源码开放:基于Pyecharts可视化分析苏州旅游攻略
大家好,我是Peter~
全国旅游城市终于又更新啦!以前写过厦门、长沙、成都、西安、大连。今天带来的是:上有天堂,下有苏杭:苏州来了??终于挤出时间把苏州的旅游景点和美食的攻略写完了。
很多年之前Peter去苏州旅游过一次,所以还是有些印象。到现在还记得当年去的几个景点:观前街、留园、苏州博物馆……
个人觉得苏州这个城市还是蛮不错的,真的是江南城市代表。到达苏州站,看到苏州护城河,河街相邻;走到城市中,房子低檐,粉墙黛瓦,老街园林到处可见;看到各种园林古迹,历史感比较厚重;听到当地人说话,温婉尔雅,轻声细语。
将来一定会找个时机再游苏州~
苏州
苏州是中国经济高度发达的地区,是江苏省的经济中心、工商业和物流中心源码城市,也是重要的金融、文化、艺术、教育和交通中心。下面这幅图来自维基百科,可以看到组成苏州的几个县级市和区。巩固下地理吧~
数据来源
本文中共有两份数据:苏州美食和苏州景点。数据是通过爬虫方式获取的,文末有数据分析源码获取方式。
郑重声明:本文的数据仅作为数据分析和可视化效果展示使用,未用作其他用途;若有转载,请注明出处~
数据效果
我们以苏州景点的数据分析作为展示。本文亮点是所有的图形使用的是可视化库:pyecharts,这是一个国产的可视化库
苏州景点
苏州景点的数据分析主要是从以下几个方面展开:
导入库 import pandas as pd import re  开放;# 显示所有列 # pd.set_option('display.max_columns', None) # 显示所有行 # pd.set_option('display.max_rows', None) # 设置value的显示长度为100,默认为50 # pd.set_option('max_colwidth',100) # 绘图相关 import jieba import matplotl:基ib.pyplot as plt from pyecharts.globals import CurrentConfig, OnlineHostType # 事先导入,防止不出图 from pyecharts import options as opts # 配置项 from pyecharts.charts import Bar, Pie, Line,&n于Pbsp;Funnel, WordCloud, Grid, Page # 各个图形的类 from pyecharts.commons.utils import JsCode from pyecharts.globals import ThemeType,SymbolType
省略相关的数据导入和数据探索部分,重点是看看数据分析的结果。苏州景点数据有2000*8
景点分布
在这里展示的苏州各个地方的景点个数:
c = (&nbyesp; Pie(init_opts=opts.InitOpts(theme=ThemeType.CHALK)) .add("", [list(z) for z in zip(df2["location"].tolist(), df2["number"].tolist())]) .set_global_opts(title_opts=opts.TitleOpts(title="苏州景点分布"),&nbschp; legend_opts=opts.LegendOpts(pos_left="80%", orient="vertical")) .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}")) )&narbsp; c.render_notebook()
攻略数前10名的景点
很多的景点都有游客写了攻略数,我们可以把攻略数作为一种参考:
景点评论数
驴友百分比
驴友百分比表示的是大致有多少的游客到过相同的景点:
园林城市
苏州是一个园林城市,我们从数据中看到:本次获取到的数据里面苏州有457个和“园”相关的景点。比较出名的还是:
拙政园 留园 网师园
古城街道
苏州也是一个历史感很厚重的城市,数据中显示有106条的街道:
山塘街 平江路历史街区 观前街
寺庙
数据中也显示苏州共有96个寺庙:其中最为出名的还是寒山寺
月落乌啼霜满天,江枫渔火对愁眠,姑苏城外寒山寺,夜半钟声到客船
景点词云图
我们获取到的数据景点的中文名和简介进行了ts词云图展示:
1、全部的词云展示
2、截取前50个高频词
通过两种词云图的展示,我们发现苏州的景点中:
公园是比较多的 各种馆,比如:博物馆、展览馆、艺术馆、美术馆等也很丰富 文化气息浓厚:文化、文物保护、建筑等 苏州美食
苏州美食数据有2000条,6个字段。
得分分布
得分这个字段的分布情况。得分为0.0表示没有得分
从上图中我们可以看到很多店是没有评分的。接下来,我们看看评分为5分的都是哪些店铺(取前10名)
牛排店 知名酒店 咖啡厅
消费均价
对字段“均价”的统计分析,分类的规则:
def price(x): if x < 20: 可视 return "很便宜" if x < 50: return "价格亲民" if x < 100: r化分eturn "可以接受" if x < 200: return "人均消费较高" else: return "高档餐厅"
利用下面的代码进行饼图的绘制:
c = (  析苏; Pie(init_opts=opts.InitOpts(theme=ThemeType.CHALK)) .add("", [list(z) for z in zip(df5["分类"].tolist(), df5["数量"].tolist())]) .set_global_opts(title_opts=opts.TitleOpts(title="苏州美食店铺均价数量占比分布",subtitle="备注:排除没有均价州旅店铺"), legend_opts=opts.LegendOpts(pos_left="80%", orient="vertical")) .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}"))游攻 ) c.render_notebook()
高消费餐厅
通过均价字段的降序,我们看看苏州的高消费地方都是哪里?
