目錄

• 前言
• 統(tǒng)計(jì)結(jié)果
• 爬蟲(chóng)思路
• 統(tǒng)計(jì)思路
• 后記

前言

很早之前發(fā)過(guò)一篇關(guān)于某拼車(chē)平臺(tái)爬蟲(chóng)的文章，因?yàn)楣ぷ鞅容^忙，一直沒(méi)有下文。最近年底稍微空了些，加上碰上春節(jié)返鄉(xiāng)大潮，剛好再拿過(guò)來(lái)寫(xiě)一下數(shù)據(jù)分析的思路。

本次數(shù)據(jù)樣本共13041條，本別采集了北京、上海、廣州、深圳、杭州的某一天出行數(shù)據(jù)，由于手動(dòng)操作難以保證取樣的公平性，所以不能對(duì)全部數(shù)據(jù)結(jié)果的準(zhǔn)確性做保證，本文以提供思路參考為主，先放一張路線(xiàn)圖：

統(tǒng)計(jì)結(jié)果

好了，知道大家比較關(guān)心結(jié)果，所以先把結(jié)果放一放，后面再接著講分析過(guò)程。

乘客性別

先單獨(dú)把性別拎出來(lái)看一下，后面再根據(jù)城市進(jìn)行分析，結(jié)果顯示，拋開(kāi)未設(shè)置性別的乘客不論，總體來(lái)看順風(fēng)車(chē)的用戶(hù)群中，男性(占比49.39%)還是多于女性(占比31.55%)的。畢竟跨城順風(fēng)車(chē)，大過(guò)年的，女性乘客對(duì)于安全性的憂(yōu)慮還是要有的。

城市訂單

真實(shí)數(shù)據(jù)的話(huà)訂單數(shù)量應(yīng)該是深圳 > 北京 > 廣州 > 上海 > 杭州，但是同一個(gè)城市內(nèi)的乘客性別比例應(yīng)該還是具有一定的參考價(jià)值的，可以看到北京、上海、深圳的女性乘客數(shù)量占比都是高于男性的。

客單價(jià)

原本是想比較一下平均路程長(zhǎng)度，但是想想這個(gè)事情太折騰了，由于平臺(tái)主要還是依靠路程來(lái)計(jì)算拼車(chē)費(fèi)用的，所以通過(guò)計(jì)算客單價(jià)的話(huà)大概也能反映一下平均形成長(zhǎng)度(我猜的，然后結(jié)果是這樣的，沒(méi)想到廣州是最高的，也可能是我統(tǒng)計(jì)錯(cuò)誤）。

哪里乘客最壕

有時(shí)候有些偏遠(yuǎn)地區(qū)訂單或者順路司機(jī)少，乘客會(huì)加價(jià)希望司機(jī)接單，于是統(tǒng)計(jì)了一下各城市加價(jià)訂單的占比和平均的加價(jià)額度，得出如下結(jié)果：

占比最高的城市是深圳，平均加價(jià)額度最高的城市也是深圳，看來(lái)深圳的小哥哥小姐姐們的確出手闊綽，然而加價(jià)比例最低的是北京，不過(guò)這也不能說(shuō)明帝都人民不壕氣，可能就是人家繁華，司機(jī)多。

返鄉(xiāng)路線(xiàn)圖

最后放幾張返鄉(xiāng)的路線(xiàn)圖

北京

上海

廣州

深圳

杭州

杭州明顯有別于其他幾個(gè)城市，一個(gè)是杭州的數(shù)據(jù)樣本多，另外一個(gè)平臺(tái)上杭州黃牛多，那些最遠(yuǎn)的單子就是黃牛廣告單。

爬蟲(chóng)思路

注冊(cè)成為司機(jī)，利用mitm抓包存儲(chǔ)拼車(chē)單。

統(tǒng)計(jì)思路

數(shù)據(jù)的話(huà)，我是通過(guò)本地Mongodb存儲(chǔ)，所以直接用python操作Mongodb數(shù)據(jù)。

Pymongo

關(guān)于Mongodb數(shù)據(jù)庫(kù)的連接，直接上代碼：

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

以上代碼的意思就是連接本地Mongodb-spring數(shù)據(jù)庫(kù)-orders文檔集合。

Pyecharts

Pyecharts(http://pyecharts.org)是大名鼎鼎的Echarts的Python可視化圖表庫(kù)，用起來(lái)挺順手的，而且文檔規(guī)范，基本上可以零門(mén)檻入門(mén)，具體實(shí)現(xiàn)請(qǐng)移步文檔。

這里介紹一下關(guān)于Pyecharts的圖表樣式配置，為了保持各圖表的樣式統(tǒng)一(偷懶)，Pyecharts提供了一個(gè)Style類(lèi)，可用于在同一個(gè)圖或者多個(gè)圖內(nèi)保持統(tǒng)一的風(fēng)格。

from pyecharts import Style,Geo 
 
style = Style( 
   title_color="#fff", 
   title_pos="center", 
   width=1100, 
   height=600, 
   background_color='#404a59' 
) 
# style.init_style 會(huì)返回類(lèi)初始化的風(fēng)格配置字典 
geo = Geo("全國(guó)主要城市空氣質(zhì)量", "data from pm2.5", **style.init_style) 

這樣，就創(chuàng)建了一個(gè)Geo地理坐標(biāo)系圖表。

代碼解讀

因?yàn)槿看a有點(diǎn)長(zhǎng)，所以抽了一段舉個(gè)例子，主要思路就是從Mongodb取出指定數(shù)據(jù)，或者通過(guò)$group管道對(duì)數(shù)據(jù)進(jìn)行處理，最后通過(guò)pyecharts生成相應(yīng)的圖表，呈現(xiàn)：

from pymongo import MongoClient 
from pyecharts import Style,GeoLines 
 
def getLines(self): 
   # 連接數(shù)據(jù)庫(kù) 
   client = MongoClient('mongodb://localhost:27017') 
   spring = self.client.spring 
   collection = self.spring['orders'] 
    
   # Mongodb的操作，$match-篩選出'from_poi.city.city_name'為'杭州'的文檔， 
   # 再通過(guò)$group管道，按照目標(biāo)城市統(tǒng)計(jì)出匯總數(shù)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圖表的數(shù)據(jù)格式格式化數(shù)據(jù) 
   line_hangzhou_ = [] 
   for line in line_hangzhou: 
       line_hangzhou_.append(["杭州", line['_id'], line['count']]) 
        
   # 創(chuàng)建一個(gè)GeoLines圖表 
   citylines = GeoLines("春節(jié)遷移路線(xiàn)圖", **style.init_style) 
   # 添加數(shù)據(jù)以及樣式 
   citylines.add("從杭州出發(fā)", 
                 line_hangzhou_, 
                 **geo_style) 
   # 生成html文件 
   citylines.render("results/citylines.html") 

后記

這是一篇遲到很久的文章，本來(lái)沒(méi)打算再寫(xiě)，但是總覺(jué)得下半部分沒(méi)寫(xiě)完心里有個(gè)結(jié)，所以還是抽時(shí)間補(bǔ)上。另外作為一個(gè)非專(zhuān)業(yè)技術(shù)人員，多記多練免得過(guò)幾天自己就忘了。