這次我爬出了哈爾濱市TOP285家好吃的店，包括燒烤的TOP，餃子的TOP，醬骨的TOP等等等等，在地圖上顯示，規劃熱點，再用聚類演算法計算下能不能找出吃貨最佳的住宿點，能夠距離吃的各個地方行程最近，吃貨們，準備好了嗎？

回覆公眾號"吃貨" 獲取更多原始碼。

目的

視覺化美食熱點，規劃各類美食聚集點，規劃行程。

準備食材

首先，我不對這次排行的可信度負責，我只是直接百度的top餐廳，裡面的水分大家自己掂量，甩鍋給哈爾濱美食最新榜出爐，史上最強300家美食滿足你各種挑剔！

http://www.360doc.com/content/16/0504/20/1097634_556278017.shtml

大概是這樣的

這次我用靜態爬發現被攔截了，mdzz，然後我就直接上selenium+Firefox，至於為什麼不上PhantomJS，我這裡說下，有時候PhantomJS爬的內容沒有Firefox全，或許有人跳出來說，你個sb，他兩是一樣的啊，而且PhantomJS更加省記憶體，呵呵，你自己去試試就知道了，我不止一次在爬動態的時候PhantomJS遇到問題而Firefox沒有問題的，連xpath都一樣，就換了個無頭，就不行了，我也有看到Stack Overflow上遇到同樣問題的，可能是我手法不夠吧，或許是我真的理解錯了，到時候我自來認錯。

清洗食材

剛爬下來的資料肯定不能直接用的，又是空格又是序列的，處理的方法很多，可以用正則，sub換空格，然後splite切割，組成列表再取，洗的方法很多，具體看資料是怎麼樣的，洗完後放進冰箱，啊不是，放進txt或者儲存為csv，xls都可以的呢~

注意點

有些資料，大概三四個，我清洗完之後發現有錯誤，比如洗出個空格，額。。。。我嘗試用try，except檢測錯誤，檢視原始資料，發現源連結中的js寫的不標準造成的，哎，手動改好，再清洗一遍，不要刻意為了這一兩個資料重寫清洗演算法，不就是sb了想著全自動一步成型，我咋不上天啊。。。

食材醃製-定位經緯度

通過地址轉換得到相應的經緯度，得到的資料格式有兩種如下所示

左一為地址+經緯度，逗號隔開，右一為經緯度，空格隔開，為什麼要生成兩個格式？因為我喜歡啊，哈哈哈

食材儲存–轉化CSV

直接右鍵另存為，然後儲存格式為.csv即可，有人說，為什麼不用csv的寫入方法啊，因為我懶啊，我懶得重新構造字典了，這裡甩上一段可以寫入中文的csv格式。

弄完之後大概是這樣的就可以下鍋了

烹飪食材–聚類處理

我們要用的資料集是空格隔開的，至於為什麼空格隔開的經緯度資料，因為我以前寫好的bikmeans裡面輸入項就是就是醬紫的，空格用正則比較好處理，用個list裝下Obj.[0],[1]立馬出來值了,至於Kmeans是啥，怎麼用，請看

【Python】爬蟲+ K-means 聚類分析電影海報主色

，這裡處理完後，我隨機設定了5，10，15，20四種聚類點，觀察各種效果。程式碼我在附錄放上，參考的可以直接取附錄找。聚類處理之後依舊儲存如上一步的一張圖形式，之後就可以開始可視化了！

佳餚擺上桌–資料視覺化

枯燥的資料讓人很難受，根本分析不出什麼來，而且看著枯燥，這裡我用了地圖無憂這個網頁版，雖然只有七天免費期，哎，辛辛苦苦畫的圖以後不能用了，(如果有誰知道還有類似的批量經緯度點轉化圖的軟體請告訴我一下)真蛋疼.

