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。

数据获取

豆果美食网的数据爬取比较简单，如果您对爬虫感兴趣，可查看J哥往期原创文章「实战|手把手教你用Python爬虫(附详细源码)」，思路一致。

本文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。

 # 主函数
def main(x):url = 'https://www.douguo.com/caipu/{}/0/{}'.format(caipu,x*20)print(url)html = get_page(url)parse_page(html,caipu)if __name__ == '__main__':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start = time.time()  # 计时for caipu in caipu_list:for i in range(22):# 爬取多页main(x=i)time.sleep(random.uniform(1, 2))print(caipu,"第" + str(i+1) + "页提取完成")end = time.time()print('共用时',round((end - start) / 60, 2), '分钟')

数据清洗

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，如果您对Pandas感兴趣，可查看J哥往期原创专辑「Pandas基础系列」，共五篇。

导入数据

用pd.read方法导入爬取到的菜谱数据，并添加列名。

import pandas as pd
import numpy as np
df = pd.read_csv('/Users/spider_cook/cai.csv',names = ['菜谱','菜谱链接', '用料', '评分', '用户','图片','菜系'])
df.head()

删除重复项

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。

df = df.drop_duplicates()

缺失值处理

通过info方法发现少量记录含有缺失值，用dropna方法删除。

df.info()
df = df.dropna(axis=0, how='any')

评分字段清洗

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。

df['评分'] = df['评分'].str.replace('分','').astype('float') #替换"分"为空，转换为浮点型

添加用料字段

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。

df['用料'] = df['用料'].str.replace('，',',')
df['用料数'] = df['用料'].str.count(',') + 1

预览数据

df.head()

数据可视化

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。

菜谱评分分布

from pyecharts import options as opts
from pyecharts.charts import Page, Pie
cut = 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'))
df['评分分布'] = df['评分'].map(cut)
df2 = df.groupby('评分分布')['评分'].count()
df2 = df2.sort_values(ascending=False)
df2 = df2.round(2)
print(df2)
c = (Pie().add("",[list(z) for z in zip(df2.index.to_list(),df2.to_list())],radius=["20%", "80%"],# 圆环的粗细和大小rosetype='area' #玫瑰图).set_global_opts(title_opts=opts.TitleOpts(title="菜谱评分分布"),legend_opts=opts.LegendOpts(orient="vertical", pos_top="5%", pos_left="2%" ,textstyle_opts=opts.TextStyleOpts(font_size=14)# 左面比例尺),).set_series_opts(label_opts=opts.LabelOpts(formatter="{b}:{d}%",font_size=18),))
c.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。

各菜系菜谱数量对比

from pyecharts import options as opts
from pyecharts.charts import Page, Pie 
df2 = df.groupby('菜系')['评分'].count() #按菜系分组，对评分计数
df2 = df2.sort_values(ascending=False) #降序
print(df2)
c = (Pie().add("", [list(z) for z in zip(df2.index.to_list(),df2.to_list())]).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")).set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}",font_size=18)))
c.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。

各菜系评分对比

from pyecharts.charts import Bar,Pie
from pyecharts import options as opts
df1 = df.groupby('菜系')['评分'].mean() #按菜系分组，对评分求平均
df1 = df1.sort_values(ascending=True) 
df1 = df1.round(2)
print(df1)
bar = Bar()
bar.add_xaxis(df1.index.to_list())
bar.add_yaxis("",df1.to_list()).reversal_axis() #X轴与y轴调换顺序
bar.set_global_opts(title_opts=opts.TitleOpts(title="各菜系平均评分",subtitle="数据来源：豆果美食"),xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(font_size=16)), #更改横坐标字体大小yaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(font_size=16)), #更改纵坐标字体大小)
bar.set_series_opts(label_opts=opts.LabelOpts(font_size=16,position='right'))
bar.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。

各菜系用料数量对比

from pyecharts.charts import Bar,Pie
from pyecharts import options as opts
df1 = df.groupby('菜系')['用料数'].mean() #按菜系分组，求用料均值
df1 = df1.sort_values(ascending=False) #降序
df1 = df1.round(0)
print(df1)
bar = Bar() 
bar.add_xaxis(df1.index.to_list())
bar.add_yaxis("用料数量",df1.to_list())
bar.set_global_opts(title_opts=opts.TitleOpts(title="各菜系用料数量",subtitle="数据来源：豆果美食"),xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(font_size=18)) #更改横坐标字体大小)
bar.set_series_opts(label_opts=opts.LabelOpts(font_size=16))
bar.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。

川菜用料分析

# 绘制词云图
text1 = get_cut_words(content_series=df[df['菜系']=='川菜']['用料'])
stylecloud.gen_stylecloud(text=' '.join(text1), max_words=1000,collocations=False,font_path='字酷堂清楷体.ttf',icon_name='fas fa-thumbs-up',size=653,output_name='./川菜.png')
Image(filename='./川菜.png')