周末福利！用Python爬取美团美食信息，吃货们走起来！

大周末的，不犒劳一下自己，怎么对得起一周的辛勤工作呢，对吧。

那么跟我一起来爬一下你所在的城市美食吧​

基本开发环境

Python 3.6

Pycharm

相关模块的使用

# 爬虫模块使用

import requests

import re

import csv

# 数据分析模块

import pandas as pd

import numpy as np

from pyecharts.charts import *

from pyecharts import options as opts

from pyecharts.globals import ThemeType #引入主题

安装Python并添加到环境变量，pip安装需要的相关模块即可。

兄弟们学习python，有时候不知道怎么学，从哪里开始学。掌握了基本的一些语法或者做了两个案例后，不知道下一步怎么走，不知道如何去学习更加高深的知识。那么对于这些大兄弟们，我准备了大量的免费视频教程，PDF电子书籍，以及视频源的源代码！还会有大佬解答！都在这个群里了 点击蓝色字体（我）获取欢迎加入，一起讨论 一起学习！

需求数据来源分析

某团上面这些数据都是可以获取的，当然还有商家的电话也是可以的。

一般去找数据的话都是从开发者工具里面进行抓包分析，复制想要的数据内容然后进行搜索。

如果是这样找数据的话，是没有什么问题的，但是对于美团这个网站来说，这样没有办法进行多页数据爬取。

某团的数据要从第二页找，这样才能进行多页数据爬取。

代码实现

for page in range(0, 1537, 32):

# time.sleep(2)

url = 'https://apimobile.meituan.com/group/v4/poi/pcsearch/30'

data = {

'uuid': '96d0bfc90dfc441b81fb.1630669508.1.0.0',

'userid': '266252179',

'limit': '32',

'offset': page,

'cateId': '-1',

'q': '烤肉',

'token': '你自己的token',

}

headers = {

'Referer': 'https://sz.meituan.com/',

'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/91.0.4472.124 Safari/537.36'

}

response = requests.get(url=url, params=data, headers=headers)

result = response.json()['data']['searchResult']

for index in result:

shop_id = index['id']

index_url = f'https://www.meituan.com/meishi/{shop_id}/'

dit = {

'店铺名称': index['title'],

'人均消费': index['avgprice'],

'店铺评分': index['avgscore'],

'评论人数': index['comments'],

'所在商圈': index['areaname'],

'店铺类型': index['backCateName'],

'详情页': index_url,

}

csv_writer.writerow(dit)

print(dit)

f = open('美团烤肉数据.csv', mode='a', encoding='utf-8', newline='')

csv_writer = csv.DictWriter(f, fieldnames=[

'店铺名称',

'人均消费',

'店铺评分',

'评论人数',

'所在商圈',

'店铺类型',

'详情页',

])

csv_writer.writeheader()

爬取数据展示

数据分析代码实现及效果

import matplotlib.pyplot as plt

import seaborn as sns

%matplotlib inline

plt.rcParams['font.sans-serif'] = ['SimHei'] # 设置加载的字体名

plt.rcParams['axes.unicode_minus'] = False # 解决保存图像是负号'-'显示为方块的问题

fig,axes=plt.subplots(2,1,figsize=(12,12))

sns.regplot(x='人均消费',y='店铺评分',data=df,color='r',marker='+',ax=axes[0])

sns.regplot(x='评论人数',y='店铺评分',data=df,color='g',marker='*',ax=axes[1])

所在商圈烤肉店铺数量top10

df2 = df.groupby('所在商圈')['店铺名称'].count()

df2 = df2.sort_values(ascending=True)[-10:]

df2 = df2.round(2)

c = (

Bar(init_opts=opts.InitOpts(theme=ThemeType.WONDERLAND))

.add_xaxis(df2.index.to_list())

.add_yaxis("",df2.to_list()).reversal_axis() #X轴与y轴调换顺序

.set_global_opts(title_opts=opts.TitleOpts(title="商圈烤肉店数量top10",subtitle="数据来源：美团",pos_left = 'center'),

xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(font_size=16)), #更改横坐标字体大小

yaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(font_size=16)), #更改纵坐标字体大小

