本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理
以下文章来源于菜J学Python ，作者数据分析pjy
这是巨变的中国，人和食物，比任何时候走的更快。近日，J哥为了寻味中国，奔走于某五线城市的大街小巷，结果除了累，啥也没寻到。
于是，J哥默默打开了各大美食网站，如豆果美食、下厨房、美食天下等。经过甄选，最终爬取了豆果网最新发布的中国菜系共3032个菜谱，然后清洗数据并做可视化分析，试图走上美食博主的康庄大道。
豆果美食网的数据爬取比较简单，如果您对爬虫感兴趣，可以看一看。
本次爬取的数据范围为川菜、粤菜、湘菜等八个中国菜系，包含菜谱名、链接、用料、评分、图片等字段。限于篇幅，仅给出核心代码。
1# 主函数
2def main(x):
3 url = ‘https://www.douguo.com/caipu/{}/0/{}‘.format(caipu,x*20)
4 print(url)
5 html = get_page(url)
6 parse_page(html,caipu)
7
8if __name__ == ‘__main__‘:
9 caipu_list = [‘川菜‘, ‘湘菜‘,‘粤菜‘,‘东北菜‘,‘鲁菜‘,‘浙菜‘,‘湖北菜‘,‘清真菜‘] #中国菜系
10 start = time.time() # 计时
11 for caipu in caipu_list:
12 for i in range(22):
13 # 爬取多页
14 main(x=i)
15 time.sleep(random.uniform(1, 2))
16 print(caipu,"第" + str(i+1) + "页提取完成")
17 end = time.time()
18 print(‘共用时‘,round((end - start) / 60, 2), ‘分钟‘)短短几分钟就爬下了3032个菜谱信息，为了方便可视化分析，还需要对爬取的数据进行简单清洗。
本文数据清洗主要用到Python的Pandas库。
用pd.read方法导入爬取到的菜谱数据，并添加列名。预览数据如下：
爬虫过程中少量菜谱数据被重复抓取，需要用drop_duplicates方法删除。
通过info方法发现少量记录含有缺失值，用dropna方法删除。
爬取的评分字段含有多余的字符串且为object类型，需要替换多余字符串并转换为数字类型，方便后续计算。
为方便菜谱用料分析，需要根据用料字段计算出每个菜谱的用料数量。由于用料字段都是以逗号分隔，计算逗号数即可间接得到。
本文数据可视化主要用到pyecharts库，它能轻松实现酷炫的图表效果。如果您对可视化感兴趣，可查看J哥往期原创文章「数据可视化分析系列」，涉及地产、电商、招聘等各领域。
1from pyecharts import options as opts
2from pyecharts.charts import Page, Pie
3cut = lambda x : ‘4分以下‘ if x < 4 else (‘4.1-4.5分‘ if x <= 4.5 else(‘4.6-4.9分‘ if x <= 4.9 else ‘5分‘))
4df[‘评分分布‘] = df[‘评分‘].map(cut)
5df2 = df.groupby(‘评分分布‘)[‘评分‘].count()
6df2 = df2.sort_values(ascending=False)
7df2 = df2.round(2)
8print(df2)
9c = (
10 Pie()
11 .add(
12 "",
13 [list(z) for z in zip(df2.index.to_list(),df2.to_list())],
14 radius=["20%", "80%"],# 圆环的粗细和大小
15 rosetype=‘area‘ #玫瑰图
16 )
17 .set_global_opts(
18 title_opts=opts.TitleOpts(title="菜谱评分分布"
19 ),
20 legend_opts=opts.LegendOpts(
21 orient="vertical", pos_top="5%", pos_left="2%" ,textstyle_opts=opts.TextStyleOpts(font_size=14)# 左面比例尺
22 ),
23
24
25 )
26 .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}:{d}%",font_size=18),
27 )
