用Python分析告诉你:一个城市麦当劳的数量和什么有关!

使用python爬取一个省市城市列表 前言 最近打算使用 flutter 做一个省市的级联列表,但是目前没有数据来源,就想着搜搜有没有 json 的数据,结果搜了一下只有各种数据库的 然后搜了下有个网站说有很完整的数据的还是收费的 作为一个穷人程序员,如果是公司用,我付费买一个也无所谓,但是本身是想私人使用,甚至开源出去,付费就没必要了 这时候我想着,既然如此,我就爬一份数据,自己造一个吧 说到爬虫,我们就想起了明年…两开花 pyth... 阅读详情

一、前言

前几天,小编跟着两个朋友,在深圳的商圈逛了逛,沿途看见了好几家麦当劳,他们两就随意的说了说,麦当劳数量有点多呢,到底是为什么呢? 一个城市的麦当劳数量和什么有关呢? GDP? 等级? 人口数? 。 。 。 。

为了更有理有据的说明,小编选取了 GDP,城市等级,人口数三个指标初步探一探城市麦当劳数的多少和什么有关

 

二、源码获取

 

三、数据获取

麦当劳店铺名和所在城市

https://www.mcdonalds.com.cn/index/Quality/publicinfo/deliveryinfo?data%5BSearch%5D%5Bcity%5D=

2019 城市排行

http://www.zuihaodaxue.com/news/20190525-1003.html

GDP,人口

http://caifuhao.eastmoney.com/news/20190201115604564011000

从上面三个链接获取,店名,所在城市,GDP,城市等级,人口数

网页都比较简单静态的,爬虫正则直接提取

城市店铺数

此图列举了麦当劳在中国城市所有店铺数各个城市的数量有多少,从图可看出,‘北上广深’麦当劳数可是都在 100 以上,稳居前四,而且他们都是一线大城市呢,紧随其后的一些城市麦当劳数也在两位数,会不会与城市等级有关呢?

四、城市等级对应麦当劳占比

从上图看出,全国城市等级所对应的麦当劳占比,一线,二线,三线,四线,五线,一次递减,一线城市拥有的麦当劳数时最多的,从而验证了我们的想法,城市等级越高,麦当劳数也相应的多一些

五、GDP&店铺数

GDP 看来也是一个影响一个城市麦当劳数的因素呀,从图看出,GDP 与麦当劳数呈正相关,一个城市的 GDP 是衡量一个城市经济水平的因素,看来也可以衡量是否能吸引更多的像麦当劳一样的企业进驻此城市

六、人口数&店铺数

呃呃呃,看来人口的多少与店铺数关联不是很大,人口 0-500 万左右的店铺数基本都不超过 50 家

七、结论

仅从城市等级,GDP 等级看, GDP 越高,相应的店铺数也会多一些,但人口数的多少对麦当劳的店铺数影响不是很大

除此之外,还没有考虑每个城市相关的政策之类的因素

生活中更多有趣结论等你探索~

 

Python调用高德API批量采集POI数据:从入门到实践 在数据分析、市场调研和城市规划中,POI(兴趣点)数据是理解地理实体分布的核心基础。无论是评估商圈活力、分析充电桩布局,还是研究城市配套,都依赖大量精确的位置信息。传统的人工采集效率低下,而通过API接口能够实现自动化、规范化的数据获取。高德地图开放平台提供了稳定的Web服务接口,结合Python的requests与pandas库,开发者可以快速构建批量采集流程,实现按城市、按类型的POI数据抓取,并支持翻页、去重、清洗与CSV存储。本文从环境搭建、Key申请、接口参数解析到完整代码实现,系统讲解如何高效利 阅读详情

