用python决定吃什么_用机器学习来帮助吃货的你找最合适的聚点（Python描述）

Python 2.7

Pycharm 5.0.3

Geopy 1.11

图形展示 地图无忧-网页版

你可能需要知道

前言

这次厉害了，我爬出了哈尔滨市TOP285家好吃的店，包括烧烤的TOP，饺子的TOP，酱骨的TOP等等等等，在地图上显示，规划热点，再用聚类算法计算下能不能找出吃货最佳的住宿点，能够距离吃的各个地方行程最近，吃货们，准备好了吗？

目的

可视化美食热点，规划各类美食聚集点，规划行程。

准备食材

首先，我不对这次排行的可信度负责，我只是直接百度的top餐厅，里面的水分大家自己掂量，甩锅给哈尔滨美食最新榜出炉，史上最强300家美食满足你各种挑剔！

大概是这样的

这里写图片描述

怎么爬我就不重复演示了，这里可以了解动态和静态爬的各种方法可以参考这里，有静态和动态的例子，这次我用静态爬发现被拦截了，mdzz，然后我就直接上selenium+Firefox(这里有一堆用Selenium的不累述了)，至于为什么不上PhantomJS，我这里说下，有时候PhantomJS爬的内容没有Firefox全，或许有人跳出来说，你个sb，他两是一样的啊，而且PhantomJS更加省内存，呵呵，你自己去试试就知道了，我不止一次在爬动态的时候PhantomJS遇到问题而Firefox没有问题的(比如这个伪解决Selenium中调用PhantomJS无法模拟点击(click)操作，连xpath都一样，就换了个无头，就不行了，我也有看到Stack Overflow上遇到同样问题的，可能是我手法不够吧，或许是我真的理解错了，到时候我自来认错。

清洗食材

刚爬下来的数据肯定不能直接用的，又是空格又是序列的，处理的方法很多，可以用正则，sub换空格，然后splite切割，组成列表再取，洗的方法很多，具体看数据是怎么样的，洗完后放进冰箱，啊不是，放进txt或者保存为csv，xls都可以的呢~

左一为初步爬取的数据右一为抽取出的地址

注意点

有些数据，大概三四个，我清洗完之后发现有错误，比如洗出个空格，额。。。。我尝试用try，except检测错误，查看原始数据，发现源链接中的js写的不标准造成的，哎，手动改好，再清洗一遍，不要刻意为了这一两个数据重写清洗算法，不就是sb了想着全自动一步成型，我咋不上天啊。。。

食材腌制-定位经纬度

这个我在上一篇文章中详细写了如何从一个地址转换得到相应的经纬度，可以查看经纬度地址转换的方法集合(Python描述)这里不再赘述，得到的数据格式有两种如下所示

左一为地址+经纬度，逗号隔开，右一为经纬度，空格隔开

左一为地址+经纬度，逗号隔开，右一为经纬度，空格隔开，为什么要生成两个格式？因为我喜欢啊，哈哈哈

食材保存–转化CSV

直接右键另存为，然后保存格式为.csv即可，有人说，为什么不用csv的写入方法啊，因为我懒啊，我懒得重新构造字典了，这里甩上一段可以写入中文的csv格式。

import csv

import codecs

csvfile = file(‘csv_test.csv’, ‘wb’)

csvfile.write(codecs.BOM_UTF8)

writer = csv.writer(csvfile)

writer.writerow([‘姓名’, ‘年龄’, ‘电话’])

data = [

(‘%s’, ’25’, ‘1234567’),

(‘С李’, ’18’, ‘789456’)

]

csvfile.close()

弄完之后大概是这样的就可以下锅了

csv样式

烹饪食材–聚类处理

我们要用的数据集是空格隔开的，至于为什么空格隔开的经纬度数据，因为我以前写好的bikmeans里面输入项就是就是酱紫的，空格用正则比较好处理，用个list装下Obj.[0],[1]立马出来值了,至于Kmeans是啥，怎么用，请看机器学习之K-means算法(Python描述)基础，这里处理完后，我随机设置了5，10，15，20四种聚类点，观察各种效果。代码我在附录放上，参考的可以直接取附录找。聚类处理之后依旧保存如上一步的一张图形式，之后就可以开始可视化了！

佳肴摆上桌–数据可视化

枯燥的数据让人很难受，根本分析不出什么来，而且看着枯燥，这里我用了地图无忧这个网页版，虽然只有七天免费期，哎，辛辛苦苦画的图以后不能用了，(如果有谁知道还有类似的批量经纬度点转化图的软件请告诉我一下)真蛋疼，这里快给大家分享看看吃货的地图，不看就没了！