具體的操作，直接看教程很簡單的，我就是建圖層，然後圖層上批量放入經緯度，它就能轉化成地圖上的點，很好玩，看個動圖，這是我把點放上的效果。

享用佳餚–分析資料

• 先看下各種分佈把，這個是熱力圖

• 這個是點陣圖

• 把聚類的點加上，選了聚類點為15個

有些點不錯，但是有些點太扯了把，貌似不是kmeans的宗旨的，他是為了找距離各熱點最近的平衡點啊，是聚類點啊，但是有幾個點明顯不是了，檢視原因。

問題所在：可以看出來，上面的點分佈原因因為這些離散點的存在，我看了最遠的點，亞布力滑雪場，的確有家店不錯，額，可是我不考慮，我要是在市區玩，我還想去那麼遠的地方？明顯不合理，所以我需要的是真的熱點區域，也就是第二幅的那樣，所以又要重新洗一下資料了，把離散點也就是噪聲去掉！

燒糊了–重新來

雖然整體上來說，這個演算法沒錯，但是如果對具體問題，比如說，我就想知道哈爾濱市內有什麼比較好吃的，我懶得動，不會跑到江北或者更遠的地方去吃，而且交通不方便，所以就要對經緯度集合進行切割，我找了合適返回，規定為經度範圍126.56571~126.706807，緯度返回45.706283~45.802307，主程式中新增LockHotArea子函式，進行再一次過濾即可。

之後步驟重回前面的，最後的效果就是這樣的

回鍋肉–再分析資料

這回應該沒有問題了，所以開始分析圖吧

• 這裡上20個聚類點的情況

• 可以看出，聚類點的分佈基本都在熱點區域，說明比較符合情況，但是K的值並不很能確定，需要多次試驗k值

• cluster15，這些點就有點尷尬了。能說明什麼？可能是住宿的最佳點把，因為離各個好吃的距離是比較近的，這本來就是kmeans的核心。

• cluster10的時候，聚類點就開始有點誇張了，雖說很多仍在熱力分佈上，但是，有一些明顯不在熱力輻射返回內，但對於能吃遍各個周圍美食的人來說，仍然值得參考（這裡不涉及代步工具）

• cluster5的時候，只能算是顧全大局式的選擇離熱點最近的點了，好壞需要自己判斷

回鍋肉上的一顆花椒–單點分析

這裡我把24個TOP資料都擺上了圖層，可以清晰的看出這些好吃的都分佈在哪，這裡放上幾張示範圖，具體自己想看的，可以自己吃貨的地圖自己定位

以包子TOP為例

• 把包子的經緯度單獨拿出來做聚類，分析出，喜歡吃包子的人住在哪才能更方便的吃上包子！

• 從上面的聚類點也可以看出，道外區是最多包子鋪的，張包鋪我也去吃過，排骨包裡面真的有排骨！差點沒把牙磕壞了，，，，跑題了，距離更多包子鋪最近的點已經給出，和輻射區範圍接近，這裡更適合做中轉站，因為去各個包子鋪都是最近的！

• 可以從影象自帶緩衝區看重疊部分，看包子熱點

所以綜上所述，喜歡吃包子的吃貨，可以選擇以上的點當做中轉點或者住宿點，到哪個包子鋪都是比較近的，但是！！！誰會一天三餐加夜宵都吃包子？？開個玩笑哈

更多組合

喜歡吃什麼，任君挑選，比如說，你又喜歡吃餃子又喜歡串串香，沒問題，看看他們都在哪。聚類我沒做，懶。和做包子聚類點類似，先把餃子的經緯度和串串香經緯度挑出來，再進行聚類即可

• 再比如包子和扒肉你都喜歡，那麼看看重合區，不愧是老道外，真的是美食天堂啊！

• 人氣最高&口味最好~這個，額，我一家都沒去過。。。。不做分析。。。

• 當然，你還有不可兼得的燒烤&酸菜，哭

圖就到這，更多美食大家自己去發現，點開圖層就可以了~

Pay Atterntion

1.再進行對熱點區域的切割的時候，需要比較閾值，出現了錯誤，測試發現原來型別錯誤，比較錯誤，如下演示。

2.呼叫API經度誤差的問題，具體演示這裡，誤差我看了一下。能呼叫的API精度誤差大概百米多，沒辦法，能免費呼叫的API大家都懂的。

當然，很多都是比較準確的，比如這些。

總結

最終住哪，這不是我能決定的，主要還是靠交通，住宿環境和個人心情，推薦住在地鐵附近，吃貨可以選擇在中央大街附近，最繁華，也里老道外很近，好吃的很多~誒，等等，我不是在做學術研究麼。。

附錄–程式碼

這是核心程式，呼叫的API_get子程式太長了.

回覆公眾號"吃貨" 獲取更多原始碼。