CFSDN坚持开源创造价值，我们致力于搭建一个资源共享平台，让每一个IT人在这里找到属于你的精彩世界.

这篇CFSDN的博客文章基于Pyecharts可视化分析苏州旅游攻略由作者收集整理，如果你对这篇文章有兴趣，记得点赞哟.

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

1. import pandas as pd 
2. import re 
3.  
4. # 显示所有列 
5. # pd.set_option('display.max_columns', None) 
6.  
7. # 显示所有行 
8. # pd.set_option('display.max_rows', None) 
9.  
10. # 设置value的显示长度为100，默认为50 
11. # pd.set_option('max_colwidth',100) 
12.  
13. # 绘图相关 
14. import jieba 
15. import matplotlib.pyplot as plt 
16. from pyecharts.globals import CurrentConfig, OnlineHostType   # 事先导入，防止不出图 
17. from pyecharts import options as opts  # 配置项 
18. from pyecharts.charts import Bar, Pie, Line, Funnel, WordCloud, Grid, Page  # 各个图形的类 
19. from pyecharts.commons.utils import JsCode    
20. 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:

1. c = ( 
2.     Pie(init_opts=opts.InitOpts(theme=ThemeType.CHALK)) 
3.     .add("", [list(z) for z in zip(df2["location"].tolist(), df2["number"].tolist())]) 
4.     .set_global_opts(title_opts=opts.TitleOpts(title="苏州景点分布"), 
5.                     legend_opts=opts.LegendOpts(pos_left="80%", orient="vertical")) 
6.     .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}")) 
7. ) 
8.  
9. 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:

1. 公园是比较多的
2. 各种馆，比如：博物馆、展览馆、艺术馆、美术馆等也很丰富
3. 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:

1. def price(x): 
2.     if x < 20: 
3.         return "很便宜" 
4.     if x < 50: 
5.         return "价格亲民" 
6.     if x < 100: 
7.         return "可以接受" 
8.     if x < 200: 
9.         return "人均消费较高" 
10.     else: 
11.         return "高档餐厅" 

利用下面的代码进行饼图的绘制:

1. c = ( 
2.     Pie(init_opts=opts.InitOpts(theme=ThemeType.CHALK)) 
3.     .add("", [list(z) for z in zip(df5["分类"].tolist(), df5["数量"].tolist())]) 
4.     .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：排除没有均价店铺"), 
5.                     legend_opts=opts.LegendOpts(pos_left="80%", orient="vertical")) 
6.     .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}")) 
7. ) 
8.  
9. 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:

1. 园林：拙政园、留园
2. 寺庙：寒山寺、重元寺
3. 街道：山塘街、平江路历史街区、观前街
4. 苏州博物馆

你必不能错过的美食:

1. 苏州的牛肉(牛肉粉、牛肉酥等)，可以品尝
2. 虾蟹：太湖区域水产品多，比如虾仁、大闸蟹等
3. 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

原文链接：https://mp.weixin.qq.com/s/QqdRSlAQHmoujVLJbU0f8A 。

最后此篇关于基于Pyecharts可视化分析苏州旅游攻略的文章就讲到这里了,如果你想了解更多关于基于Pyecharts可视化分析苏州旅游攻略的内容请搜索CFSDN的文章或继续浏览相关文章，希望大家以后支持我的博客！ 。