深入解析：python可视化：端午假期旅游火爆原因分析

python可视化：端午假期旅游火爆原因分析

2025年的旅游市场表现强劲：

• 2025年端午假期全社会跨区域人员流动量累计6.57亿人次，日均2.19亿人次，同比增长3.0%。
• 入境游订单同比大涨近90%，门票交易额（GMV）增长1.5倍。
• 国内周边游占比64%，短途游主导市场。

---

2025年端午旅游热点地

国内热门城市

• 周边游Top10：杭州、南京、上海、苏州、广州、北京、天津、济南、成都、湖州。

import matplotlib.pyplot as plt
import seaborn as sns
# 数据准备
cities = ['杭州'
, '南京'
, '上海'
, '苏州'
, '广州'
, '北京'
, '天津'
, '济南'
, '成都'
, '湖州']
rank = [1
, 2
, 3
, 4
, 5
, 6
, 7
, 8
, 9
, 10] # 排名仅作顺序参考，实际数据为热度排名
# 设置样式
plt.style.use('seaborn'
)
plt.figure(figsize=(12
, 6
)
)
# 创建条形图（横向）
ax = sns.barplot(x=rank, y=cities, palette="viridis"
, orient='h'
)
# 添加标题和标签
plt.title('2025年端午假期国内周边游Top10目的地'
, fontsize=16
, pad=20
)
plt.xlabel('热门指数（排名）'
, fontsize=12
)
plt.ylabel('城市'
, fontsize=12
)
# 在条形上显示排名
for i, v in enumerate(rank):
ax.text(v + 0.1
, i, str(v)
, color='black'
, va='center'
, fontweight='bold'
)
# 调整布局
plt.tight_layout(
)
plt.grid(axis='x'
, linestyle='--'
, alpha=0.7
)
# 显示图表
plt.show(
)

图1：

民俗文化热门地：

• 广东佛山：龙舟漂移IP带动旅游订单增长167%。
• 湖南汨罗（屈原故里）、浙江嘉兴（粽子之乡）预订量增长超40%。
• 济南跻身全国周边游第八，趵突泉、明水古城等景区受青睐。
• 武汉入境游同比增长45%，黄鹤楼、晴川阁等景点吸引外国游客。

import matplotlib.pyplot as plt
import seaborn as sns
import numpy as np
# 数据准备
cities = ['佛山'
, '汨罗'
, '嘉兴'
, '济南'
, '武汉']
growth_rate = [167
, 42
, 45
, 25
, 45] # 增长率(%)
reasons = [
"龙舟漂移IP爆火"
,
"屈原故里端午民俗"
,
"粽子之乡文化体验"
,
"泉水+明水古城引流"
,
"黄鹤楼入境游增长"
]
# 设置样式
plt.style.use('ggplot'
)
plt.figure(figsize=(10
, 6
)
, dpi=100
)
# 创建条形图
ax = sns.barplot(x=growth_rate, y=cities, palette="rocket"
)
# 添加数据标注和原因说明
for i, (rate, reason)
in enumerate(zip(growth_rate, reasons)
):
ax.text(rate + 3
, i, f"{
rate
}%"
, va='center'
, fontsize=10
)
ax.text(5
, i-0.3
, reason, color='darkred'
, fontsize=9
,
bbox=dict(facecolor='peachpuff'
, alpha=0.5
)
)
# 装饰图表
plt.title("2025端午民俗文化热门地TOP5及增长原因"
, fontsize=14
, pad=15
)
plt.xlabel("旅游订单同比增长率(%)"
, fontsize=11
)
plt.ylabel("城市"
, fontsize=11
)
plt.xlim(0
, 180
)
# 添加图例说明
plt.text(120
, 4.5
, "数据来源：携程《2025端午文旅报告》"
,
fontsize=8
, alpha=0.7
)
# 显示图表
plt.tight_layout(
)
plt.show(
)

