大数据分析师工资待遇爬取了252家酒店的数据后，我发现了热门旅游城市酒店的秘密

原标题：爬取了252家酒店的数据后，我发现了热门旅游城市酒店的秘密作者|Johnnie题图|站酷海洛外出旅游，酒店一定会占据一大部分开销。哪些酒店的价格是合理的？这个价格配得上它的地理位置么？这个价格和它对应的服务匹配么？数据侠Johnnie以纽约的酒店为例，尝试用数据一窥决定酒店价格的因素，做出一份出行居住指南。Tripadvisor是美国最大的旅游网站之一，你可以轻松查到纽约所有酒店的信息，包括：酒店星级，价格，位置，用户评论。我使用了爬虫工具Selenium来爬取这个网站的数据。过程如下：首先打开主页；然后找到每一页的url；点击每个url进入对应页面，点击进入每个酒店的主页；最后，爬取细节信息（价格，星级，评分，地理位置，评论中最常用的词语）。对我来说，挑战在于找到对应每个希望爬取的内容的XML路径语言。有时候是因为我检查网页时，没有找到单一的XML路径语言。有时候是因为信息是用AJAX写的，Selenium无法爬取。其中，我把每页的url都列出来是因为在这个网站中，“下一页”按钮没有自己的XML路径语言。而且，当我第一次爬取酒店价格数据时，有许多酒店的数据是空的。当我回去查看一遍的时候，我发现他们的XML路径语言与其他酒店不同，所以我增加了更多XML路径语言，直到完成所有爬取。在做爬虫的过程中，我还是遇到了一些数据缺失。纽约酒店一共有四百多家，但我每次只能爬取100家。于是我爬取了三次，然后结合这些结果得到一共252家酒店的数据。这说明，即使你对爬虫掌握的比较熟练，但是在实际爬取的过程中，由于不同网站的设计不同，你总会遇到很多意外的情况，有时候不能收集到完美的数据集。这是导致了第三方爬取数据产生误差的主要原因。完成了数据爬取工作后，我对其进行了一些简要处理，然后就可以分析了。首先我们来看看价格。曼哈顿酒店的平均价位是一晚上123美元。而且，281美元以下的占了75%。说明最常见的价格是在123到281美元之间。接下来，我们来看一看价格与不同因子之间的关系。首先是价格和酒店星级。通常，酒店星级越高，价格越贵。然而，从下图看出，即便五星酒店也有一些房间价格和低于五星酒店一样。所以这两个变量间没有很强的关联。可能是酒店在淡季打折造成的，至于旅客，价格一样当然选星级高的了。其次是价格与排名。根据下图，其中的点在排名第一和排名251之间呈现均匀分布。说明价格和排名没有什么直接关系。接着，我们来看看价格与位置。我用邮编来代替具体地理位置。如下图，有些区域有最贵的均价，包括10010，10021，10023.（大概对应的是华盛顿广场公园，上东区，林肯中心）。然而，其他的所有区域价格就都比较相似了。所以，只有选择上述三个区域，才会支付比较贵的价格，可能高于400美元，否则他们基本不会花费超过300美元。（图片说明：横坐标为邮编，代表地理位置，注意10010华盛顿广场公园）（图片说明：横坐标为邮编，代表地理位置，注意10021上东区、10023林肯中心）然后是酒店评价。酒店评价中包含了更多的信息。我为不同星级的酒店制作了4组词云图。一方面，所有酒店都有“房间太小”这么个负面评价。这意味着，如果你住在纽约，房子就永远都会是很小。另一方面，随着星级上升，人们开始更关心附加价值。比如，对于2星的酒店，我们可以看到“早餐”成为常出现的词语。三星是“免费早餐”，四星是“免费早餐”和“电影”以及“城市景色”。对于五星酒店，我们可以看到“屋顶酒吧”，“饭店”和“娱乐室”等。（图片说明：左边是二星级酒店词云，右边是三星级酒店词云）（图片说明：左边是四星级酒店词云，右边是五星级酒店词云）所以，我们分析了这么多，到底什么价格是合理的呢？答案其实并不唯一。但是我们找到了几个有用的点，可以为你提供一些参考。一个游客来到纽约，住宿可能需要每晚至少123美元更高的星级，也可能会更便宜一些地区（华盛顿广场公园，上东区，林肯中心）住宿更贵大多数酒店的房间都有点小选择三星酒店或四星酒店很可能比二星酒店或五星酒店体验更佳所以，下次来纽约的时候，希望你能选到自己最钟意的酒店咯。注：本文编译自技术博客ScripingTripadvisor:AGuideforNewYorkCityTravelersonChoosingAHotel。点击“阅读原文”查看。内容仅为作者观点，不代表DT数据侠立场。文中图片部分来自作者。期待更多数据侠干货分享、话题讨论、福利发放？在公众号DT数据侠（ID：DTdatahero）后台回复“数据社群”，可申请加入DT数据社群。▍数据侠门派本文数据侠Johnnie是纽约数据科学学院的学生，对数据分析具有浓厚的兴趣。▍加入数据侠“数据侠计划”是由第一财经旗下DT财经发起的数据社群，包含数据侠专栏、数据侠实验室系列活动和数据侠联盟，旨在聚集大数据领域精英，共同挖掘数据价值。了解数据侠计划详情请回复“数据侠计划”，申请入群请添加DT君微信（dtcaijing003）并备注“数据社群”，投稿、合作请联系datahero@dtcj.com。责任编辑：

本文来自投稿，不代表长河网立场,转载请注明出处： http://www.changhe99.com/a/80wVbDJ7wz.html