相关推荐

食在广州 | 爬取分析广州6万+餐饮门店数据

继前两期分别爬取了海珠某区域和海珠区美食餐厅数据进行分析,应读者要求,本期更进一步,获取了全广州60000+个餐饮门店数据进行分析。不少读者对全广州的各种餐厅数据非常感兴趣。好了,马上安排。 一、广州11区餐厅门店数量和人均消费 天河、白云的人口商业都是全广州最繁华的,门店数量果然也是遥遥领先,天河作为商业中心,人均消费也是最高的。但总体来看,人均消费差别不大,价格上都比较适中。 二、不同餐厅门店数量和人均消费 我们选取了其中五个数量最多的分类:中餐厅、外国餐厅、快餐厅、咖啡厅、茶艺馆|冷饮店|

weixin_43662097的博客 1252

Python 分析城市麦当劳数的多少

作者:木下瞳 来源:木下学Python前言前几天,小编跟着两个朋友,在深圳的商圈逛了逛,沿途看见了好几家麦当劳,他们两就随意的说了说,麦当劳数量有点多呢,到底是为什么呢...

数据森麟 752

零基础转行数据科学:14周实战入行路径图

数据科学不是高深数学,而是将业务问题转化为可验证数据结论的能力。其核心原理在于数据清洗、业务翻译与证据交付的闭环实践,技术价值体现在快速支撑决策、降低试错成本、提升跨部门协作效率。典型应用场景包括电商归因分析、用户行为洞察、本地生活运营优化等。尤其对非计算机背景、无实习经历的转行者而言,真实项目驱动的学习路径比学历堆砌更高效——如用Pandas处理混乱订单字段、用SQL回答‘哪家奶茶店复购率更高’、用Tableau制作HR能直接转发的销售看板。关键能力锚点正是数据清洗实战力与业务问题翻译力。

weixin_30847865的博客 498

利用Python爬虫爬取淘宝商品做数据挖掘分析实战篇,超详细教程

项目内容本案例选择>> 商品类目:沙发;数量:共100页  4400个商品;筛选条件:天猫、销量从高到低、价格500元以上。项目目的1. 对商品标题进行文本分析 词云可视化2. 不同关键词word对应的sales的统计分析3. 商品的价格分布情况分析4. 商品的销量分布情况分析5. 不同价格区间的商品的平均销量分布6. 商品价格对销量的影响分析7. 商品价格对销售额的影响分析8. 不同...

macair123的博客 11万+

学习大数据需要用到什么软件

学习大数据需要用到什么软件 说到大数据,肯定少不了分析软件,这应该是大数据工作的根基,但市面上很多各种分析软件,如果不是过来人,真的很难找到适合自己或符合企业要求的。小编通过各大企业对大数据相关行业的岗位要求,总结了以下几点: 熟悉常用的数据挖掘算法:回归分析、决策树、随机森林、支持向量机等 对于学习大数据,总体来说,先学基础,再学理论,最后是工具。基本上,每一门语言的学习都是要按照这个顺序来的。 学习数据分析基础知识,包括概率论、数理统计。基础这种东西还是要掌握好的啊,基础都还没扎实,知识大厦是很容

m0_52703463的博客 1005

Python爬虫高阶实战:基于Playwright与异步技术逆向解析高德地图POI数据

print(f"请求失败,状态码: {response.status}, 城市: {city_code}, 关键词: {keyword}, 页码: {page}")print(f"城市 {city_code} 的 {keyword} 共有 {total_count} 条结果,计划爬取 {actual_max_pages} 页")print(f"城市 {city_code} - {keyword} - 第 {i} 页爬取完成,获得 {len(pois)} 条POI")这是实现高效、稳定爬虫的核心。

2201_76125261的博客 1404

python爬虫——按城市及店铺面爬取大众点评分类

题外话:因为最近遇到很多标签要对其进行分类,其中很多是店铺名,所以就想爬取大众点评的分类信息。因为不是专门做爬虫的,所以下面这段代码仅仅是可以实现要求,如何能避免网站的反爬机制这一点就无能无力了。另外大众点评根据店铺名返回的分类结果也不一定完全争取,这里没有处理这种情况。 # -*- coding:utf-8 -*- import urllib.request import urllib.pa...

读万卷书 行万里路 2575

MATLAB算法实战应用案例精讲-【深度学习】扩散模型(DM)(附python代码实现)

广播模型、扩散模型和传染模型可以用于分析信息、技术、行为、信念和传染病在人群中的传播。这些模型在通信科学、市场营销学和流行病学的研究中发挥着核心作用。在计算机视觉中,生成模型是一类能够生成合成图像的模型。例如,一个被训练来生成人脸的模型,每次都会生成一张从未被该模型或任何人看到过的人脸。生成模型最著名的例子是GAN(生成对抗网络)。它有生成器和鉴别器,它们相互对抗,然后生成图像。由于模型本身具有对抗性,因此很难进行训练。这使得很难达到一个最优的平衡。利用扩散模型可以解决这个问题。

qq_36130719的博客 3437

Python爬取上万条点评商家数据,看看各家快餐品牌背后的秘密

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 作者:早起python 中国的快餐市场竞争一直都很激烈,关于各种品牌江湖上也流传着各种神奇的故事,那么你知道 一线城市最多的快餐品牌是哪家? 沙县小吃真的是中国餐饮巨头吗? 每一家肯德基边上都有一家麦当劳是不是真的? 星巴克VS瑞幸咖啡,谁的热度更高? 本文使用Python爬取了上万条大众点评商家数据,告诉你答案! 一线城市快餐品牌店铺数量大PK 首先我们来看一下一线城市中沙县小吃、兰

weixin_49345590的博客 578

从KVM虚拟化到Openstack云化架构综述

目录 摘要 OpenStack的虚拟化技术 OpenStack架构介绍 Nova Swift KeyStone Neutron Glance Cinder Ceilometer Heat 摘要 这两年的工作中,接触到公有云和私有云的项目还不少。起初对于Openstack的了解,仅停留在其几大组件的交互上,如Nova、Neutron、Glance等,以及对各大云厂商功能点上...

liyunpeng229的博客 2051

保姆级教程:如何用Le2i Fall Detection Dataset训练你的跌倒检测模型(附数据集下载)

本文提供了一份详细的实战指南,教你如何使用Le2i Fall Detection Dataset训练跌倒检测模型。内容涵盖数据集的深度解析、预处理与工程化管道搭建、模型选择与训练策略,以及评估优化与部署考量,旨在帮助开发者从零构建高精度、可应用的跌倒检测系统。

assembly8low的博客 1286

Python爬取上万条大众点评数据,解读一线快餐品牌背后的秘密

中国的快餐市场竞争一直都很激烈,关于各种品牌江湖上也流传着各种神奇的故事,那么你知道 一线城市最多的快餐品牌是哪家? 沙县小吃真的是中国餐饮巨头吗? 每一家肯德基边上都有一家麦当劳是不是真的? 星巴克VS瑞幸咖啡,谁的热度更高? 本文使用Python爬取了上万条大众点评商家数据,告诉你答案! 一线城市快餐品牌店铺数量大PK 首先我们来看一下一线城市中沙县小吃、兰州拉面、星巴克、瑞幸咖啡、肯德基、麦当劳的店铺数量分布情况 从上方的图中可以看到,沙县小吃在上海、广

早起Python 1370

用Typora画流程图和序列图:Mermaid语法实战教程(含常见报错解决)

本文是一份详细的Typora与Mermaid语法实战教程,教你如何在Markdown文档中高效绘制流程图和序列图。文章涵盖从环境配置、核心语法到复杂图表构建的全过程,并重点解析了常见报错原因与解决方案,助你将可视化图表无缝融入文档工作流。

weixin_29279101的博客 298

前端怎么分次取上万条数据_Python爬取万条大众点评数据,解读一线快餐品牌背后的秘密...

中国的快餐市场竞争一直都很激烈,关于各种品牌江湖上也流传着各种神奇的故事,那么你知道一线城市最多的快餐品牌是哪家?沙县小吃真的是中国餐饮巨头吗?每一家肯德基边上都有一家麦当劳是不是真的?星巴克VS瑞幸咖啡,谁的热度更高?本文使用Python爬取了上万条大众点评商家数据,告诉你答案!一线城市快餐品牌店铺数量大PK首先我们来看一下一线城市中沙县小吃、兰州拉面、星巴克、瑞幸咖啡、肯德基、麦当劳的店铺数量...

weixin_39811101的博客 101

matlab内读取文件目录时斜杠和反斜杠的使用

@matlab内读取文件目录时斜杠和反斜杠的使用TOC matlab内读取文件目录时,斜杠和反斜杠的使用 最近被斜杠和反斜杠弄晕了,于是总结了一下,在此和大家分享一下。 代码 clear; clc; close all; I1= imread('..\zs1.jpg'); %和代码文件夹同目录的图片 (纯反斜杠) I2= imread('../zs2/zs2.j...

weixin_44456694的博客 6571

STM32F407编译下载全流程:从CubeMX到HEX烧录

嵌入式固件开发中,编译与下载是连接代码与硬件的关键闭环。其本质是将高级语言描述的逻辑,经交叉编译(ARM GCC)、链接(ELF生成)、格式转换(HEX/BIN)后,通过调试接口(SWD/UART)写入MCU Flash存储器的过程。该流程涉及工具链协同、二进制格式特性(如Intel HEX的地址映射与无元数据设计)、启动模式(System Memory Bootloader)、Flash选项字节(RDP/WRP)等底层机制,直接决定固件可运行性与安全性。典型应用场景包括STM32F407开发板调试、量产固

weixin_28840811的博客 259

python爬虫爬取大众点评_Python爬取上万条大众点评数据,解读一线快餐品牌背后的秘密...

中国的快餐市场竞争一直都很激烈,关于各种品牌江湖上也流传着各种神奇的故事,那么你知道一线城市最多的快餐品牌是哪家?沙县小吃真的是中国餐饮巨头吗?每一家肯德基边上都有一家麦当劳是不是真的?星巴克VS瑞幸咖啡,谁的热度更高?本文使用Python爬取了上万条大众点评商家数据,告诉你答案!01一线城市快餐品牌店铺数量大PK首先我们来看一下一线城市中沙县小吃、兰州拉面、星巴克、瑞幸咖啡、肯德基、麦当劳的店铺...

weixin_32629853的博客 846

W5500 MACRAW模式实战:在ESP32上抓取并解析原始以太网数据包

本文详细介绍了如何在ESP32开发板上使用W5500芯片的MACRAW模式捕获和解析原始以太网数据包。通过硬件连接指南、代码实现示例和协议解析技巧,帮助开发者深入理解网络通信底层机制,实现网络嗅探和自定义协议开发等高级应用。

weixin_42520573的博客 417

aerial-autonomy-stack 飞行参数配置详解:Pixhawk 6X + X650 的 ArduPilot 参数与 RTL 三重冗余安全设计

aerial-autonomy-stack(AAS)是一款基于 ROS2、PX4/ArduPilot/Betaflight 与 NVIDIA Jetson 的开源无人机感知飞行框架。本文详解其 Holybro X650 + Pixhawk 6X 实机构建的 ArduPilot 4.6 飞行参数配置,以及保障安全的 RTL(Return-To-Launch,返回起飞点)三重冗余设计。 ## 🛠

gitblog_00638的博客 391

RK3588与FPGA高速PCIe通信:从理论带宽到实战优化的全流程解析

本文深入解析了瑞芯微RK3588与FPGA之间基于PCIe Gen2的高速通信全流程。从理论带宽计算(约1640MB/s)出发,详细拆解了硬件连接、驱动加载、DMA配置等关键步骤,并重点分享了中断优化、内存管理及高级调优等实战技巧,旨在帮助开发者从“跑通”到“跑好”,实现接近理论极限的稳定高效数据传输。

weixin_29175469的博客 330

Simulink开发项1000例实战专栏--实例38:基于Simulink的周波变换器(Cycloconverter)

