[Python知识库]【python】采集可爱猫咪数据并作可视化

前言

嗨喽~大家好呀，这里是魔王呐 !

环境介绍：

• python 3.6

• pycharm

爬虫部分使用模块：

• csv

• requests >>> pip install requests

• parsel

如何安装python第三方模块:

1. win + R 输入 cmd 点击确定, 输入安装命令 pip install 模块名 (pip install requests) 回车
2. 在pycharm中点击Terminal(终端) 输入安装命令

数据可视化使用模块：

• pyecharts

• pandas

本节课程的案例流程思路：

一. 网站数据来源查询：

1. 确定一下目标需求： 爬取猫咪交易网站数据 做一个数据可视化图

2. 去网站 ： 地区 …

3. 如果想要在网页上抓包 找一些数据来源 都是要通过开发者工具 F12/ 鼠标右键点击检查

   • 可以直接复制想要数据内容在开发者工具进行搜索

二. 代码实现步骤

1. 请求 http://www.maomijiaoyi.com/index.php?/chanpinliebiao_c_2.html 获取 猫咪的详情页url地址以及地区

2. 请求 猫咪的详情页url地址 获取猫咪详情信息数据

3. 保存数据 到CSV文件

4. 数据可视化

采集代码

获取源码链接点击

import requests  # 第三方模块 需要 pip install requests 发送请求
import parsel # 解析模块 pip install parsel
import csv # 内置模块 不需要大家安装

f = open('猫咪.csv', mode='a', encoding='utf-8', newline='')
csv_writer = csv.DictWriter(f, fieldnames=['地区', '店名', '标题', '价格', '浏览次数', '卖家承诺', '在售只数',
                                           '年龄', '品种', '预防', '联系人', '联系方式', '异地运费', '是否纯种',
                                           '猫咪性别', '驱虫情况', '能否视频', '详情页'])

# 写入表头
csv_writer.writeheader()

for page in range(1, 21):
    print(f'===========================正在爬取第{page}页的数据内容==================================')

请求头： 把python代码伪装成 浏览器对服务器发送请求

headers = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/89.0.4389.114 Safari/537.36'
}
response = requests.get(url=url, headers=headers)

获取网页的文本数据 response.text json() 获取json字典数据

# print(response.text)
# 解析数据 获取 猫咪的详情页url地址以及地区
# 要把 网页文本数据转换成 parsel 解析的 对象
selector = parsel.Selector(response.text)
href = selector.css('div.content:nth-child(1) a::attr(href)').getall()
areas = selector.css('div.content:nth-child(1) .area .color_333::text').getall()
# 列表推导式
areas = [i.strip() for i in areas]
# 需要把两个列表合成一个列表 遍历循环提取每一个元素
zip_data = zip(href, areas)
for index in zip_data:

