文档介绍：1 提出问题
*
北京民宿数据分析
*
1 内容
获得北京特色住宿相关的数据，数据信息包含民宿数量，主要分布的区域，住客打分，住客点评量，价格，距离中心区公里数等。
2 工具
市场上没有“现成”的数据，该怎么办？这是面临的第一个难题，后来仔细想想，解决这个难题有3个方法：
A 请专业编程人员爬取数据 B用简单易上手的爬虫软件 C手抄
第一个得花钱，不考虑；第三个得吐血，不考虑。于是选了第二个方法，自学爬虫软件。先后分别用集搜客和八爪鱼爬取数据，相比较八爪鱼更简单。
3 网站
选好了工具，现在要确定从哪个网站进行爬取。分别研究了缤客、携程、去哪儿、Airbnb等，最终选择途家，网站的定位与研究主题一致。
缘起
闺蜜要来北京啦，我要综合分析北京特色民宿和酒店为朋友们
安排一个难忘的“one night in Beijing”
*
北京民宿数据分析
*
一、提出问题
，哪些民宿最集中？通州北关和百子湾，哪个周围民宿最多？
，不同类型的民宿面积多大？海淀的复式面积多大？东城区的四合院面积多大？朝阳的公寓面积多大？
，哪些以情侣为主，哪些以家庭为主？
看完这篇文章，你就可以来北京投资民宿
*
北京民宿数据分析
*
2 数据获取
*
北京民宿数据分析
*
二、数据获得
爬取字段包括：房源描述、区域、商圈、离最近商圈距离、格局、户型、面积、宜住人数、床数、住客评分、住客点评数、价格
共12个字段，3000多条数据集
八爪鱼规则制定
*
北京民宿数据分析
*
数据搜集器：八爪鱼
八爪鱼爬取过程截图
二、数据获得
*
北京民宿数据分析
*
3 数据清洗
*
北京民宿数据分析
*
重新命名。标题呈现“字段_文本”，“字段_链接”等字样，与主题无关，删除字样，依次改为和内容相关的标题。
三、数据清洗
（一）理解数据
*
北京民宿数据分析
*
取子集。原始数据也称作“dirty data”，大量信息是我们不需要的，例如网络链接这列和空白列等，均删除，也可以选择将其隐藏。
三、数据清洗
（一）理解数据
*
北京民宿数据分析
*
删除重复。完成理解数据后，进行重复数据的删除。选择整个数据表格，点击“数据”-“删除重复项”，我们找到386个重复数据，将其删除，剩余2824条有效数据。
三、数据清洗
（二）删除重复项
*
北京民宿数据分析
*