“不是北欧去不起,而是哈尔滨更有性价比。”
“零下二十摄氏度,我在哈尔滨当‘俄式公主’。”
上一期我们分享了景区用户评价数据可以从哪些维度去分析,如词云、情感等;
【数据分析实战】冰雪大世界携程景区评价信息情感分析采集词云
今天我们通过之前采到的评价数据,了解一下哈尔滨的客源是从哪个省市来的。顺便分享一下pyecharts中地图的用法。
注:该分析只包括有ip地的数据
_id | publishTime | score | content | publishTypeTag | ipLocatedName | touristTypeDisplay | |
---|---|---|---|---|---|---|---|
0 | 180204656 | /Date(1703671819000+0800)/ | 5 | 太壮观啦,上一次是10年前来的,变化很大… | 2023-12-27 发布点评 | 上海 | 情侣夫妻 |
# 城市名一定要和地图上显示的对应,不然出不来
city_data = [('台湾省', 1)] # 示例数据
special_cases = {
'上海': '上海市',
'北京': '北京市',
'重庆': '重庆市',
'内蒙古': '内蒙古自治区',
'西藏': '西藏自治区',
'广西': '广西壮族自治区',
'宁夏': '宁夏回族自治区',
'新疆': '新疆维吾尔自治区'
}
for k, v in pd.value_counts(df['ipLocatedName']).to_dict().items():
k = special_cases.get(k, f'{k}省')
city_data.append((k, v))
from pyecharts import options as opts
from pyecharts.charts import Map
from pyecharts.globals import ThemeType
# 创建地图对象
map = Map(init_opts=opts.InitOpts(theme=ThemeType.ESSOS, height="800px"))
# 添加数据到地图
map.add("", city_data, "china")
# 设置全局配置
map.set_global_opts(
title_opts=opts.TitleOpts(
title="【冰雪大世界】接待省域游客分布图",
subtitle="数据来源:该统计分析仅包含显示ip所属地的评价数据",
pos_right="center",
pos_top="5%"
),
visualmap_opts=opts.VisualMapOpts(max_=139),
)
# 在Jupyter Notebook中显示地图
map.render_notebook()
通过评论的ip地我们知道了各省市前往哈尔滨冰雪大世界旅游的客源数据,分享下我观察到的点:
本地游客主导:
大城市客源显著:
地域分布广泛:
地方性游客集中现象:
一些地区游客较少:
需要采集数据的可以联系我~
通过对冰雪大世界5528条携程用户公开评价的深入分析,我们深入了解了客源的情况,以及景区在哪些地区推广较弱等。
该分析仅供学习交流使用,禁止用于商业用途,不构成任何投资建议。
大数据分析为运营和各行业带来了前所未有的机会,使企业能够更敏锐地洞察市场、优化运营,并更有效地应对竞争和变革。在信息时代,充分利用大数据分析,将成为企业取得竞争优势的不可忽视的关键要素。
本人数据分析领域的从业者,拥有专业背景和能力,可以为您的数据挖掘和分析需求提供支持。期待着能够与您共同探索更多有意义的数据洞见,为您的项目和业务提供数据分析方面的帮助。
创作不易,如果你觉得有帮助,请点个赞支持一下。你的鼓励是我创作的最大动力,期待未来能为大家带来更多有趣的分析文章。感谢大家的阅读和支持!