使用 Python 分析全國所有必勝客餐廳

作者：極客猴

來源：極客猴

題圖：by thefolkpr0ject from Instagram

    

閱讀文字大概需要 7 分鐘。

在之前的一篇文章中，我講到如何爬取必勝客官網中全國各大城市餐廳的資訊。雖然餐廳資料資訊被抓取下來，但是資料一直在硬碟中“躺屍”。不曾記得，自己已經第 n 次這麼做了。說到這裡，要追溯到自己的大學時光。

自己從大學開始就接觸 Python，當時是自己的好奇心很強烈。好奇為什麼 Python 不需要瀏覽器就能抓取網站資料。內心感嘆到，這簡直是太妙了。自己為了體驗這種抓取資料的樂趣，所以寫了很多的爬蟲程式。

隨著自己知識面地擴充，自己瞭解到資料分析這領域。自己從而才知道爬取到的資料，原來背後還隱藏的一些資訊。自己也是在學習這方面的相關知識。這篇文章算是資料分析的處女稿，主要內容是從資料中提取出必勝客餐廳的一些資訊。

01

環境搭建

百度前端技術部開源一個基於 Javascript 的資料視覺化圖表庫。其名字為 ECharts。它算是前端資料視覺化的利器，能提供直觀，生動，可互動，可個性化定製的資料視覺化圖表。

國內有個大神突發奇想，這麼好用的庫如果能和 Python 結合起來就好了。於是乎，pyecharts 庫就應運而生。因此，pyecharts 的作用是用於生成 Echarts 圖表的類庫。本文中的所有圖示，自己都是利用 pyecharts 生成的。

安裝該庫也很簡單，使用 pip 方式安裝。

pip install pyecharts

02

資料清洗

資料清洗工作是資料分析必不可少的步驟。這一步是為了清洗一些髒資料。因為可能網站本身就有空資料，或者匹配抓取網站資訊時，有些混亂的資料。這些都需要清除掉。

我之前是將資料寫到一個 json 檔案中，我先將資料讀取出來。然後把 json 文字資料轉化為字典型別。

def get_datas():
    """ 從檔案中獲取資料 """
    file_name = 'results.json'
    with open(file_name, 'r', encoding='UTF-8') as file:
        content = file.read()
        data = json.loads(content, encoding='UTF-8')
        # print(data)
    return data

接著對字典進行遍歷, 統計每個城市的餐廳總數。

def count_restaurants_sum(data):
    """ 對字典進行遍歷, 統計每個城市的餐廳總數 """
    results = {}
    for key, value in data.items():
        results[key] = len(value)
        # print(key, len(value))
    return results

再將字典中的每個 key-value 轉化為元組，然後根據 value 進行倒序排序。

restaurants_sum = sorted(restaurants_sum.items(), key=lambda item: item[1], reverse=True)

最後根據顯示結果，手動刪除一些髒資料。

def clean_datas(data):
    """
    清除髒資料。
    經過分析發現 ('新區', 189), ('南區', 189), ('朝陽', 56) 是髒資料, 必勝客官網的地區選項中就有這三個名字
    [('新區', 189), ('上海市', 189), ('南區', 189), ('北京市', 184), ('深圳', 95),
     ('廣州', 86), ('杭州', 78), ('天津市', 69), ('朝陽', 56), ('蘇州', 54)]
    """
    data.remove(('新區', 189))
    data.remove(('南區', 189))
    data.remove(('朝陽', 56))
    return data

到此，資料工作已經完成。

03

資料分析

我們已經拿到了經過清洗的資料，我們簡單對資料進行列印，然後繪製直方圖。

def render_top10():
    """
    繪製直方圖顯示 全國必勝客餐廳總數 Top 10 的城市
    根據清洗過後資料的結果, Top 城市如下
    ('上海市', 189), ('北京市', 184), ('深圳', 95), ('廣州', 86), ('杭州', 78),
    ('天津市', 69), ('蘇州', 54), ('西安', 52), ('武漢', 51), ('成都', 48)
    """
    attr = ["上海", "北京", "深圳", "廣州", "杭州", "天津", "蘇州", "西安", "武漢", "成都"]
    values = [189, 184, 95, 86, 78, 69, 54, 52, 51, 48]
    bar = Bar("全國各大城市必勝客餐廳數量排行榜")
    bar.add("總數", attr, values, is_stack=True, is_more_utils=True)
    bar.render("render_bar.html")

繪製出來的結果如下：

不難看出，一線城市擁有必勝客的餐廳數比較多，省會城市擁有餐廳數要比非省會城市要多。

我們繼續繪製餅狀圖，看看北上廣深的餐廳數在全國的佔比。

def render_top10_percent():
    """
    繪製餅狀圖 顯示北上廣深餐廳數在全國中的比例
    """
    configure(global_theme='macarons')
    attr = ["上海", "北京", "深圳", "廣州", "其他城市"]
    value = [189, 184, 95, 86, 1893]  # 根據 count_other_sum() 計算出來的
    pie = Pie("北上廣深餐廳數的佔比")
    pie.add("", attr, value, is_label_show=True, is_more_utils=True)
    pie.render("render_pie.html")

繪製出來的結果如下：

從資料上看，北上廣深的餐廳數佔據全國餐廳數的 22.64%。其他二三線城市共佔據 77.36%。說明必勝客餐廳不僅主打大城市路線，還往二三四線城市發展，擴充套件領域。