基于Python和Flink的酒店数据分析
💡
原文中文，约2700字，阅读约需7分钟。
📝
内容提要
该文章介绍了使用Flink进行大数据处理和分析的案例，包括数据清洗和预处理，上传到HDFS，使用Flink Python API进行数据分析，绘制可视化图表。
🎯
关键要点
- 文章介绍了使用Flink进行大数据处理和分析的案例。
- 数据集来源于Kaggle公开项目Hotel booking demand，包含119390条酒店预定记录。
- 数据预处理包括填充缺失值、格式转换和删除异常值。
- 预处理结果上传到HDFS，使用python hdfs模块进行操作。
- 使用Flink Python API进行数据分析，主要使用Table API。
- 分析内容包括酒店每月平均价格变化、入住量变化、游客分布和不同价格区间的预定情况。
- 通过可视化图表展示分析结果，发现城市酒店和度假酒店的预定旺季及房价变化。
- 游客主要分布于欧洲地区，其次是北美。
- 大多数游客选择人均价格在(0，100)区间的酒店入住，且入住天数与酒店类型有关。
- 代码目录结构包括数据集、分析结果、数据分析代码和绘图代码。
➡️