css选择器： 根据标签提取数据内容

getall() 返回的是列表

get() 是返回的字符串

        response_1 = requests.get(url=index_url, headers=headers)
        selector_1 = parsel.Selector(response_1.text)
        area = index[1]
        # get() 取一个  返回是字符串  strip() 字符串的方法
        title = selector_1.css('.detail_text .title::text').get().strip() # 标题
        shop = selector_1.css('.dinming::text').get().strip() # 店名
        price = selector_1.css('.info1 div:nth-child(1) span.red.size_24::text').get() # 价格
        views = selector_1.css('.info1 div:nth-child(1) span:nth-child(4)::text').get() # 浏览次数
        # replace() 替换
        promise = selector_1.css('.info1 div:nth-child(2) span::text').get().replace('卖家承诺: ', '') # 浏览次数
        num = selector_1.css('.info2 div:nth-child(1) div.red::text').get() # 在售只数
        age = selector_1.css('.info2 div:nth-child(2) div.red::text').get() # 年龄
        kind = selector_1.css('.info2 div:nth-child(3) div.red::text').get() # 品种
        prevention = selector_1.css('.info2 div:nth-child(4) div.red::text').get() # 预防
        person = selector_1.css('div.detail_text .user_info div:nth-child(1) .c333::text').get() # 联系人
        phone = selector_1.css('div.detail_text .user_info div:nth-child(2) .c333::text').get() # 联系方式
        postage = selector_1.css('div.detail_text .user_info div:nth-child(3) .c333::text').get().strip() # 包邮
        purebred = selector_1.css('.xinxi_neirong div:nth-child(1) .item_neirong div:nth-child(1) .c333::text').get().strip() # 是否纯种
        sex = selector_1.css('.xinxi_neirong div:nth-child(1) .item_neirong div:nth-child(4) .c333::text').get().strip() # 猫咪性别
        video = selector_1.css('.xinxi_neirong div:nth-child(2) .item_neirong div:nth-child(4) .c333::text').get().strip() # 能否视频
        worming = selector_1.css('.xinxi_neirong div:nth-child(2) .item_neirong div:nth-child(2) .c333::text').get().strip() # 是否驱虫
        dit = {
            '地区': area,
            '店名': shop,
            '标题': title,
            '价格': price,
            '浏览次数': views,
            '卖家承诺': promise,
            '在售只数': num,
            '年龄': age,
            '品种': kind,
            '预防': prevention,
            '联系人': person,
            '联系方式': phone,
            '异地运费': postage,
            '是否纯种': purebred,
            '猫咪性别': sex,
            '驱虫情况': worming,
            '能否视频': video,
        }
        csv_writer.writerow(dit)
        print(title, area, shop, price, views, promise, num, age,
              kind, prevention, person, phone, postage, purebred, sex, video, worming, index_url, sep=' | ')

可视化代码

获取源码链接点击

import pandas as pd 
pd.set_option('display.max_columns', None)

cat_info = pd.read_csv(r'C:\Users\青灯教育\Desktop\猫咪.csv', encoding='utf-8', engine='python')
cat_info.head(5)

cat_info['地区'] = cat_info['地区'].astype(str)
cat_info['province'] = cat_info['地区'].map(lambda s: s.split('/')[0])
pv = cat_info['province'].value_counts().reset_index()

from pyecharts import options as opts
from pyecharts.charts import Map
from pyecharts.faker import Faker

c = (
    Map(init_opts=opts.InitOpts(theme=ThemeType.LIGHT))
    .add("", [list(z) for z in zip(list(pv['index']), list(pv['province']))], "china")
    .set_global_opts(
        title_opts=opts.TitleOpts(title="猫猫售卖省份分布"),
        visualmap_opts=opts.VisualMapOpts(max_=16500, is_piecewise=True),
    )
)

c.render_notebook()

# 交易品种占比树状图
from pyecharts import options as opts
from pyecharts.charts import TreeMap

pingzhong = cat_info['品种'].value_counts().reset_index()
data = [{'value':i[1],'name':i[0]} for i in zip(list(pingzhong['index']),list(pingzhong['品种']))]

c = (
    TreeMap(init_opts=opts.InitOpts(theme=ThemeType.LIGHT))
    .add("", data)
    .set_global_opts(title_opts=opts.TitleOpts(title=""))
    .set_series_opts(label_opts=opts.LabelOpts(position="inside"))
)

c.render_notebook()

# 
price = cat_info.groupby('品种').mean()['价格'].reset_index()
price['价格'] = round(price['价格'],0)
price = price.sort_values(by='价格')

from pyecharts import options as opts
from pyecharts.charts import PictorialBar
from pyecharts.globals import SymbolType

location = list(price['品种'])
values = list(price['价格'])

c = (
    PictorialBar(init_opts=opts.InitOpts(theme=ThemeType.LIGHT))
    .add_xaxis(location)
    .add_yaxis(
        "",
        values,
        label_opts=opts.LabelOpts(is_show=False),
        symbol_size=18,
        symbol_repeat="fixed",
        symbol_offset=[0, 0],
        is_symbol_clip=True,
        symbol=SymbolType.ROUND_RECT,
    )
    .reversal_axis()
    .set_global_opts(
        title_opts=opts.TitleOpts(title="均价排名"),
        xaxis_opts=opts.AxisOpts(is_show=False),
        yaxis_opts=opts.AxisOpts(
            axistick_opts=opts.AxisTickOpts(is_show=False),
            axisline_opts=opts.AxisLineOpts(
                linestyle_opts=opts.LineStyleOpts(opacity=0),
            