具体的操作，直接看教程很简单的，我就是建图层，然后图层上批量放入经纬度，它就能转化成地图上的点，很好玩，看个动图，这是我把点放上的效果。

加载所有数据点产生的效果

享用佳肴–分析数据

先看下各种分布把，这个是热力图

TOP285热力图

这个是点阵图

点阵图

把聚类的点加上，选了聚类点为15个

Cluster15

有些点不错，但是有些点太扯了把，貌似不是kmeans的宗旨的，他是为了找距离各热点最近的平衡点啊，是聚类点啊，但是有几个点明显不是了，查看原因。

现实和理想差距

问题所在：可以看出来，上面的点分布原因因为这些离散点的存在，我看了最远的点，亚布力滑雪场，的确有家店不错，额，可是我不考虑，我要是在市区玩，我还想去那么远的地方？明显不合理，所以我需要的是真的热点区域，也就是第二幅的那样，所以又要重新洗一下数据了，把离散点也就是噪声去掉！

烧糊了–重新来

虽然整体上来说，这个算法没错，但是如果对具体问题，比如说，我就想知道哈尔滨市内有什么比较好吃的，我懒得动，不会跑到江北或者更远的地方去吃，而且交通不方便，所以就要对经纬度集合进行切割，我找了合适返回，规定为经度范围126.56571126.706807，纬度返回45.70628345.802307，主程序中添加LockHotArea子函数，进行再一次过滤即可。

def LockHotArea(location):

HotArea = []

for i in location:

i = re.sub(“\n”,”,”,i)

i = re.split(“,”,i)

if (i[1]>”126.56571″ and i[1]”45.706283″ and i[2]

HotArea.append(i)

else:

print “far away from hotArea”,i

return HotArea

之后步骤重回前面的，最后的效果就是这样的

HotArea

回锅肉–再分析数据

这回应该没有问题了，所以开始分析图吧

聚合点–地图自带功能

这里上20个聚类点的情况

热力&cluster20

聚合&cluster20

可以看出，聚类点的分布基本都在热点区域，说明比较符合情况，但是K的值并不很能确定，需要多次试验k值

热力&散点&cluster15

cluster15，这些点就有点尴尬了。能说明什么？可能是住宿的最佳点把，因为离各个好吃的距离是比较近的，这本来就是kmeans的核心。

热力&散点&cluster10

cluster10的时候，聚类点就开始有点夸张了，虽说很多仍在热力分布上，但是，有一些明显不在热力辐射返回内，但对于能吃遍各个周围美食的人来说，仍然值得参考(这里不涉及代步工具)

热力&散点&cluster5

cluster5的时候，只能算是顾全大局式的选择离热点最近的点了，好坏需要自己判断

回锅肉上的一颗花椒–单点分析

这里我把24个TOP数据都摆上了图层，可以清晰的看出这些好吃的都分布在哪，这里放上几张示范图，具体自己想看的，可以自己吃货的地图自己定位

以包子TOP为例

包子分布

把包子的经纬度单独拿出来做聚类，分析出，喜欢吃包子的人住在哪才能更方便的吃上包子！

这里写图片描述

从上面的聚类点也可以看出，道外区是最多包子铺的，张包铺我也去吃过，排骨包里面真的有排骨！差点没把牙磕坏了，，，，跑题了，距离更多包子铺最近的点已经给出，和辐射区范围接近，这里更适合做中转站，因为去各个包子铺都是最近的！

缓冲取辐射

可以从图像自带缓冲区看重叠部分，看包子热点

所以综上所述，喜欢吃包子的吃货，可以选择以上的点当做中转点或者住宿点，到哪个包子铺都是比较近的，但是！！！谁会一天三餐加夜宵都吃包子？？开个玩笑哈

更多组合

喜欢吃什么，任君挑选，比如说，你又喜欢吃饺子又喜欢串串香，没问题，看看他们都在哪。聚类我没做，懒。和做包子聚类点类似，先把饺子的经纬度和串串香经纬度挑出来，再进行聚类即可

