目錄

• 前言
• 統(tǒng)計結果
• 爬蟲思路
• 統(tǒng)計思路
• 后記

前言

很早之前發(fā)過一篇關于某拼車平臺爬蟲的文章，因為工作比較忙，一直沒有下文。最近年底稍微空了些，加上碰上春節(jié)返鄉(xiāng)大潮，剛好再拿過來寫一下數據分析的思路。

本次數據樣本共13041條，本別采集了北京、上海、廣州、深圳、杭州的某一天出行數據，由于手動操作難以保證取樣的公平性，所以不能對全部數據結果的準確性做保證，本文以提供思路參考為主，先放一張路線圖：

統(tǒng)計結果

好了，知道大家比較關心結果，所以先把結果放一放，后面再接著講分析過程。

乘客性別

先單獨把性別拎出來看一下，后面再根據城市進行分析，結果顯示，拋開未設置性別的乘客不論，總體來看順風車的用戶群中，男性(占比49.39%)還是多于女性(占比31.55%)的。畢竟跨城順風車，大過年的，女性乘客對于安全性的憂慮還是要有的。

城市訂單

真實數據的話訂單數量應該是深圳 > 北京 > 廣州 > 上海 > 杭州，但是同一個城市內的乘客性別比例應該還是具有一定的參考價值的，可以看到北京、上海、深圳的女性乘客數量占比都是高于男性的。

客單價

原本是想比較一下平均路程長度，但是想想這個事情太折騰了，由于平臺主要還是依靠路程來計算拼車費用的，所以通過計算客單價的話大概也能反映一下平均形成長度(我猜的，然后結果是這樣的，沒想到廣州是最高的，也可能是我統(tǒng)計錯誤）。

哪里乘客最壕

有時候有些偏遠地區(qū)訂單或者順路司機少，乘客會加價希望司機接單，于是統(tǒng)計了一下各城市加價訂單的占比和平均的加價額度，得出如下結果：

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

返鄉(xiāng)路線圖

最后放幾張返鄉(xiāng)的路線圖

北京

上海

廣州

深圳

杭州

杭州明顯有別于其他幾個城市，一個是杭州的數據樣本多，另外一個平臺上杭州黃牛多，那些最遠的單子就是黃牛廣告單。

爬蟲思路

注冊成為司機，利用mitm抓包存儲拼車單。

統(tǒng)計思路

數據的話，我是通過本地Mongodb存儲，所以直接用python操作Mongodb數據。

Pymongo

關于Mongodb數據庫的連接，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數據庫-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，用起來挺順手的，而且文檔規(guī)范，基本上可以零門檻入門，具體實現請移步文檔。

這里介紹一下關于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Style類，可用于在同一個圖或者多個圖內保持統(tǒng)一的風格。

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

這樣，就創(chuàng)建了一個Geo地理坐標系圖表。

代碼解讀

因為全部代碼有點長，所以抽了一段舉個例子，主要思路就是從Mongodb取出指定數據，或者通過$group管道對數據進行處理，最后通過pyecharts生成相應的圖表，呈現：

from pymongo import MongoClient 
from pyecharts import Style,GeoLines 
 
def getLines(self): 
   # 連接數據庫 
   client = MongoClient('mongodb://localhost:27017') 
   spring = self.client.spring 
   collection = self.spring['orders'] 
    
   # Mongodb的操作，$match-篩選出'from_poi.city.city_name'為'杭州'的文檔， 
   # 再通過$group管道，按照目標城市統(tǒng)計出匯總數量 
   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圖表的數據格式格式化數據 
   line_hangzhou_ = [] 
   for line in line_hangzhou: 
       line_hangzhou_.append(["杭州", line['_id'], line['count']]) 
        
   # 創(chuàng)建一個GeoLines圖表 
   citylines = GeoLines("春節(jié)遷移路線圖", **style.init_style) 
   # 添加數據以及樣式 
   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，本來沒打算再寫，但是總覺得下半部分沒寫完心里有個結，所以還是抽時間補上。另外作為一個非專業(yè)技術人員，多記多練免得過幾天自己就忘了。