            ),
        ),
    )
    .set_series_opts(
        label_opts=opts.LabelOpts(position='insideRight')
    )
)

c.render_notebook()

# 年龄分布，柱状图
cat_info['年龄'] = cat_info['年龄'].astype(str)
age = cat_info['年龄'].map(lambda x: x.replace('个月','')).reset_index()
def ages(s):
    if s == 'nan':
        return s
    s = int(s)
    if 1 <= s < 3: 
        return '1-3个月'
    if 3 <= s < 6: 
        return '3-6个月'
    if 6 <= s < 9:
        return '6-9个月'
    if 9 <= s < 12 :
        return '9-12个月'
    if s >= 12:
        return '1年以上'
age['age'] = age['年龄'].map(ages)
age = age['age'].value_counts().reset_index()
age = age[age['index'] != 'nan']
age

from pyecharts import options as opts
from pyecharts.charts import Bar
from pyecharts.faker import Faker

x = ['1-3个月','3-6个月','6-9个月','9-12个月','1年以上']
y = [69343,115288,18239,4139,5]

c = (
    Bar(init_opts=opts.InitOpts(theme=ThemeType.LIGHT))
    .add_xaxis(x)
    .add_yaxis('', y)
    .set_global_opts(title_opts=opts.TitleOpts(title="猫龄分布"))
)

c.render_notebook()

## 浏览次数是否跟价格成正比，散点图
view = cat_info['浏览次数']
money = cat_info['价格']

import pyecharts.options as opts
from pyecharts.charts import Scatter


x_data = list(view)[:1000]
y_data = list(money)[:1000]

c = (
    Scatter(init_opts=opts.InitOpts(theme=ThemeType.LIGHT))
    .add_xaxis(xaxis_data=x_data)
    .add_yaxis(
        series_name="",
        y_axis=y_data,
        symbol_size=20,
        label_opts=opts.LabelOpts(is_show=False),
    )
    .set_series_opts()
    .set_global_opts(
        xaxis_opts=opts.AxisOpts(
            type_="value", 
            splitline_opts=opts.SplitLineOpts(is_show=True),
            name='浏览次数'
        ),
        yaxis_opts=opts.AxisOpts(
            type_="value",
            axistick_opts=opts.AxisTickOpts(is_show=True),
            splitline_opts=opts.SplitLineOpts(is_show=True),
            name='价格'
        ),
        tooltip_opts=opts.TooltipOpts(is_show=False),
    )
)

c.render_notebook()

# 价格是否与年龄有关，箱型图
a_p = cat_info[['价格','年龄']]
a_p['年龄'] = a_p['年龄'].map(lambda x: x.replace('个月',''))
def ages(s):
    if s == 'nan':
        return s
    s = int(s)
    if 1 <= s < 3: 
        return '1-3个月'
    if 3 <= s < 6: 
        return '3-6个月'
    if 6 <= s < 9:
        return '6-9个月'
    if 9 <= s < 12 :
        return '9-12个月'
    if s >= 12:
        return '1年以上'
a_p['age'] = a_p['年龄'].map(ages)
a_p.head()

from pyecharts import options as opts
from pyecharts.charts import Boxplot

v1 = [
    list(a_p[a_p['age'] == '1-3个月']['价格']),
    list(a_p[a_p['age'] == '3-6个月']['价格']),
    list(a_p[a_p['age'] == '6-9个月']['价格']),
    list(a_p[a_p['age'] == '9-12个月']['价格']),
    list(a_p[a_p['age'] == '1年以上']['价格'])
]

c = Boxplot(init_opts=opts.InitOpts(theme=ThemeType.LIGHT))
c.add_xaxis(["1-3个月", "3-6个月",'6-9个月','9-12个月','1年以上'])
c.add_yaxis("喵喵", c.prepare_data(v1))
c.set_global_opts(title_opts=opts.TitleOpts(title="猫龄&价格"))

c.render_notebook()

尾语

没有太晚的开始，不如就从今天行动。

总有一天，那个一点一点可见的未来，

会在你心里，也在你的脚下慢慢清透。

生活，从不亏待每一个努力向上的人。

—— 心灵鸡汤

本文章到这里就结束啦~感兴趣的小伙伴可以复制代码去试试哦 😝