)

.set_series_opts(label_opts=opts.LabelOpts(font_size=16,position='right'))

)

c.render_notebook()

商圈烤肉店铺评分top10

df4 = df.groupby('评分类型')['店铺名称'].count()

df4 = df4.sort_values(ascending=False)

regions = df4.index.to_list()

values = df4.to_list()

c = (

Pie(init_opts=opts.InitOpts(theme=ThemeType.WONDERLAND))

.add("", zip(regions,values))

.set_global_opts(title_opts=opts.TitleOpts(title="不同评分类型店铺数量",subtitle="数据来源：美团",pos_top="-1%",pos_left = 'center'))

.set_series_opts(label_opts=opts.LabelOpts(formatter="{b}:{d}%",font_size=18))

)

c.render_notebook()

不同评分类型店铺数量

df4 = df.groupby('评分类型')['店铺名称'].count()

df4 = df4.sort_values(ascending=False)

regions = df4.index.to_list()

values = df4.to_list()

c = (

Pie(init_opts=opts.InitOpts(theme=ThemeType.WONDERLAND))

.add("", zip(regions,values))

.set_global_opts(title_opts=opts.TitleOpts(title="不同评分类型店铺数量",subtitle="数据来源：美团",pos_top="-1%",pos_left = 'center'))

.set_series_opts(label_opts=opts.LabelOpts(formatter="{b}:{d}%",font_size=18))

)

c.render_notebook()

不同店铺类型店铺数量

df6 = df.groupby('店铺类型')['店铺名称'].count()

df6 = df6.sort_values(ascending=False)[:10]

df6 = df6.round(2)

regions = df6.index.to_list()

values = df6.to_list()

c = (

Pie(init_opts=opts.InitOpts(theme=ThemeType.WONDERLAND))

.add("", zip(regions,values),radius=["40%", "75%"])

.set_global_opts(title_opts=opts.TitleOpts(title="不同店铺类型店铺数量",pos_top="-1%",pos_left = 'center'))

.set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}",font_size=18))

)

c.render_notebook()

不同店铺类型店铺评分

df6 = df.groupby('店铺类型')['店铺评分'].mean()

df6 = df6.sort_values(ascending=True)

df6 = df6.round(2)

df6 = df6.tail(10)

c = (

Bar(init_opts=opts.InitOpts(theme=ThemeType.WONDERLAND))

.add_xaxis(df6.index.to_list())

.add_yaxis("",df6.to_list()).reversal_axis() #X轴与y轴调换顺序

.set_global_opts(title_opts=opts.TitleOpts(title="不同店铺类型评分",subtitle="数据来源：美团",pos_left = 'center'),

xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(font_size=16)), #更改横坐标字体大小

yaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(font_size=16)), #更改纵坐标字体大小

)

.set_series_opts(label_opts=opts.LabelOpts(font_size=16,position='right'))

)

c.render_notebook()

不同店铺类型店铺评论人数​

df7 = df.groupby('店铺类型')['评论人数'].sum()

df7 = df7.sort_values(ascending=True)

df7 = df7.tail(10)

c = (

Bar(init_opts=opts.InitOpts(theme=ThemeType.WONDERLAND))

.add_xaxis(df7.index.to_list())

.add_yaxis("",df7.to_list()).reversal_axis() #X轴与y轴调换顺序

.set_global_opts(title_opts=opts.TitleOpts(title="不同店铺类型评论人数",subtitle="数据来源：美团",pos_left = 'center'),

xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(font_size=16)), #更改横坐标字体大小

yaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(font_size=16)), #更改纵坐标字体大小

)

.set_series_opts(label_opts=opts.LabelOpts(font_size=16,position='right'))

)

c.render_notebook()

把​地方改成你们相对应的地点，找到自己喜欢吃的地方，快带约上自己的女朋友、小伙伴一起去打卡吧~

如果觉得有帮助，记得点赞收藏转发哈~​

小编的动力来自于你们的喜欢

好文推荐