Python知识圈距离我上次吃火锅已经过去 3 个月零 7 天了，想想就馋的流口水。眼看着疫情形势逐渐好转，我这个想吃火锅的心又开始躁动起来了，为了吃的爽吃的过瘾，我决定先用 Python 分析一波美团上性价比高的火锅店。
第一步：打开美团，找到数据接口
打开美团地址：https://bj.meituan.com/s/火锅
先登录美团，然后打开流量分析工具，找到数据接口。
找到1个返回格式为json的文件，里面包含当页的火锅店信息。请求参数为：
其中uuid和userid均为定值，limit表示每次返回32条数据，offset为当页返回火锅店信息的累加值，通过变化offset可变换页数。
第二步：Python模拟请求获得数据
很简单的 requests 模拟请求，要带上 cookie 信息。
这里我用 session 会话的形式模拟请求的，也可以不用，看个人习惯，然后大家可以发现我在 header 中加了Referer 值，为什么要加这个值呢？
Referer 会告诉服务器我是从哪个页面链接过来的，如果不加的话，美团服务器会送你个 443，这是个大坑。
第三步；将我们需要的信息保存到表格中
1.用 xlwt 创建1个 worksheet
2.用 xlrd 打开表格，取该表内第一个 sheet，然后判断该表格已写入多少行。
3.分别写入火锅店“id”“店名”“评分”“最低价”“人均消费”“评论数”
4.看看效果
总共有 9 百多家，应该是比往常少了。
第四步：用python分析一下哪家性价比最高
我们在美团上选火锅店一般参考评分、人均消费、评价等因素，下面用 Python 来详细分析一下到底哪家的性价最高。
首先从表格中取出数据。
1.分析星级评价整体情况
计算每个评分的数量
Matplotlib画图
从图中可以看出，评分为 5.0 的店家最多，有 184 家，其次是 4.0 评分，有 143 家，大部分店家评分 3.5~4.5 之间。
2.分析每个评分的人均消费情况
主要是将相同评分的人均消费累加，然后取平均值，代码如下：
画图，代码类似上步：
结果展示：
从上图来看，各个分数段人均消费都在 100 元左右，总体还算比较亲民，整个价格图呈“W”形状，据我初步分析，左边的峰值有可能是定价比较高才导致评分比较低；中间的峰值定价虽然高，但是肯定是质量比左边的高些，所以评分稍微高些右边的峰值自然是价格高、质量又高的店家了。
3.分析各个店家评价数量的总体趋势
主要分析所有店家评论数量分布趋势
从散点图分布我们可以看出，大部分店家的评论数量都在2000以下，但是有少量的评论很高甚至过万的，这些点或者是网红店，或者是老字号。
4.分析不同评论数量之间平均评分的关系
代码如下：
画图：
效果展示:
从图中我们可以看出，评价数量多的店有可能评分很低，评论数量少的店也有可能评分很高。
综上所述，我们应该选择那些评分比较高、评论数量也相对较高的店。
疫情快些结束吧，店都选好了，就等着去吃了。
