Python爬取数据并实现可视化代码解析
这次主要是爬了京东上一双鞋的相关评论:将数据保存到excel中并可视化展示相应的信息
主要的python代码如下:
文件1
#将excel中的数据进行读取分析import openpyxlimport matplotlib.pyplot as pit #数据统计用的wk=openpyxl.load_workbook(’销售数据.xlsx’)sheet=wk.active #获取活动表#获取最大行数和最大列数rows=sheet.max_rowcols=sheet.max_columnlst=[] #用于存储鞋子码数for i in range (2,rows+1): size=sheet.cell(i,3).value lst.append(size)#以上已经将excel中的数据读取完毕#一下操作就你行统计不同码数的数量’’’python中有一个数据结构叫做字典,使用鞋码做key,使用销售数量做value’’’dic_size={}for item in lst: dic_size[item]=0for item in lst: for size in dic_size: #遍历字典 if item==size: dic_size[size]+=1 breakfor item in dic_size: print(item,dic_size[item])#弄成百分比的形式lst_total=[]for item in dic_size: lst_total.append([item,dic_size[item],dic_size[item]/160*1.0])#接下来进行数据的可视化(进行画饼操作)labels=[item[0] +’码’for item in lst_total] #使用列表生成式,得到饼图的标签fraces=[item[2] for item in lst_total] #饼图中的数据源pit.rcParams[’font.family’]=[’SimHei’] #单独的表格乱码的处理方式pit.pie(x=fraces,labels=labels,autopct=’%1.1f%%’)#pit.show()进行结果的图片的展示pit.savefig(’图.jpg’)
文件2
#所涉及到的是requests和openpyxl数据的存储和数据的清洗以及统计然后就是matplotlib进行数据的可视化#静态数据点击element中点击发现在html中,服务器已经渲染好的内容,直接发给浏览器,浏览器解释执行,#动态数据:如果点击下一页。我们的地址栏(加后缀但是前面的地址栏没变也算)(也可以点击2和3页)没有发生任何变化说明是动态数据,说明我们的数据是后来被渲染到html中的。他的数据根本不在html中的。#动态查看network然后用的url是network里面的headers#安装第三方模块输入cmd之后pip install 加名字例如requestsimport requestsimport reimport timeimport jsonimport openpyxl #用于操作 excel文件的headers = {’user-agent’:’Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/74.0.3729.131 Safari/537.36’}#创建头部信息def get_comments(productId,page): url = 'https://club.jd.com/comment/productPageComments.action?callback=fetchJSON_comment98&productId={0}&score=0&sortType=5&page={1}&pageSize=10&isShadowSku=0&fold=1'.format(productId,page) resp = requests.get(url, headers=headers) s=resp.text.replace(’fetchJSON_comment98(’,’’)#进行替换操作。获取到所需要的相应的json,也就是去掉前后没用的东西 s=s.replace(’);’,’’) json_data=json.loads(s)#进行数据json转换 return json_data#获取最大页数def get_max_page(productId): dis_data=get_comments(productId,0)#调用刚才写的函数进行向服务器的访问请求,获取字典数据 return dis_data[’maxPage’]#获取他的最大页数。每一页都有最大页数#进行数据提取def get_info(productId): max_page=get_max_page(productId) lst=[]#用于存储提取到的商品数据 for page in range(1,max_page+1): #获取没页的商品评论 comments=get_comments(productId,page) comm_list=comments[’comments’]#根据comnents获取到评论的列表(每页有10条评论) #遍历评论列表,获取其中的相应的数据 for item in comm_list: #每条评论分别是一字典。在继续通过key来获取值 content=item[’content’] color=item[’productColor’] size=item[’productSize’] lst.append([content,color,size])#将每条评论添加到列表当中 time.sleep(3)#防止被京东封ip进行一个时间延迟。防止访问次数太频繁 save(lst)def save(lst): #把爬取到的数据进行存储,保存到excel中 wk=openpyxl.Workbook()#用于创建工作簿对象 sheet=wk.active #获取活动表(一个工作簿有三个表) #遍历列表将数据添加到excel中。列表中的一条数据在表中是一行 biaotou=’评论’,’颜色’,’大小’ sheet.append(biaotou) for item in lst: sheet.append(item) #将excel保存到磁盘上 wk.save(’销售数据.xlsx’)if __name__==’__main__’: productId=’66749071789’ get_info(productId) print('ok')
实现的效果如下:
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持好吧啦网。
相关文章: