律师事务所网站建设网站vr的建设
目录
- 前言
- 一，确定目标
- 二，发送请求
- 三, 解析数据
- 四, 保存数据
- pyecharts进行可视化
- “某站”数据排名前10视频类型
- “某站”标题标签可视化
- “某站”喜欢视频分类概况
- 总结
前言
本项目将会对“某站”热搜排行的数据进行网页信息爬取以及数据可视化分析 本教程仅供学习参考！
首先，准备好相关库
requests、pandas、pyecharts等
因为这是第三方库，所以我们需要额外下载
下载有两种方法（以requests为例，其余库的安装方法类似）：
pip install requests
点击回车后，就会自动帮我们进行安装，如果有的同学安装过程中是非常慢，半天看不到效果，建议大家可以使用镜像文件：在指令中添加-i 网址
pip install numpy -i https://mirrors.aliyun.com/pypi/simple/
常见镜像有：
镜像名称 网址
阿里云 https://mirrors.aliyun.com/pypi/simple/
豆瓣 https://pypi.douban.com/simple/
清华大学(推荐) https://pypi.tuna.tsinghua.edu.cn/simple/
中国科学技术大学 http://pypi.mirrors.ustc.edu.cn/simple/
华中理工大学 http://pypi.hustunique.com/
山东理工大学 http://pypi.sdutlinux.org/
这些都是我们在准备工具，准备好工作后，我们就可以开始进行我们的爬虫工作啦.
一，确定目标
import requests
# 1确定目标
headers={"user-agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/108.0.0.0 Safari/537.36"}
url="https://api.某站（自己可以找到网址，平台不允许放）.com/x/web-interface/popular?ps=20&pn=1"
二，发送请求
response=requests.get(url=url,headers=headers)
三, 解析数据
datas=response.json()['data']['list']
results=[]
for data in datas:result={'标题':data['title'],'视频分类':data['tname'],'aid':data['aid'],'bvid': data['bvid'],'视频描述': data['desc'],'视频封面': data['pic'],'up主': data['owner']['name'],'视频链接': data['short_link'],'投币数': data['stat']['coin'],'收藏数': data['stat']['favorite'],'弹幕数': data['stat']['danmaku'],'喜欢数': data['stat']['like'],'观看数': data['stat']['view'],'分享数': data['stat']['share'],}results.append(result)
四, 保存数据
import pandas as pddf=pd.DataFrame(results)df.to_excel("某站数据01.xlsx",index=False)
]
pyecharts进行可视化
爬虫到这里就结束了，接下来，我们就通过pyecharts进行可视化吧
先进行数据读取
import pandas as pd
data=pd.read_excel("./B站.xlsx")
print(data)
“某站”数据排名前10视频类型
from pyecharts.charts import Bar
from pyecharts import options as opts
bar = (Bar().add_xaxis(sp_data).add_yaxis('',sl_data).set_global_opts(title_opts=opts.TitleOpts(title="B站数据排名前10视频类型"),xaxis_opts=opts.AxisOpts(name_rotate=0,name="品牌名",axislabel_opts={"rotate":60})))
bar.render_notebook()
from pyecharts.charts import Bar
from pyecharts import options as opts
bar = (Bar().add_xaxis(sp_data).add_yaxis('',sl_data).reversal_axis().set_global_opts(title_opts=opts.TitleOpts(title="B站数据排名前10视频类型"),xaxis_opts=opts.AxisOpts(name_rotate=0,name="品牌名",axislabel_opts={"rotate":60})))
bar.render_notebook()
“某站”标题标签可视化
from pyecharts import options as opts
from pyecharts.charts import Page, WordCloud
from pyecharts.globals import SymbolType
def wordcloud_base() -> WordCloud:c = (WordCloud().add("", most_common_words, word_size_range=[20, 100]).set_global_opts(title_opts=opts.TitleOpts(title="B站标题标签可视化")))return cwd = wordcloud_base()
wd.render_notebook()
“某站”喜欢视频分类概况
from pyecharts.charts import Line
line = (Line().add_xaxis(rea).add_yaxis('',res).set_global_opts(title_opts=opts.TitleOpts(title="B站喜欢视频分类概况", subtitle="喜欢数"),xaxis_opts=opts.AxisOpts(name_rotate=0,name="分类",axislabel_opts={"rotate":60})))
line.render_notebook()
总结
这些就是我们通过python爬虫爬取下来的数据，进行可视化的一个分析，你可以通过图看出什么效果呢。除了这些可视图可以单个放，我们也可以把这些图进行合并，变成我们传说中的大屏.
代码如下：
page = Page(layout=Page.DraggablePageLayout)# 在页面中添加图表
page.add(bar2_world(),bar1_world(),line1_world(),wordcloud_base(),)
page.render('test1.html')
想要源码的同学，可以后台私信我一下哈