• 分类

  • 重置

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 openpyxl
    import 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_row
    cols=sheet.max_column
    lst=[] #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]=0
    
    for item in lst:
      for size in dic_size:
        #遍历字典
        if item==size:
          dic_size[size]+=1
          break
    for 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requests
    import requests
    import re
    import time
    import json
    import 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lingkb。