需求分析周波变换器(Cycloconverter),也称为频率变换器或直接变频器,是一种将输入的固定频率交流电直接转换为不同频率的交流电的电力电子设备。它广泛应用于工业领域,如大功率电机驱动、风力发电、船舶推进系统等场合。与传统的间接变频器(如交-直-交变频器)相比,周波变换器具有更高的效率和更简单的结构,适用于需要低频输出的应用场景。

xiaoheshang_123的博客 333

legend位置 pyecharts_Pyecharts实现星巴克门店分布可视化分析

python项目介绍使用pyecharts对星巴克门店分布进行可视化分析:全球门店分布/拥有星巴克门店最多的10个国家或地区;拥有星巴克门店最多的10个城市;门店所有权占比;中国地区门店分布热点图。PS注意:很多人学Python过程中会遇到各种烦恼问题,没有人解答容易放弃。为此小编建了个Python全栈免费答疑.裙 :七衣衣九七七巴而五(数字的谐音)转换下可以找到了,不懂的问题有老司机解决里面还有...

weixin_39616961的博客 427

霍尼韦尔SoftMaster使用说明

霍尼韦尔SoftMaster使用说明

用Python调用高德API批量获取POI数据完整指南

在地理信息数据处理中,兴趣点(POI)是描述地图上具体地点的核心概念。当我们需要分析一座城市的咖啡店、便利店等分布时,手动复制网页数据效率低且易出错。通过官方地图Web服务API,开发者可以结构化地批量获取名称、地址、经纬度等字段。相比网页爬虫,API接口返回规范、无需处理反爬机制,且支持按城市、类型等条件精确过滤。合理的参数配置与请求调度能显著降低配额消耗,而数据清洗中的去重、坐标转换(如GCJ-02与WGS-84)则是保证分析结果可靠的关键。本文以高德地图为例,从Key申请、接口参数解析到Python代

weixin_33849215的博客 345

假人有限元模型

假人模型,车辆碰撞假人有限元模型,适合做乘员安全的研究者利用

复分析 阿尔福斯(Ahlfors) 第三版答案 英文

答案分为十章,有部分习题没有答案,全英文复分析阿尔福斯(Ahlfors) 第三版答案

API测评:秒获线下场景POI数据,场景查询API接入指南

本文介绍了如何通过“场景查询(名称关键词)”API快速获取POI数据。该API只需输入场景关键词即可返回丰富的POI信息,如名称、地址、经纬度等,支持品牌、分类、城市等多维度筛选,并提供分页功能。接口简洁易用,响应速度快,适合用于竞品分析、门店扩展等场景。开发者可通过开放平台注册获取API Key,并使用SDK快速集成。推荐有POI查询需求的开发者体验使用。

lang618的博客 992

IDEA的使用指南

IDEA基于java的使用手册,可以最快速的上手,在使用中不断的丰富自己的使用技巧.

大数据环境下空间数据质量控制的7个关键要点

想象一下:如果医院的位置在地图上标错了,急救车可能会走冤枉路;如果施工路段的信息没及时更新,导航会让你陷入拥堵;如果同一个餐厅在地图上有3个重复标记,外卖平台的推荐会混乱。空间数据质量控制的核心目的,就是让“数字地理”与“真实世界”保持一致,确保数据的“位置准、信息对、逻辑通、更新快”。本文聚焦大数据环境下的空间数据(比如POI、道路网络、轨迹数据),拆解7个关键控制要点,覆盖从“数据采集”到“应用反馈”的全流程。核心概念回顾位置精度:像给宝宝“定户口”,不能差半米;

Java大师兄的博客 842
上一篇: 50行Python代码实现视频中物体颜色识别和跟踪!
下一篇: 教你怎样用Python进行语音识别!非常精准!
PythonJavaPHP
博客等级 码龄7年 116粉丝 76原创
评论 3
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值