饺子&串串香

再比如包子和扒肉你都喜欢，那么看看重合区，不愧是老道外，真的是美食天堂啊！

包子&扒肉

人气最高&口味最好~这个，额，我一家都没去过。。。。不做分析。。。

人气最高&口味最好

当然，你还有不可兼得的烧烤&酸菜，哭

烧烤&酸菜

图就到这，更多美食大家自己去发现，点开图层就可以了~

Pay Atterntion

1.再进行对热点区域的切割的时候，需要比较阈值，出现了错误，测试发现原来类型错误，比较错误，如下演示。

str1 = “250”

str2 = 250

print str1 > “300” # False

print str1 > 300 # True

print str2 > “100” # False

print str2 > 100 # True

2.调用API经度误差的问题，具体演示这里，误差我看了一下。能调用的API精度误差大概百米多，没办法，能免费调用的API大家都懂的。

误差图片

当然，很多都是比较准确的，比如这些。

对比图

总结

最终住哪，这不是我能决定的，主要还是靠交通，住宿环境和个人心情，推荐住在地铁附近，吃货可以选择在中央大街附近，最繁华，也里老道外很近，好吃的很多~诶，等等，我不是在做学术研究么，怎么成旅游节目了。。

这里写图片描述

附录–代码

这是核心程序，调用的API_get子程序太长了，请参考经纬度地址转换的方法集合(Python描述)或者在这里进行下载使用源代码集合

# -*- coding: utf-8 -*-

# Author：哈士奇说喵

import re

import API_get

#写入txt操作子函数

def write2txt(file,txtname):

f = open(txtname,’a’)

f.write(file)

f.write(“\n”)

f.close()

# please use this with try except/finall f.close()

f = open(“C:\\Users\\MrLevo\\PycharmProjects\\test\\KmeansEat.txt”,”r”)

lines = f.readlines()

eatlocation = []

i = 0

# 清洗+转换经纬度

for line in lines:

line = re.sub(“\n”,” “,line)

line = re.sub(” +”,” “,line)

line = re.split(” “,line)

try:

line_shopname = line[1].strip()

try:

line = line[2]+line[3]

#print line

line = “哈尔滨市”+line

line =line.strip()

try:

lat_lng,lng_latWithCommon = API_get.getLocation_xml(line)

shopWithLocation= “%s,%s”%(line_shopname,lng_latWithCommon)

print shopWithLocation

eatlocation.append(shopWithLocation)

#write2txt(lat_lng,”eatOnlyLocation.txt”)

except:

print “failed %s”%line

i +=1

except:

line = line[2]

line = “哈尔滨市”+line

line =line.strip()

try:

lat_lng,lng_latWithCommon = API_get.getLocation_xml(line)

shopWithLocation = “%s,%s”%(line_shopname,lng_latWithCommon)

print shopWithLocation

eatlocation.append(shopWithLocation)

#write2txt(lat_lng,”eatOnlyLocation.txt”)

except:

print “failed %s”%line

i +=1

except:

pass

print “failed!%d”%i

# 清洗热点

def LockHotArea(location):

HotArea = []

for i in location:

i = re.sub(“\n”,”,”,i)

i = re.split(“,”,i)

if (i[1]>”126.56571″ and i[1]”45.706283″ and i[2]

HotArea.append(i)

else:

print “far away from hotArea”,i

return HotArea

HotArea = LockHotArea(eatlocation)

#写入数据

for i in HotArea:

rebuild = “%s,%s,%s”%(i[0],i[1],i[2])

write2txt(rebuild,”HotAreaWithCommon.txt”)

本文已结束，以下是同类型样本，我测试着玩的

跑题项

本来想着分析一下GDP TOP

100的城市之间的关系，看看能不能用聚类的方法，得出什么有意义的答案，可是，我觉得并没有什么啊，难道说，找个开会的地方，能够离各大经济强市距离最近的？貌似其余没什么用啊–不行，我不甘心白做数据和图！

首先来个动图！分别是10，20，40个聚类点形成的热力辐射图

这里写图片描述

数据来源

上一篇中经纬度地址转换方法集合中已经将GDP TOP100的城市爬下来并且已经转换好数据保存好了，直接拿来批量放在地图上即可

试着分析

GDP排名城市显示

GDP排名城市

聚合点

其中乌鲁木齐市排名，因为是单点，，，，其余的都是城市汇集个数

热力图显示

辐射范围

经济盲我就不斯以揣测了，沿海地区百花齐放，内陆地区单点开花？？

请楼下补充进

聚类分析

Cluster20

蓝色为聚类点，红色为TOP10强市，黄色是剩下的TOP90城市。请告诉我！能看出啥，能看出啥？？？？？

(严肃脸)各大经济城市召开峰会，谁也不服谁，到哪开会呢？好的，就找离各个经济强市都近的中间点把，对大家还公平，还可以拉动下开会城市GDP。哈哈哈

你怎么看

最后

至于各个省的分别占都少，我没有在做下去，觉得意义不是很大，当做练手了。

致谢