图2：

出境游热门地

• 短途（3小时飞行圈）：日本、韩国、中国香港、泰国、马来西亚。
• 新兴黑马：乌兹别克斯坦、哈萨克斯坦、冰岛。

---

旅游火爆背后的原因

1. 民俗驱动：龙舟赛事（全国122场）带动佛山、汨罗等城市热度。
2. 短途游主导：64%游客选择周边游，杭州、上海等成热门。
3. 入境增长：订单同比涨90%，上海、北京、成都最受欢迎。

文化驱动

• 龙舟经济：全国龙舟赛事达122场，佛山“漂移龙舟”、汨罗祭屈仪式等成现象级IP。
• 非遗体验：乌镇“水上五黄宴”、宏村微缩龙舟赛等让传统民俗现代化。
• 国潮兴起：故宫文创“千里江山粽”、敦煌“飞天粽”受年轻人追捧。

import pandas as pd
# 示例数据：2025年端午各省份旅游人次（单位：万人次）
province_data = {
"省份": ["广东"
, "湖南"
, "浙江"
, "江苏"
, "山东"
, "四川"]
,
"旅游人次": [2321.0
, 1200.0
, 1500.0
, 1350.0
, 1100.0
, 980.0]
, # 广东数据来自:cite[4]
"同比增长率": [20.6
, 18.3
, 15.2
, 12.7
, 10.5
, 8.9] # 假设值
}
# 热门城市及龙舟搜索热度（同程数据:cite[2]:cite[6]）
city_data = {
"城市": ["佛山"
, "汨罗"
, "嘉兴"
, "杭州"
, "成都"
, "苏州"]
,
"龙舟搜索增幅": [270
, 270
, 200
, 180
, 160
, 150]
, # 百分比
"预订量增长": [167
, 40
, 40
, 35
, 30
, 25] # 百分比
}
df_province = pd.DataFrame(province_data)
df_city = pd.DataFrame(city_data)

输出：df1、df2

---

各省份旅游人次热力图

from pyecharts import options as opts
from pyecharts.charts import Map
# 数据准备（省份需用简称，与PyEcharts内置地图匹配）
data = [
("广东省"
, 2321
)
,
("湖南省"
, 1200
)
,
("浙江省"
, 1500
)
,
("江苏省"
, 1350
)
,
("山东省"
, 1100
)
,
("四川省"
, 980
)
,
]
# 创建地图
c = (
Map(
)
.add(
series_name="旅游人次（万）"
,
data_pair=data,
maptype="china"
,
is_map_symbol_show=False
,
)
.set_global_opts(
title_opts=opts.TitleOpts(title="2025年端午各省旅游人次"
)
,
visualmap_opts=opts.VisualMapOpts(
min_=800
,
max_=2500
,
range_text=["高"
, "低"]
,
is_piecewise=True
,
pos_top="middle"
,
)
,
)
.render("province_tourism_map.html"
)
)

图3：

---

热门城市龙舟活动热度条形图

import matplotlib.pyplot as plt
plt.figure(figsize=(10
, 6
)
)
plt.bar(df_city["城市"]
, df_city["龙舟搜索增幅"]
, color='#FF6B6B'
, label='龙舟搜索增幅(%)'
)
plt.bar(df_city["城市"]
, df_city["预订量增长"]
, color='#4ECDC4'
, alpha=0.7
, label='预订量增长(%)'
)
plt.title("2025端午龙舟文化热门城市数据对比"
, fontsize=14
)
plt.xlabel("城市"
)
plt.ylabel("百分比(%)"
)
plt.legend(
)
plt.grid(axis='y'
, linestyle='--'
)
plt.show(
)

图4：

分析：佛山因“龙舟漂移”IP搜索增幅达270%，预订量增长167%。

---

政策与消费趋势

• 免签政策：入境游增长89%，上海、北京、成都等成外国游客首选。
• 亲子+宠物经济：亲子订单占比35%，宠物友好酒店热度增20%。
• “演出+旅游”：邓紫棋贵州演唱会、佛山龙舟赛带动跨城观演。

