本项目通过深度解析美团平台上西安市餐饮行业数据，探索消费趋势、菜品偏好及市场细分等关键“知识”，为商家提供精准营销策略建议。
在西安市美团平台的数据挖掘项目中，我们首先通过爬虫技术获取了所有美食店铺的信息，包括名称、评分、平均价格、地址及评论数量。这些数据来源于美团的西安餐饮页面，并利用Selenium, Webdriver以及BeautifulSoup等工具进行抓取。
为了破解网站加密字体以准确识别信息，采用了模仿人机登录的方式进入系统界面，并使用绘图工具描绘字体形状来辅助OCR技术实现文字识别功能。
在获取到所需的数据后，我们选取了评分、平均价格和评论数量这三个关键指标作为聚类分析的特征值。利用KMeans算法将店铺分为三个等级（好、中、差）。初始样本集为12976个数据点组成的集合D，目标是通过迭代优化来最小化簇内平方误差之和。
在实际操作过程中，我们发现当设定k=5时聚类效果最佳。这五个类别分别具有以下特征：
- A 类：高评分与较低价格
- B 类：中等评分且价格适中
- C 类：评价较高、价格偏高及评论量大
- D 类：低评价值和低价位
- E 类：得分偏低，但价格相对较高，并伴有较多的用户反馈
接下来，我们进一步分析了店铺地理位置对分类结果的影响。通过调用高德地图API获得每个店铺的具体经纬度信息，并使用folium包生成可视化地图展示所有美团餐饮店的位置分布。
观察到B类和E类餐厅数量较少的现象后，结合具体地铁站周边的人口密度与商业活动情况进行了深入探讨：
- 小寨区域作为西安最繁华的商圈之一，拥有着巨大的人流量以及广大学生群体市场；
- 钟楼不仅是旅游景点也是购物热点地区；
- 延平门位于高新区，周围多为居民区，因此餐饮需求量大；
- 航天城站附近同样聚集了大量的商业活动。
综上所述，在地铁口附近的店铺数量明显高于其他区域，并且这些地方往往具有较高的消费潜力和市场活力。
5星
