Python如何爬取某東羽絨服數(shù)據(jù)并繪制可視化圖
本篇文章為大家展示了Python如何爬取某東羽絨服數(shù)據(jù)并繪制可視化圖，內(nèi)容簡明扼要并且容易理解，絕對能使你眼前一亮，通過這篇文章的詳細(xì)介紹希望你能有所收獲。
企業(yè)建站必須是能夠以充分展現(xiàn)企業(yè)形象為主要目的，是企業(yè)文化與產(chǎn)品對外擴(kuò)展宣傳的重要窗口，一個(gè)合格的網(wǎng)站不僅僅能為公司帶來巨大的互聯(lián)網(wǎng)上的收集和信息發(fā)布平臺，創(chuàng)新互聯(lián)面向各種領(lǐng)域：成都VR全景等成都網(wǎng)站設(shè)計(jì)、成都全網(wǎng)營銷解決方案、網(wǎng)站設(shè)計(jì)等建站排名服務(wù)。
前就在上，廣深的朋友估計(jì)還穿著短袖羨慕著北方的下雪氣氛。結(jié)果就在上周，廣深也迎來了降溫，大家紛紛加入“降溫群聊”。
為了幫助大家抵抗御嚴(yán)寒，我特地爬了下京東的羽絨服數(shù)據(jù)。為啥不是天貓呢，理由很簡單，滑塊驗(yàn)證有點(diǎn)麻煩。
數(shù)據(jù)獲取
京東網(wǎng)站是一個(gè)ajax動態(tài)加載的網(wǎng)站，只能通過解析接口或使用硒自動化測試工具去爬取。關(guān)于動態(tài)網(wǎng)頁爬蟲，本公眾號歷史原創(chuàng)文章介紹過，感興趣的朋友可以去了解一下。
本次數(shù)據(jù)獲取采用硒，由于我的谷歌瀏覽器版本更新較快，導(dǎo)致原來的谷歌驅(qū)動程序中斷。于是，我替換了瀏覽器自動更新，并下載了對應(yīng)版本的驅(qū)動。
接著，利用硒在京東網(wǎng)搜索羽絨服，手機(jī)掃碼登錄，獲得了羽絨服的商品名稱，商品價(jià)格，店鋪名稱，評論人數(shù)等信息。
from selenium import webdriver
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.common.by import By
from selenium.webdriver.support.ui import WebDriverWait
from lxml import etree
import random
import json
import csv
import time
browser = webdriver.Chrome('/菜J學(xué)Python/京東/chromedriver')
wait =WebDriverWait(browser,50) #設(shè)置等待時(shí)間
url = 'https://www.jd.com/'
data_list= [] #設(shè)置全局變量用來存儲數(shù)據(jù)
keyword ="羽絨服"#關(guān)鍵詞
def page_click(page_number):
try:
# 滑動到底部
browser.execute_script("window.scrollTo(0, document.body.scrollHeight);")
time.sleep(random.randint(1, 3)) #隨機(jī)延遲
button = wait.until(
EC.element_to_be_clickable((By.CSS_SELECTOR, '#J_bottomPage > span.p-num > a.pn-next > em'))
)#翻頁按鈕
button.click()#點(diǎn)擊按鈕
wait.until(
EC.presence_of_all_elements_located((By.CSS_SELECTOR, "#J_goodsList > ul > li:nth-child(30)"))
)#等到30個(gè)商品都加載出來
# 滑到底部，加載出后30個(gè)商品
browser.execute_script("window.scrollTo(0, document.body.scrollHeight);")
wait.until(
EC.presence_of_all_elements_located((By.CSS_SELECTOR, "#J_goodsList > ul > li:nth-child(60)"))
)#等到60個(gè)商品都加載出來
wait.until(
EC.text_to_be_present_in_element((By.CSS_SELECTOR, "#J_bottomPage > span.p-num > a.curr"), str(page_number))
)# 判斷翻頁成功,高亮的按鈕數(shù)字與設(shè)置的頁碼一樣
html = browser.page_source#獲取網(wǎng)頁信息
prase_html(html)#調(diào)用提取數(shù)據(jù)的函數(shù)
except TimeoutError:
return page_click(page_number)數(shù)據(jù)清洗
導(dǎo)入數(shù)據(jù)
import pandas as pd
import numpy as np
df = pd.read_csv("/菜J學(xué)Python/京東/羽絨服.csv")
df.sample(10)重命名列
df = df.rename(columns={'title':'商品名稱','price':'商品價(jià)格','shop_name':'店鋪名稱','comment':'評論人數(shù)'})查看數(shù)據(jù)信息
df.info() ''' 1.可能存在重復(fù)值 2.商店名稱存在缺失值 3.評價(jià)人數(shù)需要清洗 '''
