪車上，順著網線瘋狂地瀏覽著全國各地旅客撰寫的遊記，吃掉日期，吃掉你的名字，也吃掉了你的城市。

它們回來時笨拙地帶來了46個文件，357362行信息，我敲了幾行代碼將文件合併，清洗整理，一張張宏偉的圖片也慢慢浮現。

讓我們來看看九寨溝的情況：

每年的十月份，國慶假期來臨，九寨溝的旅客量達到每年高峰，圖中紅圈卻是例外，那指的是2017年10月的旅客量，這是一個很低的值，旅遊行業的人大都知道那個時候發生了什麼-九寨溝8.8大地震。

據此，反映了爬蟲數據具有一定可靠性。

再看看武漢的情況：

每年三四月份的武漢旅客比十月份國慶假期的旅客還多，這是為什麼呢？是櫻花么？可能是吧。

再看看青海的情況：

每一年的8月份，青海的旅客達到了峰值，而國慶來的旅客只是讓折線有了突起，但依舊無法拯救快速下滑的程度。

再看看拉薩：

每年的9月份左右是拉薩旅遊高峰時期。

掌握了這些信息，旅遊行業的同學們，應該知道哪個月份賣哪個地方的景點門票了吧。

當然還有46城旅客數量排名柱狀圖：

廈門市（2015年-至今）：

世界之大，讓每一個人都有了無數的幻想，而那些幻想著廈門的人又是怎樣的一群人呢？

讓我們來看看我的另外的Spider給我帶來的信息吧，這份信息有時間、居住地、性別、昵稱等通過遊記轉到個人界面爬取的信息，共計9549條記錄

鷺島總吸引著嚮往沙灘海岸的人們，那麼女孩子和男孩子誰更嚮往呢？看圖：

女性旅客遊記數量是男性旅客遊記數量的兩倍多，所以在廈門做旅遊行業，挑些女孩子喜歡的物品做生意，會不會爆賺一筆？

思緒又跳轉一下，提個問題：旅行的哪個組合最多呢？是（父親+母親+女兒）組合？或是（母親+女兒+女婿）組合？又或是（女生+男生）組合？又或是其他呢？

再看看旅客都來自國內哪些地方：

可以看到旅客所在地比較多的是紅色的點西安，接著是橙色的北京，以及上海、成都等。

所以，問題來了，西安的同胞們對廈門為何如此熱衷呢？

我們來看看來自2015年以來廈門的旅客數量最多的20個城市分布圖：

大部分城市在沿海地帶，內陸有成都、西安、武漢、長沙、重慶等。

當然還有一張2016年、2017年、2018年旅客數量最多的20個城市分布圖：