昨天在“36大数据”公众号上看到protream写的一篇文章《用Python写一个命令行火车票查看器》，作者用Python抓取12306官网上的火车票信息，并写成了一个命令行的小工具。看完这篇文章后，我决定借鉴他的方法，用R语言来试着分析一下12306官网上的列车数据。我的目的不是做一个同样的命令行火车票查看器，而是通过实战来练习如何抓取、整理、分析数据，并对分析结果进行可视化。
在抓取数据前，首先要确定列车的出发地和目的地是哪里。我选择上海作为出发地，12306官网上的其他32个热门城市作为目的地。发车时间选择十一国庆节（2016-10-01）
下面是我整理出来的32个目的地的名称和12306提供的英文缩写：
city.png
我定义了一个名为search_12306的函数，用来抓取数据。该函数调用12306的API（找到这个API的方法可以参考前面提到的那篇文章），然后用R的jsonlite包来解析API返回的json字符串，最后转成R的data.frame数据。
为了方便提取这个data.frame中的数据，我又定义了一个名为parse_tickets_info的函数来处理这个data.frame，并将整理好的数据用一个list返回。
加载的软件包和自定义的2个函数代码如下：
code1.png
工具已经准备完毕，接下来就正式抓取数据。首先读入目的地文件，然后用一个apply函数将目的地参数传递给search_12306函数，抓取到的32个城市的信息存在一个list里。然后再用一个lapply函数将抓取到的每个目的地的信息传递给parse_tickets_info函数，结果同样保存在一个list里。
代码如下：
code2.png
至此，数据也准备完毕，下面我们一起来作图：
-
从上海出发的列车中，出发的高峰时间是几点钟，到达目的地的高峰时间是几点钟？
start_end_time.png
从图上可以看，中午出发的列车较少，在上午和下午各有一个出发高峰，到达目的地的时间大多在下午和傍晚。
代码如下：
code3.png
-
从上海出发的列车中，有多少是始发车，多少是过路车？
start_pass.png
从图上可以看到，从上海到南京和杭州的列车是最多的（江浙沪的交通是最便利的），而且从上海始发的列车远远多于过路车。
代码如下：
code5.png
-
到各个城市的车次类型有哪些？
train_code.png
从这个图可以方便的看到，上海到哪些城市开通了高铁。
代码如下：
code6.png
-
到达某个目的地，最快和最慢的列车分别需要多长时间？
lishi.png
根据这幅图，大家可以估计一下坐火车到你想去的城市需要多少时间。
代码如下：
code4.png
-
十一长假就要到了，我们看看到各个城市的剩余车票还有多少，到不同的城市的订票趋势是否有差异？
ticket_heatmap.png
从图上可以看到，1号的票已经卖的差不多了，3号和4号的车票比较富余，6号和7号的票也比较紧俏。需要注意的是，车票数据会实时变化，这幅图只代表了9月23号的余票情况。我对余票信息做了聚类，发现从上海到不同的城市的订票趋势还是有一些差异，但总体趋势是一致的。
代码如下：
code7.png
今天的【R图秀】给大家展示的是如何用R来分析从上海到其他城市的列车数据，感兴趣的小伙伴们也可以研究一下自己所在城市的列车数据。
qrcode.jpg
网友评论