<class 'pandas.core.frame.DataFrame'> RangeIndex: 4950 entries, 0 to 4949 Data columns (total 4 columns): # Column Non-Null Count Dtype --- ------ -------------- ----- 0 商品名稱 4950 non-null object 1 商品價(jià)格 4950 non-null float64 2 店鋪名稱 4949 non-null object 3 評論人數(shù) 4950 non-null object dtypes: float64(1), object(3) memory usage: 154.8+ KB
刪除重復(fù)數(shù)據(jù)
df = df.drop_duplicates()
缺失值處理
df["店鋪名稱"] = df["店鋪名稱"].fillna("無名氏")商品名稱清洗
厚度
tmp=[]
for i in df["商品名稱"]:
if"厚"in i:
tmp.append("厚款")
elif"薄"in i:
tmp.append("薄款")
else:
tmp.append("其他")
df['厚度'] = tmp版型
for i in df["商品名稱"]:
if"修身"in i:
tmp.append("修身型")
elif"寬松"in i:
tmp.append("寬松型")
else:
tmp.append("其他")
df['版型'] = tmp風(fēng)格
tmp=[]
for i in df["商品名稱"]:
if"韓"in i:
tmp.append("韓版")
elif"商務(wù)"in i:
tmp.append("商務(wù)風(fēng)")
elif"休閑"in i:
tmp.append("休閑風(fēng)")
elif"簡約"in i:
tmp.append("簡約風(fēng)")
else:
tmp.append("其他")
df['風(fēng)格'] = tmp商品價(jià)格清洗
df["價(jià)格區(qū)間"] = pd.cut(df["商品價(jià)格"],[0, 100,300, 500, 700, 1000,1000000],labels=['100元以下','100元-300元','300元-500元','500元-700元','700元-1000元','1000元以上'],right=False)
評價(jià)人數(shù)清洗
import re
df['數(shù)字'] = [re.findall(r'(\d+\.{0,1}\d*)', i)[0] for i in df['評論人數(shù)']] #提取數(shù)字
df['數(shù)字'] = df['數(shù)字'].astype('float') #轉(zhuǎn)化數(shù)值型
df['單位'] = [''.join(re.findall(r'(萬)', i)) for i in df['評論人數(shù)']] #提取單位（萬）
df['單位'] = df['單位'].apply(lambda x:10000if x=='萬'else1)
df['評論人數(shù)'] = df['數(shù)字'] * df['單位'] # 計(jì)算評論人數(shù)
df['評論人數(shù)'] = df['評論人數(shù)'].astype("int")
df.drop(['數(shù)字', '單位'], axis=1, inplace=True)店鋪名稱清洗
df["店鋪類型"] = df["店鋪名稱"].str[-3:]
可視化
引入可視化相關(guān)庫
import matplotlib.pyplot as plt import seaborn as sns %matplotlib inline plt.rcParams['font.sans-serif'] = ['SimHei'] # 設(shè)置加載的字體名 plt.rcParams['axes.unicode_minus'] = False# 解決保存圖像是負(fù)號'-'顯示為方塊的問題 import jieba import re from pyecharts.charts import * from pyecharts import options as opts from pyecharts.globals import ThemeType import stylecloud from IPython.display import Image
描述性統(tǒng)計(jì)
相關(guān)性分析
商品價(jià)格分布直方圖
sns.set_style('white')
fig,axes=plt.subplots(figsize=(15,8))
sns.distplot(df["商品價(jià)格"],color="salmon",bins=10)
plt.xticks(fontsize=16)
plt.yticks(fontsize=16)
axes.set_title("商品價(jià)格分布直方圖")評論人數(shù)分布直方圖
sns.set_style('white')
fig,axes=plt.subplots(figsize=(15,8))
sns.distplot(df["評論人數(shù)"],color="green",bins=10,rug=True)
plt.xticks(fontsize=16)
plt.yticks(fontsize=16)
axes.set_title("評論人數(shù)分布直方圖")
評論人數(shù)與商品價(jià)格的關(guān)系
