老师布置的期末作业,特来总结一下,希望对大家有帮助。
爬取网站
https://www.maigoo.com/news/593320.html(2021-05-20日在此网站发布2021中国品牌价值500强名单) 本次数据分析只收取前100强名单。
如何爬取
通过使用request、BeautifulSoup库对网站发送请求。并在网站的开发者模式下观察html代码,并找到所需信息的在代码中的位置。解析时采用BeautifulSoup库的find函数。最后将爬取的数据导入excel表格中。
代码
代码分开写了,main实现了爬虫,wmy实现了数据可视化。 main:
import requests
from bs4 import BeautifulSoup
import csv
header = {'User-Agent' : 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/91.0.4472.77 Safari/537.36'}
fp = open("2021中国品牌价值top100榜.csv", 'a', newline='', encoding = 'utf-8-sig')
writer = csv.writer(fp)
s = 1
r = requests.get('https://www.maigoo.com/news/593320.html',headers=header)
r.encoding = 'utf-8'
soup = BeautifulSoup(r.text,'html.parser')
for item in soup.find_all('tr'):
if(s > 505): break
for i in item.find_all('td'):
if(s % 5 == 1):
id = i.string
elif(s % 5 == 2):
name = i.string
elif (s % 5 == 3):
hang = i.string
elif (s % 5 == 4):
loc = i.string
else:
rate = i.string
s += 1
print(id,name,hang,loc,rate)
writer.writerow((id,name,hang,loc,rate))
wmy:
import csv
import pandas as pd
import matplotlib.pyplot as plt
from collections import Counter
from wordcloud import WordCloud
from PIL import Image
import numpy as np
data = '2021中国品牌价值top100榜.csv'
data = pd.read_csv('2021中国品牌价值top100榜.csv')
list_hang = data[u'行业']
list_hang = list(list_hang)
c = Counter(list_hang)
fig = plt.figure()
label = list(c.keys())
value = list(c.values())
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus']=False
plt.pie(value[0:10],labels=label[0:10],startangle=180,autopct="%1.2f%%",shadow=True)
plt.title("Top10行业所占比")
plt.show()
list_loc = data[u'总部所在地']
list_loc = list(list_loc)
b = Counter(list_loc)
print(b)
heng = list(b.keys())
zong = list(b.values())
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus']=False
plt.bar(heng[0:10],zong[0:10])
plt.title("总部所在地情况Top10")
plt.show()
list_zeng = data[u'品牌价值(人民币)/年增长率']
list_zeng = list(list_zeng)
d = []
for i in list_zeng:
x = i.find('/')
if(x!=-1):
d.append(i[x+1:len(i)-1])
print(d)
zeng = []
for i in d[0:5]:
if(i[2] != '.'):
x = int(i[1])*10 + int(i[2])
else: x = int(i[1])
if(i[0] == '-'): zeng.append(-int(x))
else: zeng.append(int(x))
list_pin = list(data[u'品牌名称'])
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus']=False
plt.bar(list_pin[0:5],zeng[0:5])
plt.title("Top5品牌价值年增长率")
plt.show()
list_pin = list(data[u'品牌名称'])
c = ""
for i in list_pin:
c = c + str(i) + ' '
print(c)
mask_pic = np.array(Image.open(r'D:\33.png'))
word = WordCloud(
font_path='C:/Windows/Fonts/simfang.ttf',
mask=mask_pic,
background_color='white',
max_font_size=150,
max_words=1000,
).generate(c)
image = word.to_image()
image.show()
运行结果
爬虫运行结果(main)
数据可视化运行结果(wmy)
结果分析
通过以上分析可以得出: 1、 100强中大多数品牌行业分布在银行(21.33%)、科技(16.00%)、保险(13.33%)、零售(10.67%)、媒体文化(9.33%)等。 2、 100强中大多数品牌的总部分布在北京、广东、上海、香港等地。 3、 前三品牌价值分别是中国工商银行、微信、中国建设银行。 4、 前5强年增长率最高的是腾讯QQ,其次是微信。中国工商、中国建设、华为呈现负增长。
|