1. 数据
蚂蜂窝（http://www.mafengwo.cn/）可能是国内最有参考价值的旅行网站，类似于国外的猫途鹰 (tripadvisor)。作为旅行爱好者，我经常在去某地玩的时候参考蚂蜂窝上的信息，最主要的是其他游客对该地各个景点的评价。因此，我比较好奇在较大的层面，大家对所有景点的评价总体呈现什么样的状况，于是就抓了一下中国全部30000+个景点的相关信息，基本形式如下。
数据表中，url为景点的蚂蜂窝网页，name为景点名称，lng/lat为景点经纬度，positive_comments / medium_comments / negative_comments / total_comments 分别为景点的好评数/中评数/差评数/总评论数，location是蚂蜂窝为景点标注的上层地理位置，province是景点所在的省份（通过经纬度信息定位）。
CSV格式的数据在此：mafengwoPOIs.csv
根据蚂蜂窝的5星打分体系，好评为4~5星，中评为3星，差评为1~2星。更精细的做法是抓取每位游客的具体评分，我嫌麻烦就没直接抓取蚂蜂窝自己汇总的位于评论区头部的好评数/中评数/差评数/总评数，如下图。下面在计算平均分时，好评计5分，中评计3分，差评计1分，虽然有偏差，但应该总体符合趋势。
这30000+个POI的分布如下：
2. 景点概览
首先看一下评论数量最多的景点有哪些，这个数字反映了景点的人气。结果相当地出乎我的意料：外滩、故宫、天安门、西湖、兵马俑、长城、颐和园的入选附合预期，但鼓浪屿排名第1是什么情况？厦门大学能排第8？再看看成都的锦里、北京的南锣鼓巷、厦门的中山路、上海的南京路，以及同在云南西北线的丽江、大理、束河三大古城，我感觉蚂蜂窝非常强调文艺、情调、游+购、集团优势。当然，区位交通和治安条件也是吸引大量游客的前提条件。
下面是好评率的前20名。为了保证结果的稳定性，只挑选了评论数在500个以上的景点。这个结果比较符合我的预期：自然风光有羊湖、梅里雪山、九寨沟、泸沽湖、纳木错、南迦巴瓦峰，人文景观有布达拉宫、莫高窟、扎什伦布寺，绝大多数都位于西部地区，特别是西藏、云南、四川边区，契合“世之奇伟、瑰怪、非常之观，常在险远”之说。
类似地看一下差评率前20名。有些景点的高差评率是自己作死，比如拉市海和茶马古道无数次传出欺诈新闻，而且因为遍地马粪被送外号“拉屎海”，这种已经自己搞臭的景点我都是直接跳过的。还有一些景点应该是身披了太多的光环，给了游客不能被满足的期待，比如乌衣巷、金马碧鸡坊、蝴蝶泉，其实我觉得日本很多地方都是这样的类型，但是人家做的精致、自然，而且绝大多数不收门票。相反，在国内的旅游开发模式下，像蝴蝶泉那种只是一旺小小的泉水，被包装了一个人工养殖的蝴蝶窝后收上60块的门票，很容易令人反感。
最后，让我们建一个平面坐标系，以横坐标代表评论数量，以纵坐标代表平均得分，把全国1000条评论以上的景点落在坐标系上，观察它们的位置，同时，以点（圆圈）的大小表征好评的数量，如下图。如果以图的中心为原点分为4个象限的话，第一象限（右上）是人多、评价好的景点，如外滩、故宫、兵马俑等；第二象限（左上）是人少，但评价很高的景点，如羊湖、扎什伦布寺、呼伦贝尔大草原等，第三象限（左下）是人少、评价也差的景点，如大榕树、蝴蝶泉、黄鹤楼等；第四象限（右下）是人多，但评价很差的景点，然而并没有这样的景点——只要是特别火的景点，评价都不会太差，这是可以理解的，如果一个景点真的很差，那也不可能持续地吸引很多游客了。我原本期待丽江古城会落到第四象限，毕竟最近的一系列负面事件让它成了众矢之的，但是蚂蜂窝的游客们它的总体评价还是可以的。我刚刚去过这里，确实很商业化，也确实不是我的菜，但我也没有很讨厌它，更不会真的担心“彪悍的民风”。亲身观察，12月的丽江古城依然人流密集，大家都很欢乐的样子，所以要是以为它快要完蛋了，那就幼稚了。此外，可以注意到第二象限的点是最密集的，这些“人少景更美”的地方在我看来最值得去。