fig,axes=plt.subplots(figsize=(15,8)) sns.regplot(x='評論人數(shù)',y='商品價(jià)格',data=df,color='orange',marker='*') plt.xticks(fontsize=16) plt.yticks(fontsize=16)
羽絨服價(jià)格分布
df2 = df["價(jià)格區(qū)間"].astype("str").value_counts()
print(df2)
df2 = df2.sort_values(ascending=False)
regions = df2.index.to_list()
values = df2.to_list()
c = (
Pie(init_opts=opts.InitOpts(theme=ThemeType.DARK))
.add("", list(zip(regions,values)))
.set_global_opts(legend_opts = opts.LegendOpts(is_show = False),title_opts=opts.TitleOpts(title="羽絨服價(jià)格區(qū)間分布",subtitle="數(shù)據(jù)來源：騰訊視頻\n制圖：菜J學(xué)Python",pos_top="0.5%",pos_left = 'left'))
.set_series_opts(label_opts=opts.LabelOpts(formatter="{b}:rfvhjzh%",font_size=14))
)
c.render_notebook()
評論人數(shù)top10店鋪
df5 = df.groupby('店鋪名稱')['評論人數(shù)'].mean()
df5 = df5.sort_values(ascending=True)
df5 = df5.tail(10)
print(df5.index.to_list())
print(df5.to_list())
c = (
Bar(init_opts=opts.InitOpts(theme=ThemeType.DARK,width="1100px",height="600px"))
.add_xaxis(df5.index.to_list())
.add_yaxis("",df5.to_list()).reversal_axis() #X軸與y軸調(diào)換順序
.set_global_opts(title_opts=opts.TitleOpts(title="評論人數(shù)TOP10",subtitle="數(shù)據(jù)來源：京東 \t制圖：J哥",pos_left = 'left'),
xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(font_size=11)), #更改橫坐標(biāo)字體大小
#yaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(font_size=12)),
yaxis_opts=opts.AxisOpts(axislabel_opts={"rotate":30})#更改縱坐標(biāo)字體大小
)
.set_series_opts(label_opts=opts.LabelOpts(font_size=16,position='right'))
)
c.render_notebook()版型
df5 = df.groupby('版型')['商品價(jià)格'].mean()
df5 = df5.sort_values(ascending=True)[:2]
#df5 = df5.tail(10)
df5 = df5.round(2)
print(df5.index.to_list())
print(df5.to_list())
c = (
Bar(init_opts=opts.InitOpts(theme=ThemeType.DARK,width="1000px",height="500px"))
.add_xaxis(df5.index.to_list())
.add_yaxis("",df5.to_list()).reversal_axis() #X軸與y軸調(diào)換順序
.set_global_opts(title_opts=opts.TitleOpts(title="各版型羽絨服均價(jià)",subtitle="數(shù)據(jù)來源：中原地產(chǎn) \t制圖：J哥",pos_left = 'left'),
xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(font_size=11)), #更改橫坐標(biāo)字體大小
#yaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(font_size=12)),
yaxis_opts=opts.AxisOpts(axislabel_opts={"rotate":30})#更改縱坐標(biāo)字體大小
)
.set_series_opts(label_opts=opts.LabelOpts(font_size=16,position='right'))
)
c.render_notebook()
厚度
df5 = df.groupby('厚度')['商品價(jià)格'].mean()
df5 = df5.sort_values(ascending=True)[:2]
#df5 = df5.tail(10)
df5 = df5.round(2)
print(df5.index.to_list())
print(df5.to_list())
c = (
