Python | 一萬多條拼車資料，看春運的遷徙圖

作者 | 白蘇，醫療健康領域產品經理一枚，Python&R愛好者

來源 | InThirty

編輯 | Jane

今天是臘月二十八，你們都到家了嗎？這篇文章，作者對北京、上海、廣州、深圳、杭州等地 1萬多條出行資料進行分析，得出了一些有意思的結論，並且繪製了這幾個城市春運的遷移圖。雖然資料在取樣公平性上不能完全符合標準，但是思路還是值得大家學習參考的~

目錄

• 前言

• 統計結果

• 爬蟲思路

• 統計思路

• 後記

前言

很早之前發過一篇關於某拼車平臺爬蟲的文章，因為工作比較忙，一直沒有下文。最近年底稍微空了些，加上碰上春節返鄉大潮，剛好再拿過來寫一下資料分析的思路。

本次資料樣本共13041條，本別採集了北京、上海、廣州、深圳、杭州的某一天出行資料，由於手動操作難以保證取樣的公平性，所以不能對全部資料結果的準確性做保證，本文以提供思路參考為主，先放一張路線圖：

統計結果

好了知道大家比較關心結果，所以先把結果放一放，後面再接著講分析過程。

• 乘客性別

先單獨把性別拎出來看一下，後面再根據城市進行分析，結果顯示，拋開未設定性別的乘客不論，總體來看順風車的使用者群中，男性（佔比 49.39%）還是多於女性（佔比 31.55%）的。畢竟跨城順風車，大過年的，女性乘客對於安全性的憂慮還有要有的。

• 城市訂單

真實資料的話訂單數量應該是深圳 > 北京 > 廣州 > 上海 > 杭州，但是同一個城市內的乘客性別比例應該還是具有一定的參考價值的，可以看到北京、上海、深圳的女性乘客數量佔比都是高於男性的。

• 客單價

原本是想比較一下平均路程長度，但是想想這個事情太折騰了，由於平臺主要還是依靠路程來計算拼車費用的，所以通過計算客單價的話大概也能反映一下平均形成長度（我猜的，然後結果是這樣的，沒想到廣州是最高的，也可能是我統計錯誤

• 哪裡乘客最壕

有時候有些偏遠地區訂單或者順路司機少，乘客會加價希望司機接單，於是統計了一下各城市加價訂單的佔比和平均的加價額度，得出如下結果：

佔比最高的城市是深圳，平均加價額度最高的城市也是深圳，看來深圳的小哥哥小姐姐們的確出手闊錯，然而加價比例最低的是北京，不過這也不能說明帝都人民不壕氣，可能就是人家繁華，司機多。

• 返鄉路線圖

最後放幾張返鄉的路線圖

北京

上海

廣州

深圳

杭州

杭州明顯有別與其它幾個城市，一個是杭州的資料樣本多，另外一個平臺上杭州黃牛多，那些最遠的單子就是黃牛廣告單

爬蟲思路：註冊成為司機，利用 mitm 抓包儲存拼車單

統計思路：資料的話我是通過本地 Mongodb 儲存，所以直接用 python 操作 Mongodb 資料

Pymongo：關於 Mongodb 資料庫的連線，直接上程式碼：

client = MongoClient('mongodb://localhost:27017')
spring = client.spring
collection = spring['orders']

以上程式碼的意思就是連線本地 Mongodb-spring 資料庫 -orders 文件集合

Pyecharts：是大名鼎鼎的 Echarts 的 Python 視覺化圖表庫，用起來挺順手的，而且文件規範，基本上可以零門檻入門，具體實現請移步文件。

Pyecharts(http://pyecharts.org)

這裡介紹一下關於 Pyecharts 的圖表樣式配置，為了保持各圖表的樣式統一（偷懶），Pyecharts 提供了一個 Style 類，可用於在同一個圖或者多個圖內保持統一的風格

rom pyecharts import Style,Geo

style = Style(
   title_color="#fff",
   title_pos="center",
   width=1100,
   height=600,
   background_color='#404a59'
)
# style.init_style 會返回類初始化的風格配置字典
geo = Geo("全國主要城市空氣質量", "data from pm2.5", **style.init_style)

程式碼解讀

因為全部程式碼有點長，所以抽了一段舉個例子，主要思路就是從 Mongodb 取出指定資料，或者通過 $group 管道對資料進行處理，最後通過 pyecharts 生成相應的圖表，呈現

from pymongo import MongoClient
from pyecharts import Style,GeoLines

def getLines(self):
   # 連線資料庫
   client = MongoClient('mongodb://localhost:27017')
   spring = self.client.spring
   collection = self.spring['orders']
   
   # Mongodb的操作，$match-篩選出'from_poi.city.city_name'為'杭州'的文件，
   # 再通過$group管道，按照目標城市統計出彙總數量
   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圖表的資料格式格式化資料
   line_hangzhou_ = []
   for line in line_hangzhou:
       line_hangzhou_.append(["杭州", line['_id'], line['count']])
       
   # 建立一個GeoLines圖表
   citylines = GeoLines("春節遷移路線圖", **style.init_style)
   # 新增資料以及樣式
   citylines.add("從杭州出發",
                 line_hangzhou_,
                 **geo_style)
   # 生成html檔案
   citylines.render("results/citylines.html")

後記

這是一篇遲到很久的文章，本來沒打算再寫，但是總覺得下半部分沒寫完心裡有個結，所以還是抽時間補上。另外作為一個非專業技術人員，多記多練免得過幾天自己就忘了。原始碼的話抽空傳 GitHub，有需要可以後臺留言。

推薦閱讀

• 為何Google將幾十億行原始碼放在一個倉庫？

• 熬夜寫程式碼，不如換女裝入GitHub獲上千Star？

• Python告訴你絕不知道的1983-2018春晚

• 一萬多條拼車資料，看春運的遷徙圖

• 4個最受歡迎的大資料視覺化工具！

• 直擊達沃斯：區塊鏈是好技術，比特幣一文不值，為什麼？

• 年薪 10 萬的程式設計師，如何積累人生的第一個 100 萬？

• 蘋果開撕 Facebook、Google！

• 嫁人當嫁程式設計師

點選“閱讀原文”，開啟CSDN APP 閱讀更貼心！