28 )
29c.render_notebook()
豆果美食网菜谱评分实行5分制。由上图可知，4分以下的菜谱占比不到2%，满分菜谱高达32.6%，可见用户对中国菜系菜谱评价普遍较高。
1from pyecharts import options as opts
2from pyecharts.charts import Page, Pie
3df2 = df.groupby(‘菜系‘)[‘评分‘].count() #按菜系分组，对评分计数
4df2 = df2.sort_values(ascending=False) #降序
5print(df2)
6c = (
7 Pie()
8 .add("", [list(z) for z in zip(df2.index.to_list(),df2.to_list())])
9 .set_global_opts(title_opts=opts.TitleOpts(title="各菜系菜谱数量占比",subtitle="数据来源：豆果美食"))
10 .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}"))
11 )
12c.render_notebook()
由上图可知，川菜和粤菜菜谱数量较多，显示出作为中国“八大菜系”成员的地位。湖北菜和清真菜菜谱数量较少，相对更为小众。
1from pyecharts import options as opts
2from pyecharts.charts import Page, Pie
3df2 = df.groupby(‘菜系‘)[‘评分‘].mean()
4df2 = df2.sort_values(ascending=False)
5df2 = df2.round(2)
6print(df2)
7c = (
8 Pie()
9 .add(
10 "",
11 [list(z) for z in zip(df2.index.to_list(),df2.to_list())],
12 radius=["40%", "75%"], # 圆环的粗细和大小
13 )
14 .set_global_opts(
15 title_opts=opts.TitleOpts(title="各菜系平均评分"),
16 legend_opts=opts.LegendOpts(
17 orient="vertical", pos_top="5%", pos_left="2%" # 左面比例尺
18 ),
19 )
20 .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}:{c}"))
21 )
22c.render_notebook()
由上图可知，各菜系评分非常接近，用户平均评分都在4.6分以上。相对一致的评分，导致通过用户评分来评价菜谱的可信度降低。
1from pyecharts.charts import Bar,Pie
2from pyecharts import options as opts
3df1 = df.groupby(‘菜系‘)[‘用料数‘].mean() #按菜系分组，对评分计数
4df1 = df1.sort_values(ascending=False) #降序
5df1 = df1.round(0)
6print(df1)
7bar = Bar()
8bar.add_xaxis(df1.index.to_list())
9bar.add_yaxis("用料数量",df1.to_list())
10bar.set_global_opts(title_opts=opts.TitleOpts(title="各菜系用料数量",subtitle="数据来源：豆果美食"))
11bar.render_notebook()
由上图可知，川菜和东北菜用料较足。川菜素有取材广泛、调味多、菜式多样等特点，虽然东北菜没有排在传统的“八大菜系”中，但豪迈热情的东北人从不吝啬菜肴里的用料。
粤菜更注重菜品的原味鲜香，具有清、鲜、爽、嫩、滑等特色，因此用料相对更少。清真饮食风俗源于伊斯兰教，部分食材属于禁忌物，因此用料也不多。
1# 绘制词云图
2text1 = get_cut_words(content_series=df[df[‘菜系‘]==‘川菜‘][‘用料‘])
3stylecloud.gen_stylecloud(text=‘ ‘.join(text1), max_words=1000,
4 collocations=False,
5 font_path=‘字酷堂清楷体.ttf‘,
6 icon_name=‘fas fa-thumbs-up‘,
