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

编辑：zone

来源：InThirty

源码：评论区获取

目录

前言

统计结果

爬虫思路

统计思路

后记

前言

很早之前发过一篇关于某拼车平台爬虫的分析文章，因为工作比较忙，条拼一直没有下文。车数最近年底稍微空了些，看北加上碰上春节返乡大潮，上广深刚好再拿过来写一下数据分析的各位过年思路。

本次数据样本共13041条，分析本别采集了北京、条拼上海、车数广州、看北深圳、上广深杭州的各位过年某一天出行数据，由于手动操作难以保证取样的分析公平性，所以不能对全部数据结果的条拼准确性做保证，本文以提供思路参考为主，车数先放一张路线图：

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，服务器托管大过年的，女性乘客对于安全性的忧虑还有要有的。

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。 

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，亿华云计算没想到广州是最高的，也可能是我统计错误

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错，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。

返乡路线图

最后放几张返乡的路线图

北京

上海

广州

深圳

杭州

杭州明显有别与其它几个城市，一个是杭州的数据样本多，另外一个平台上杭州黄牛多，那些最远的服务器租用单子就是黄牛广告单

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(http://pyecharts.org)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=#404a59

)

# 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，$match-筛选出from_poi.city.city_name为杭州的文档，    # 再通过$group管道，按照目标城市统计出汇总数量

   line_hangzhou = collection.aggregate([

       { $match: { from_poi.city.city_name: 杭州

}},

       { $group: { _id: $to_poi.city.city_name, count: { $sum: 1

}}}

   ])

   # 按照Geolines图表的数据格式格式化数据

   line_hangzhou_ = []

   for line in

line_hangzhou:

       line_hangzhou_.append(["杭州", line[_id], line[count

]])

   # 创建一个GeoLines图表    citylines = GeoLines("春节迁移路线图"

, **style.init_style)

   # 添加数据以及样式    citylines.add("从杭州出发"

,

                 line_hangzhou_,

                 **geo_style)

   # 生成html文件    citylines.render("results/citylines.html")

后记

这是一篇迟到很久的文章，本来没打算再写，但是总觉得下半部分没写完心里有个结，所以还是抽时间补上。另外作为一个非专业技术人员，多记多练免得过几天自己就忘了。

很赞哦!（864）