研究称火车站附近的烤肉味道不佳，巴黎实地测试却显示相关性微乎其微，谷歌评分数据让人哭笑不得。

几个月前，一个法国帖子在TikTok截图里抛出了个有趣的猜想：“离火车站越近，烤肉越难吃。”这说法听起来挺逗，我忍不住想试着验证一下。恰好最近闲得发慌——一个刚确诊自闭症6个月、疲惫不堪的“失业学生”，总得找点事干吧。于是，我重做了个人网站，把整个研究过程写得像模像样，还顺手优化了代码格式，心想着没准能凭这个拿个诺贝尔和平奖，顺带收到几份工作邀约呢。

我选了巴黎作为研究地。为什么？首先，那个帖子是法语的，感觉这是个法国现象。我老家瑞典也有不少烤肉店，可从没听过这种说法，所以姑且当它是法国独有的“神秘规律”吧。再说，巴黎市区火车站和地铁站密密麻麻，烤肉店更是数不过来，样本多到让我头疼，但也正适合拿来玩这场“实验”。

从哪儿开始？

我用OSMnx下载了巴黎的步行导航网络，毕竟这假设跟走路距离有关，过滤条件就设为“步行路径”。数据投影用的是EPSG:32631，标准的UTM 31N区格式。火车站和地铁站入口也好找，直接筛选“railway=subway_entrance”和“railway=train_station_entrance”，一抓一大把。接下来是烤肉店，我选了谷歌Places API，靠它拉餐厅数据和评分。谷歌评分当然不完美，刷分、机器人评论啥的都有，但我也没啥更好的选择。Yelp的API贵得离谱，我又懒得写爬虫——那玩意儿跟调教AI一样，吸干灵魂。谷歌给的200美元免费额度倒挺诱人，我就先凑合用了。

可麻烦很快就来了。谷歌API不能按多边形区域搜索，只能按点半径查，这让我抓狂。拜托，上市公司就这效率？更别提IDE里googlemaps库的自动补全还坏了，Python这工具真是三天两头考验我的耐心。哦，对了，谷歌云的控制台慢得像乌龟爬，我点个按钮都能去泡杯咖啡回来。

没办法，我只好对整个巴黎做网格搜索，祈祷别超免费额度。结果，又冒出几个新问题。

烤肉是啥？

我在API里搜“kebab”，谷歌咋判断哪些店有烤肉呢？翻了翻数据，还好没我想得那么复杂。有些店名里直接带“kebab”，有些被标为“地中海风味”——毕竟烤肉起源于土耳其、波斯和中东一带，还有些店的评论里老提到“kebab”，这对我来说就够用了。

查询的坑

半径搜索只是个“偏好”，不是硬性范围，压根帮不上忙。谷歌显然不欢迎我这种玩法。研究范围定下来后，我还得调整一下巴黎的行政边界。西边有个大公园，东边是体育学院，谷歌地图一看，里面压根没烤肉店，留着纯属浪费API额度，果断剔除。

数据采集开干

最后，我定了六边形网格布局，点间距1公里，搜索半径约866米。虽然有重叠，但至少不会漏数据。总共弄了99个采样点，感觉凑合能用。凌晨3点的Python代码写得稀烂，懒得管Reddit的格式了，反正跑出来半个兆的JSON，看着还挺像回事。结果一共抓到322家店，后来加了分页逻辑，又多挖出78家，总计400家烤肉店。有几家没评分，直接过滤掉。

关键一步：算距离

每家店到最近车站入口的距离咋算？我不可能一家家路由过去，那得等到下辈子。巴黎路网密集，选项多，我估摸着找最近的3个入口就够了。GeoPandas的sindex帮了大忙，能按1公里半径搜附近入口，再按距离排序，截取前几个。路由用Networkx搞定，代码里列表推导式多得吓人，但好歹跑通了。扔进QGIS检查后，数据靠谱，我心里踏实了点。

结果如何？

有了数据，终于能回答“车站越近，烤肉越难吃”这问题了。算出来的皮尔逊相关系数是0.091，嗯，理论上有点相关，可这数字弱得连“统计显著”都不敢提。我剔除了些离群值，系数涨到0.098，还是惨不忍睹。干脆再试试只算火车站、不带地铁站，结果更糟，系数跌到0.001。这下我彻底服了，收手吧。

反思

谷歌评分能客观反映烤肉好不好吃吗？想啥呢，肯定不能。这假设从一开始就主观得离谱，评分还掺杂了服务、卫生、环境等乱七八糟的因素，更别提网络上的猫腻了。旅游业有影响吗？当然可能。本地人可能挑剔，游客可能宽容，反过来也行，谁知道呢。如果用直线距离代替路网距离，结果会变吗？应该不会太大差别吧，有经验的欢迎指点。

数据准不准？大致靠谱。每家店多少都跟烤肉沾边，虽然有些像Pizza Hut这种，可能只卖烤肉披萨，算不算正宗就另说了。为啥不研究所有餐厅？因为这假设太搞笑太具体，我实在舍不得放弃。

聊聊感想

这事儿其实挺好玩的。我一边弄一边写，逼自己坚持下来，不然早扔一边了。结果虽然没啥突破，但这种乱七八糟的小探索还挺有意思，推荐大家都试试。至于数据，我不敢随便分享，怕违谷歌的条款。代码我给了，自己烧点额度去玩吧。我还好吗？凑合吧，你呢？

本文译自 Reddit，由BALI编辑发布。