入境游订单增长趋势

# 入境游数据（携程:cite[1]:cite[9]）
countries = ["马来西亚"
, "韩国"
, "新加坡"
, "泰国"
, "美国"]
orders = [452
, 380
, 290
, 250
, 200] # 假设订单增长比例
plt.pie(orders, labels=countries, autopct="%1.1f%%"
,
colors=["#FFD166"
, "#06D6A0"
, "#118AB2"
, "#EF476F"
, "#073B4C"]
)
plt.title("2025端午入境游主要客源国订单占比"
)
plt.show(
)

图5：

---

• 用 wordcloud 生成关键词云（如“龙舟”“亲子游”“免签”等）。

from wordcloud import WordCloud
import matplotlib.pyplot as plt
# 示例关键词及权重（根据搜索热度或频次自定义）
keywords = {
"龙舟": 35
, "亲子游": 30
, "免签": 25
, "短途游": 20
,
"佛山": 18
, "汨罗": 15
, "嘉兴": 15
, "民俗": 15
,
"粽子": 12
, "演唱会": 10
, "高铁": 10
, "国潮": 10
}
# 生成词云
wc = WordCloud(
font_path="simhei.ttf"
, # 指定中文字体（Windows可用）
background_color="white"
,
width=800
,
height=600
,
max_words=50
).generate_from_frequencies(keywords)
# 显示
plt.figure(figsize=(10
, 8
)
)
plt.imshow(wc, interpolation="bilinear"
)
plt.axis("off"
)
plt.title("2025端午旅游热点关键词云"
, fontsize=16
, pad=20
)
plt.show(
)

图6：

---

人员流动地图（箭头图）

• 主要客源地→目的地（如北京→济南、上海→杭州、广州→佛山等）。
• 出境游热门航线（上海→大阪、北京→东京等）。

import plotly.graph_objects as go
# 示例流动数据（需补充真实坐标）
flow_data = pd.DataFrame({
"出发地": ["北京"
, "上海"
, "广州"]
,
"目的地": ["济南"
, "杭州"
, "佛山"]
,
"流量": [50000
, 40000
, 30000]
,
"出发地_lat": [39.9
, 31.2
, 23.1]
,
"出发地_lon": [116.4
, 121.5
, 113.3]
,
"目的地_lat": [36.7
, 30.3
, 23.0]
,
"目的地_lon": [117.0
, 120.2
, 113.1]
}
)
fig = go.Figure(
)
for i in range(len(flow_data)
):
fig.add_trace(go.Scattergeo(
lon=[flow_data["出发地_lon"][i]
, lat=[flow_data["出发地_lat"][i]]
,
mode="markers"
,
marker=dict(size=10
, color="red"
)
,
name=flow_data["出发地"][i]
)
)
fig.add_trace(go.Scattergeo(
lon=[flow_data["目的地_lon"][i]]
, lat=[flow_data["目的地_lat"][i]]
,
mode="markers"
,
marker=dict(size=10
, color="blue"
)
,
name=flow_data["目的地"][i]
)
)
fig.add_trace(go.Scattergeo(
lon=[flow_data["出发地_lon"][i]
, flow_data["目的地_lon"][i]]
,
lat=[flow_data["出发地_lat"][i]
, flow_data["目的地_lat"][i]]
,
mode="lines"
,
line=dict(width=2
, color="green"
)
,
opacity=0.7
,
name=f"{
flow_data['出发地'][i]
}→{
flow_data['目的地'][i]
}"
)
)
fig.update_geos(scope="asia"
, projection_type="natural earth"
)
fig.update_layout(title="2025端午主要旅游流向示意图"
)
fig.show(
)

图7：

---

5. 总结

2025年端午旅游市场呈现 “民俗+短途+亲子” 三大特点，文化IP（如龙舟、粽子）和便利政策（免签、高铁）是核心驱动力。