Python爬取奶茶店数据分析哪家最好喝以及性价比

序篇

天气真的很热啊… 很想有一杯冰冰凉凉的奶茶来解渴~

但是现在奶茶店这么多， 到底哪一家最好喝、性价比最高呢？

数据获取

本文抓取了12个热门城市的奶茶店名单，

城市包括：北京、上海、广州、深圳、天津、西安、重庆、杭州、南京、武汉、成都和长沙。

共计68614家奶茶店，3万多个奶茶品牌。

在构建抓取URL时，

需要注意将城市的维度具体到城市商圈，

因为每个URL最多只显示32页内容，

保证抓取每个城市时的数据量是准确的。

# 构建抓取URL
def get_url_1():
   for city,city_code in city_dict.items():
       for block_dict in area_dict[city]:
           for children in block_dict['children']:
               for page in range(1,33):
                   block_code = children['id']
                   offset = 32 * (page-1)
                   # print(city, area, block, block_code)
                   url = 'https://apimobile.meituan.com/group/v4/poi/pcsearch/{}?uuid=6ddabcb37fdd4a8e9cdf.1599125825.1.0.0&userid=280531290&limit=32&offset={}&cateId=-1&q=奶茶果汁&areaId={}&sort=solds'.format(city_code,offset,block_code)
                   redis_db.sadd('meituan_milk', url)

数据清洗

数据清洗部分，主要清洗了奶茶店铺名称，

但是同一个奶茶品牌会有多种格式，如1点点和1點點，

大卡司和大卡司DAKASI。

由于奶茶品牌数量众多，

并且真假难辨，所以只能进行针对性清洗，

对部分名气高的奶茶品牌名称要保证其统一。

# 清洗字段
def clean(x):
   title = re.sub(u"（.*?）", "", x['title'])
   title = title.replace('點點','点点').replace('（','').replace('）','')
   title = title.replace('一点点','1点点')
   if '一杯会说话的茶' in title:
       title = '1314一杯会说话的茶'
   elif '大卡司' in title:
       title = '大卡司DAKASI'
   elif '1点点' in title:
       title = '1点点'
   elif '都可' in title:
       title = 'CoCo都可'
   elif '书亦烧仙草' in title:
       title = '书亦烧仙草'
   elif '蜜雪冰城' in title:
       title = '蜜雪冰城'
   elif 'royal' in title or 'Royal' in title or 'ROYAL' in title:
       title = 'Royaltea皇茶'
   elif 'ALS' in title:
       title = 'ALS GONG CHA贡茶'
   elif 'GONG' in title:
       title = '贡茶'
   elif '茶百道' in title:
       title = '茶百道'
   elif '吾饮良品' in title:
       title = '吾饮良品'
   elif '悸动烧仙草' in title:
       title = '悸动烧仙草'
   elif '沪上阿姨' in title:
       title = '沪上阿姨'
   elif '7分甜' in title:
       title = '7分甜'
   elif '古茗' in title:
       title = '古茗'
   elif '奈雪' in title:
       title = '奈雪の茶'
   elif '悦色' in title:
       title = '茶颜悦色'
   else:
       pass
   return title
df['title'] = df.apply(clean, axis=1)

数据可视化

当小编在制作可视化图表的时候，

会发现有些奶茶品牌的名称极为相似，

让人有一种傻傻分不清楚的感觉。

热门城市奶茶店铺数量情况

从全国12个热门城市来看奶茶店铺数量分布情况，

广州的店铺数量是最多的，拥有11419家，

之后是深圳（9367家）、上海（7940家）、成都（7361家）。

特色奶茶分布情况

有些奶茶店很有自己的地域特色，

如果你想品尝它们的原版奶茶，

就可能需要跑到别的城市才能喝到，

因为它们大部分分店都只开在本土城市。

大众奶茶分布情况

接下来介绍一下大众奶茶中的1点点，CoCo，书亦烧仙草和益禾堂的热门城市分布情况，

1点点和CoCo在上海的分店数量都是最多的，而书亦烧仙草在成都和长 * 较普遍，益禾堂则是在广州和深圳。

这4家奶茶品牌在广州分店数量均有上百家，也难怪走到哪都能看到这几家奶茶店。

来源：https://blog.csdn.net/xff123456_/article/details/126934858