在之前的一篇文章100行代碼爬取全國所有必勝客餐廳信息，我講到如何爬取必勝客官網(wǎng)中全國各大城市餐廳的信息。雖然餐廳數(shù)據(jù)信息被抓取下來，但是數(shù)據(jù)一直在硬盤中“躺尸”。不曾記得，自己已經(jīng)第 n 次這么做了。說到這里，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。好奇為什么 Python 不需要瀏覽器就能抓取網(wǎng)站數(shù)據(jù)。內心感嘆到，這簡直是太妙了。自己為了體驗這種抓取數(shù)據(jù)的樂趣，所以寫了很多的爬蟲程序。

隨著自己知識面地拓展，自己了解到數(shù)據(jù)分析這領域。自己從而才知道爬取到的數(shù)據(jù)，原來背后還隱藏的一些信息。自己也是在學習這方面的相關知識。這篇文章算是數(shù)據(jù)分析的處女稿，主要內容是從數(shù)據(jù)中提取出必勝客餐廳的一些信息。

01環(huán)境搭建

百度前端技術部開源一個基于 Javascript 的數(shù)據(jù)可視化圖表庫。其名字為 ECharts。它算是前端數(shù)據(jù)可視化的利器，能提供直觀，生動，可交互，可個性化定制的數(shù)據(jù)可視化圖表。

國內有個大神突發(fā)奇想，這么好用的庫如果能和 Python 結合起來就好了。于是乎，pyecharts 庫就應運而生。因此，pyecharts 的作用是用于生成 Echarts 圖表的類庫。本文中的所有圖標，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數(shù)據(jù)清洗

數(shù)據(jù)清洗工作是數(shù)據(jù)分析必不可少的步驟。這一步是為了清洗一些臟數(shù)據(jù)。因為可能網(wǎng)站本身就有空數(shù)據(jù)，或者匹配抓取網(wǎng)站信息時，有些混亂的數(shù)據(jù)。這些都需要清除掉。

我之前是將數(shù)據(jù)寫到一個 json 文件中，我先將數(shù)據(jù)讀取出來。然后把 json 文本數(shù)據(jù)轉化為字典類型。

def get_datas(): 
    """ 從文件中獲取數(shù)據(jù) """ 
    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(tǒng)計每個城市的餐廳總數(shù)。

def count_restaurants_sum(data): 
    """ 對字典進行遍歷, 統(tǒng)計每個城市的餐廳總數(shù) """ 
    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，然后根據(jù) value 進行倒序排序。

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

最后根據(jù)顯示結果，手動刪除一些臟數(shù)據(jù)。

def clean_datas(data): 
    """ 
    清除臟數(shù)據(jù)。 
    經(jīng)過分析發(fā)現(xiàn) ('新區(qū)', 189), ('南區(qū)', 189), ('朝陽', 56) 是臟數(shù)據(jù), 必勝客官網(wǎng)的地區(qū)選項中就有這三個名字 
    [('新區(qū)', 189), ('上海市', 189), ('南區(qū)', 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(qū)', 189)) 
    data.remove(('南區(qū)', 189)) 
    data.remove(('朝陽', 56)) 
    return data 

到此，數(shù)據(jù)工作已經(jīng)完成。

03數(shù)據(jù)分析

我們已經(jīng)拿到了經(jīng)過清洗的數(shù)據(jù)，我們簡單對數(shù)據(jù)進行打印，然后繪制直方圖。

def render_top10(): 
    """ 
    繪制直方圖顯示 全國必勝客餐廳總數(shù) Top 10 的城市 
    根據(jù)清洗過后數(shù)據(jù)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(shù)量排行榜") 
    bar.add("總數(shù)", attr, values, is_stack=True, is_more_utils=True) 
    bar.render("render_bar.html") 

繪制出來的結果如下：

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

我們繼續(xù)繪制餅狀圖，看看北上廣深的餐廳數(shù)在全國的占比。

def render_top10_percent(): 
    """ 
    繪制餅狀圖 顯示北上廣深餐廳數(shù)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(jù) count_other_sum() 計算出來的 
    pie = Pie("北上廣深餐廳數(shù)的占比") 
    pie.add("", attr, value, is_label_show=True, is_more_utils=True) 
    pie.render("render_pie.html") 

繪制出來的結果如下：

從數(shù)據(jù)上看，北上廣深的餐廳數(shù)占據(jù)全國餐廳數(shù)的 22.64%。其他二三線城市共占據(jù) 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(fā)展，擴展領域。

作者：極客猴，熱衷于 Python，目前擅長利用 Python 制作網(wǎng)絡爬蟲以及 Django 框架。