酒店
数据中显示苏州有酒店86家,其中知名的酒店:
苏州洲际酒店 金陵饭店花园酒店 苏州金鸡湖新罗酒店
面馆
总共117家面馆,如果你是个面食爱好者,这些地方你一定不要错过:
老东吴面馆(莫厘路店) 奥灶面 同得兴精品面馆(观前街店)
美食店统计
从面馆、烧烤、酒店、火锅串串等8个不同的方面进行美食店铺的统计:
美食词云
苏州的美食词云图主要是将数据的“推荐菜”这个字段进行词云图的展示,看看当地人爱好哪些美食。
1、全部词云图
2、前50个词语
从词云图中可以看到,苏州人的口味还是很清淡的。游源码客的推荐菜中:
牛肉为主要菜品 菜的做法:红烧(肉)、清蒸、烤 钟爱虾:虾、虾仁、河虾等 喜欢海鲜:尤其是鱼,还有鱿鱼、、三文鱼等
苏州属于太湖境内,肯定是不能错过大闸蟹。
总结
看完上面苏州旅游景点和美食的分析,如果你到苏州必去的地方:
园林:拙政园、留园 寺庙:寒山寺、重元寺 街道:山塘街、平江路历史街区、观前街 苏州博物馆
你必不能错过的美食:
苏州的牛肉(牛肉粉、牛肉酥等),可以品尝 虾蟹:太湖区域水产品多,比如虾仁、大闸蟹等 面食:馄饨、生煎你也不能错过。记得当时Peter吃过一家名为“乐惠”的小馄饨,挺赞的~还有苏式汤面也值得品尝
- ·DeepMind 携手耶鲁大学发布 C2S-Scale27B 模型:AI 发现癌症治疗新途径
- ·Figma MCP服务器重磅升级!一键设计转代码,设计师与前端告别“翻译”时代
- ·消息称腾讯云将推出面向行业的大模型
- ·软银加码与 OpenAI 合作,Arm 将开发定制 CPU
- ·标签: 追觅汽车 星宸未来 陈龙冬 智能出行
- ·投行解读谷歌最新cookie声明对顶尖广告技术公司影响
- ·优化器怎么选?一文教你选择适合不同ML项目的优化器
- ·标签: Meta Reality Labs 元宇宙 AI
- ·Scale AI 起诉前员工及竞争对手 Mercor,指控窃取商业机密
- ·GPT-5偏见测试结果公布:500问验证客观性飞跃,情感化问题仍是挑战
- ·2025 年上半年中国 AI IaaS 市场规模达 198.7 亿元,同比增长 122.4%
- ·标签: 携程 市场监管总局 反垄断 携程集团
- ·扎克伯格:暴徒冲击国会不是Facebook的责任
- ·云计算开发实例:Python3查找列表中最大元素
- ·标签: 泡泡玛特 拓竹科技 Labubu 3D打印侵权
- ·标签: 精智实业 智能制造 港股IPO 新能源制造
- ·粉皮怎么做
- ·消息称博通与云计算公司VMware洽谈收购事宜 后者市值约400亿美元
- ·谷歌推出AI营销工具Pomelli:只需网址即可自动化生成品牌内容
- ·标签: 路易达孚 LDC 农产品贸易 可持续发展
- ·Kimi Agent会员惊喜上线!打赏秒变9个月VIP,49元享超值AI深度研究
- ·云计算开发:Python内置函数-slice()函数详解
- ·美国AI融资狂潮持续燃烧!2025年已有49家公司狂揽千万美金,OpenAI单轮400亿刷新纪录
- ·AWS Panorama是否会为计算机视觉游戏带来新的面貌?
- ·标签: 小米汽车 网络攻击 法律援助
- ·为什么说微软收购Nuance公司是一件大事