Bar(init_opts=opts.InitOpts(theme=ThemeType.DARK,width="1000px",height="500px"))
.add_xaxis(df5.index.to_list())
.add_yaxis("",df5.to_list()).reversal_axis() #X軸與y軸調(diào)換順序
.set_global_opts(title_opts=opts.TitleOpts(title="各厚度羽絨服均價(jià)",subtitle="數(shù)據(jù)來源：京東 \t制圖：J哥",pos_left = 'left'),
xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(font_size=11)), #更改橫坐標(biāo)字體大小
#yaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(font_size=12)),
yaxis_opts=opts.AxisOpts(axislabel_opts={"rotate":30})#更改縱坐標(biāo)字體大小
)
.set_series_opts(label_opts=opts.LabelOpts(font_size=16,position='right'))
)
c.render_notebook()風(fēng)格
df5 = df.groupby('風(fēng)格')['商品價(jià)格'].mean()
df5 = df5.sort_values(ascending=True)[:4]
#df5 = df5.tail(10)
df5 = df5.round(2)
print(df5.index.to_list())
print(df5.to_list())
c = (
Bar(init_opts=opts.InitOpts(theme=ThemeType.DARK,width="1000px",height="500px"))
.add_xaxis(df5.index.to_list())
.add_yaxis("",df5.to_list()).reversal_axis() #X軸與y軸調(diào)換順序
.set_global_opts(title_opts=opts.TitleOpts(title="各風(fēng)格羽絨服均價(jià)",subtitle="數(shù)據(jù)來源：京東 \t制圖：J哥",pos_left = 'left'),
xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(font_size=11)), #更改橫坐標(biāo)字體大小
#yaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(font_size=12)),
yaxis_opts=opts.AxisOpts(axislabel_opts={"rotate":30})#更改縱坐標(biāo)字體大小
)
.set_series_opts(label_opts=opts.LabelOpts(font_size=16,position='right'))
)
c.render_notebook()
上述內(nèi)容就是Python如何爬取某東羽絨服數(shù)據(jù)并繪制可視化圖，你們學(xué)到知識或技能了嗎？如果還想學(xué)到更多技能或者豐富自己的知識儲備，歡迎關(guān)注創(chuàng)新互聯(lián)行業(yè)資訊頻道。
文章名稱：Python如何爬取某東羽絨服數(shù)據(jù)并繪制可視化圖
文章網(wǎng)址：http://www.chinadenli.net/article8/pgdjip.html
成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供虛擬主機(jī)、App設(shè)計(jì)、營銷型網(wǎng)站建設(shè)、品牌網(wǎng)站設(shè)計(jì)、企業(yè)網(wǎng)站制作、企業(yè)建站
聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請盡快告知，我們將會在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來源： 創(chuàng)新互聯(lián)
- 網(wǎng)站改版時(shí)很容易犯的幾種錯(cuò)誤 2021-06-27
- 談?wù)勅绾纹椒€(wěn)過渡網(wǎng)站改版 2022-05-29
- 成都網(wǎng)站建設(shè)：舊網(wǎng)站改版需要更加平穩(wěn) 2017-01-08
- 淺談萬儀科技網(wǎng)站改版的見解 2023-02-09
- 怎么規(guī)劃網(wǎng)站改版計(jì)劃，注意事項(xiàng)是什么 2021-09-19
- 網(wǎng)站改版是不可缺少的戰(zhàn)略 2016-11-02
- 企業(yè)網(wǎng)站改版應(yīng)該如果應(yīng)對 2016-10-15
- 怎樣制作網(wǎng)站？網(wǎng)站改版怎樣做？ 2023-02-22
- 成都網(wǎng)站建設(shè)網(wǎng)站改版需要多少費(fèi)用？ 2016-11-14
- 六個(gè)詳細(xì)的事項(xiàng)，以避免網(wǎng)站改版升級的風(fēng)險(xiǎn) 2022-06-14
- 成都網(wǎng)站優(yōu)化：網(wǎng)站改版會對搜索引擎有什么影響？ 2022-12-17
- 營銷型外貿(mào)網(wǎng)站改版須知 2013-05-19