分析了一万多条拼车数据,看看北上广深的各位都回哪过年大数据应用

来源:互联网 / 作者:SKY / 2019-02-01 15:24 / 点击:
本次数据样本共13041条,本别采集了北京、上海、广州、深圳、杭州的某一天出行数据,由于手动操作难以保证取样的公平性,所以不能对全部数据结果的准确性做保证

很早之前发过一篇关于某拼车平台爬虫的文章,因为工作比较忙,一直没有下文。最近年底稍微空了些,加上碰上春节返乡大潮,刚好再拿过来写一下数据分析的思路。

本次数据样本共13041条,本别采集了北京、上海、广州、深圳、杭州的某一天出行数据,由于手动操作难以保证取样的公平性,所以不能对全部数据结果的准确性做保证,本文以提供思路参考为主,先放一张路线图:

分析了一万多条拼车数据,看看北上广深的各位都回哪过年

统计结果

好了,知道大家比较关心结果,所以先把结果放一放,后面再接着讲分析过程。

乘客性别

先单独把性别拎出来看一下,后面再根据城市进行分析,结果显示,抛开未设置性别的乘客不论,总体来看顺风车的用户群中,男性(占比49.39%)还是多于女性(占比31.55%)的。毕竟跨城顺风车,大过年的,女性乘客对于安全性的忧虑还是要有的。

分析了一万多条拼车数据,看看北上广深的各位都回哪过年

城市订单

真实数据的话订单数量应该是深圳 > 北京 > 广州 > 上海 > 杭州,但是同一个城市内的乘客性别比例应该还是具有一定的参考价值的,可以看到北京、上海、深圳的女性乘客数量占比都是高于男性的。

分析了一万多条拼车数据,看看北上广深的各位都回哪过年

客单价

原本是想比较一下平均路程长度,但是想想这个事情太折腾了,由于平台主要还是依靠路程来计算拼车费用的,所以通过计算客单价的话大概也能反映一下平均形成长度(我猜的,然后结果是这样的,没想到广州是最高的,也可能是我统计错误)。

分析了一万多条拼车数据,看看北上广深的各位都回哪过年

哪里乘客最壕

有时候有些偏远地区订单或者顺路司机少,乘客会加价希望司机接单,于是统计了一下各城市加价订单的占比和平均的加价额度,得出如下结果:

占比最高的城市是深圳,平均加价额度最高的城市也是深圳,看来深圳的小哥哥小姐姐们的确出手阔绰,然而加价比例最低的是北京,不过这也不能说明帝都人民不壕气,可能就是人家繁华,司机多。

分析了一万多条拼车数据,看看北上广深的各位都回哪过年

返乡路线图

最后放几张返乡的路线图

北京

分析了一万多条拼车数据,看看北上广深的各位都回哪过年

上海

分析了一万多条拼车数据,看看北上广深的各位都回哪过年

分析了一万多条拼车数据,看看北上广深的各位都回哪过年

广州

分析了一万多条拼车数据,看看北上广深的各位都回哪过年

分析了一万多条拼车数据,看看北上广深的各位都回哪过年

深圳

分析了一万多条拼车数据,看看北上广深的各位都回哪过年

杭州

杭州明显有别于其他几个城市,一个是杭州的数据样本多,另外一个平台上杭州黄牛多,那些最远的单子就是黄牛广告单。

分析了一万多条拼车数据,看看北上广深的各位都回哪过年

分析了一万多条拼车数据,看看北上广深的各位都回哪过年

爬虫思路

注册成为司机,利用mitm抓包存储拼车单。

统计思路

数据的话,我是通过本地Mongodb存储,所以直接用python操作Mongodb数据。

Pymongo

关于Mongodb数据库的连接,直接上代码:

client = MongoClient('mongodb://localhost:27017'

spring = client.spring 

collection = spring['orders'

以上代码的意思就是连接本地Mongodb-spring数据库-orders文档集合。

Pyecharts

Pyecharts()是大名鼎鼎的Echarts的Python可视化图表库,用起来挺顺手的,而且文档规范,基本上可以零门槛入门,具体实现请移步文档。

这里介绍一下关于Pyecharts的图表样式配置,为了保持各图表的样式统一(偷懒),Pyecharts提供了一个Style类,可用于在同一个图或者多个图内保持统一的风格。

from pyecharts import Style,Geo 

 

style = Style( 

   title_color="#fff"

   title_pos="center"

   width=1100, 

   height=600, 

   background_color='#404eraz9' 

# style.init_style 会返回类初始化的风格配置字典 

geo = Geo("全国主要城市空气质量""data from pm2.5", **style.init_style) 

这样,就创建了一个Geo地理坐标系图表。

代码解读

因为全部代码有点长,所以抽了一段举个例子,主要思路就是从Mongodb取出指定数据,或者通过$group管道对数据进行处理,最后通过pyecharts生成相应的图表,呈现:

from pymongo import MongoClient 

from pyecharts import Style,GeoLines 

 

def getLines(self): 

   # 连接数据库 

   client = MongoClient('mongodb://localhost:27017'

   spring = self.client.spring 

   collection = self.spring['orders'

    

   # Mongodb的操作,$match-筛选出'from_poi.city.city_name''杭州'的文档, 

   # 再通过$group管道,按照目标城市统计出汇总数量 

   line_hangzhou = collection.aggregate([ 

阅读延展

1
3