7 size=653,
8 output_name=‘./川菜.png‘)
9Image(filename=‘./川菜.png‘)
由川菜用料词云图可知，川菜主要用料包括花椒、豆瓣酱和干辣椒。不怕辣的四川人喜好种植花椒，四川火锅也因为有了花椒的加入更有吸引力，千千万万的海内外寻味者奔涌相随。
料实材真，一般都能出美味。川菜用料最足的菜谱为川味砂锅之足不出户的麻辣烫，共用料35种。
用料明细：毛肚,黄喉,鲜牛肉片,自制肉,鸭血,金针菇,平菇,豆芽,苕粉,冬笋片,白菜,莴笋叶,鹌鹑蛋（煮熟剥壳）,猪骨汤,猪油,牛油,植物油（菜油上佳）,姜片,大粒的蒜,郫县豆瓣,八角,茴香,桂皮,丁香,陈皮,香叶,白胡椒粉,冰糖,生抽,盐,葱结,花椒,干辣椒,鸡精丸,午餐肉
由粤菜用料词云图可知，粤菜主要用料包括胡椒粉、五花肉和白糖。粤菜的圣地在顺德，粤菜注重质和味，口味相对清淡，力求清中求鲜、淡中求美。
粤菜用料最足的菜谱为广式肠粉，共用料23种。
用料明细：粉浆用料,粘米粉（米打的粉）,澄面（小麦淀粉）,土豆淀粉,粟米粉（玉米淀粉）,水,酱汁用料,独头蒜,大蒜籽,姜片,香菜（不吃香菜的可用葱代替）,鸡汤,鲜味生抽,老抽,蚝油,蜂蜜,鱼露（可不放）,鸡精（个人喜欢就放，不放也很鲜了）,水,肠粉里面放的料,肉末,鸡蛋,生菜叶
由湘菜用料词云图可知，湘菜主要用料包括辣椒、大蒜、花椒等。辣不怕的湖南人以辣椒为生，尤其以剁椒出名。J哥虽不是湖南人，但在湖南待了几年后，目前也成了个胖子。美食虽美，可不要贪多哦~
湘菜用料最足的菜谱为麻辣卤鸭三件，共用料20种。
用料明细：鸭爪（清水泡一小时）,鸭翅膀（清水泡一小时啊）,鸭肠（洗干净后捆成一个个小捆）,白芷,桂皮,香叶,大料（两个焯水用，三个卤用）,干辣椒（根据个人喜辣程度放）,小茴香,花椒,麻椒,草果,生姜（一块焯水去味用，一块卤用）,蒜瓣（全部去皮）,辣椒酱（根据个人喜辣放）,老抽,生抽,料酒,白糖,盐
由东北菜用料词云图可知，东北菜主要用料包括土豆、面粉、胡萝卜等。东北菜在做法上也融合了一些宫廷菜点和汉族饮食所长，利用东北特产原料和纯绿色食品原料。土豆和胡萝卜在黑土地的孕育下为东北菜源源不断输送着美味配方。
东北菜用料最足的菜谱为翡翠白菜水饺，共用料20种。
翡翠白菜水饺 图片来源:豆果美食
用料明细：面皮制作,面粉（绿色面团所用）,面粉（白色面团所用）,小白菜叶（取汁）,清水,馅料制作,猪五花肉,大白菜,胡萝卜,葱碎,姜末,盐,生抽,老抽,蚝油,芝麻油,糖,鸡精,花椒粉,花生油
由湖北菜用料词云图可知，湖北菜主要用料包括糯米、花椒、面粉等。千湖之省湖北坐落于江汉平原，同时作为重要的商品粮基地，从来不缺美食原料。
湖北菜用料最足的菜谱为家常美味——香菇鸡肉面，共用料23种。
用料明细：鸡脯肉或鸡腿肉,香菇,刀削面或宽面,芹菜,青菜,郫县红油豆瓣,葱,姜,蒜,干辣椒,花椒,八角,老抽,生抽,料酒,淀粉,蛋清,十三香,白胡椒,鸡精,盐,蒜苗,香菜
浙菜主要用料包括白糖、冰糖、胡椒粉等。俗话说“上有天堂，下有苏杭”，素有鱼米之乡之称的浙江，赋予了浙菜丰富的原料。浙菜菜式小巧玲珑，菜品甜而不腻。
浙菜用料最足的菜谱为经典糖醋排骨，共用料17种。
经典糖醋排骨 图片来源:豆果美食
用料明细：猪肋排,小葱段（煮排骨用）,姜（煮排骨用）,料酒（煮排骨用）,冷水,绵白糖,米醋,香醋,老抽,盐,绵白糖（浇汁用）,米醋（浇汁用）,香醋（浇汁用）,淀粉（浇汁用）,温水（浇汁用）,食用油,熟白芝麻
鲁菜主要用料包括面粉、胡萝卜、蚝油等。鲁菜讲究原料质地优良，以本地用料为主。作为我国第二大小麦主产区，能够为面粉的制作提供充足的储备，同时还盛产胡萝卜、大白菜等蔬菜，成为鲁菜常用的配菜来源。
鲁菜用料最足的菜谱为大白菜炖牛肉，共用料28种。
用料明细：炖牛肉,牛肉,葱姜,小香葱,冰糖,八角,草果,小茴香,香叶,干辣椒,蒜,洋葱,油,生抽,甜面酱,番茄酱,盐,清水,啤酒,大白菜炖牛肉,大白菜,熟牛肉,牛肉汤,粉丝,食用油,葱花,水淀粉,盐
清真菜主要用料包括蛋白、蛋清、面粉等。在我国，包括回族、维吾尔族、哈萨克族等10个少数民族具有清真饮食习惯，清真菜最突出的特点在于饮食禁忌比较严格，因此在用料上明显与其他菜系有所区别。清真菜的口味偏重咸鲜，汁浓味厚，肥而不腻，嫩而不膻。
清真菜用料最足的菜谱为糖醋蛋白肉，共用料15种。
糖醋蛋白肉 图片来源:豆果美食
用料明细：蛋白肉,尖椒,小米椒,蒜瓣,小葱,食用油,糖,醋,蒸鱼豆豉,生抽,黄酒,番茄酱,淀粉,清水,盐
采集美食网站3032个菜谱数据，对比各大菜系美食的数量、用料
原文：https://www.cnblogs.com/hhh188764/p/13863837.html