3. 地理分布
这一节把景点的评价信息与空间位置对应起来。最开始是想直接在景点层面上分析，如下图，圈的大小代表评论数多少，颜色从红到绿代表平均分由低到高。然而信息太乱，没有太明显的规律。虽然这肯定不是一个均质的分布，但地区与地区之间也没有表现出非常大的不同之处。
于是下面索性将信息汇总在省级单位上。
首先，各个省的景点数量是不同的，前面的POI点分布也体现了这一点。江苏、浙江、四川、广东、台湾五省是最多的，如果考虑行政区面积计算密度的话，北京和上海也非常高。作为长期居住于上海的人，我还没有体会到江浙沪有那么多可玩之处。
总评论数与景点数的分布很相似，主要差别是北京和云南的景点数量处于第二集团，但评论数处于第一集团，那就是单个景点的人气更旺啦。这两张总量分布给我的最大感受是：中国最能玩的人是江浙人、四川人、北京人，这与我自己在旅行途中听其他游客口音的判断完全一致。考虑到江浙和北京的高收入情况，我特别佩服一下四川人（主要是年轻川妹子）喜欢出去玩的个性。
虽然东南沿海的景点多，游客多，但我坚持的观点是：中国最顶级的自然和人文风光都在西部，下面这张好评率分布率支撑这一观点。可以看到，西藏是好评率最高的省级单位，没有之一，其次是新疆和台湾——尽管新疆有各种传说中的不安定因素。从西向东，好评率分为明显的三个阶梯，我大安徽竟然还能在东部的好评率洼地中一枝独秀。
差评率方面，西藏、台湾最低，河北“鹤立鸡群”，内蒙古、河南、重庆、贵州、广西也很高。注意到差评率与好评率的分布并没有完全互补，东南沿海诸省的好评率虽低，但差评率也不高，我的理解是自然条件有限，但设施服务好，人口素质高；而内蒙古、云南的好评率不低，但差评率也不低，我的理解是这两个省在景点本身的质量上相当过硬，可惜的是被在旅游管理和服务上有很多坑，如果打开方式正确就会自然地送出好评，如果被坑就会怒送差评。
最后是综合了好评、中评、差评的平均分，整体还是从西向东递减的基本格局。西藏、新疆、台湾得分最高，其次是甘肃、青海、四川、云南，以及偏东两块飞地——山西和大安徽，最低的是河北，没有之一。
4. 各省景点
本节把第2节中最后景点坐标图从全国分解到各省，看看每个省的景点从知名度、美誉度两个维度上看处于什么位置。横坐标依然是评论数量，纵坐标是平均得分，点的大小是好评数量。每个省均只考虑300条评论以上的景点。
5. 偏好差异：我的评分
在上面的分析中已经可以看到，我的个人偏好与蚂蜂窝上的平均偏好是有区别的。旅行审美虽然会有很强的“共鸣”，但也显然是众口难调的事情。于是，我就从我去过的地方中随机挑了一些出来，自己打个分，再跟蚂蜂窝上的平均得分进行对比，看看二者的重叠程度有多少。我的打分方式是：首先以1~5分给各景点做一个初评，然后对于初评分相同的景点，通过比较以后，再在小数点后一位上再以0~9复评，如果复评也一样，再在小数点后两位上再复评，以保证各景点上我的打分是有充分的变异的。最后，对于我的评分和蚂蜂窝的平均得分都进行了归一化处理，以便于比较。
下图同样采用二维散点图的方式，只是纵轴是我的打分，横轴是蚂蜂窝平均分，点的大小是蚂蜂窝评论人数，以蓝色/黄色区分自然/人文景点。
可以看到，我的打分与蚂蜂窝平均分整体还能保持正相关性，相关系数0.55(p<0.01)，但是也存在许多明显的偏离。例如，我对玉门关、晋祠、侵华日军731部队遗址等历史（特别是与战争相关的历史）性人文景观的评分明显高于蚂蜂窝平均分；同时，对于玉龙雪山、张家界、小七孔等纯粹的视觉系自然景观的评分也较高，所谓的视觉系是指不掺入文化（如西湖）、游乐（如太阳岛）、名人（如橘子洲）、生态保育（如东滩湿地）等附加值，单纯以风景取胜的景观。另一方面，我对解放碑、西街、田子坊的评分明显低于蚂蜂窝平均分，表明我不太喜欢喧闹的景区商业街；同样地，像曾厝安、平遥古城、丽江古城、周庄古镇这样的古城古镇也不是我的菜，它们可是蚂蜂窝里的大杀器。