溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
本篇文章為大家展示了Python如何爬取某東羽絨服數據并繪制可視化圖，內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介紹希望你能有所收獲。
前就在上，廣深的朋友估計還穿著短袖羨慕著北方的下雪氣氛。結果就在上周，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寒，我特地爬了下京東的羽絨服數據。為啥不是天貓呢，理由很簡單，滑塊驗證有點麻煩。
京東網站是一個ajax動態加載的網站，只能通過解析接口或使用硒自動化測試工具去爬取。關于動態網頁爬蟲，本公眾號歷史原創文章介紹過，感興趣的朋友可以去了解一下。
本次數據獲取采用硒，由于我的谷歌瀏覽器版本更新較快，導致原來的谷歌驅動程序中斷。于是，我替換了瀏覽器自動更新，并下載了對應版本的驅動。
接著，利用硒在京東網搜索羽絨服，手機掃碼登錄，獲得了羽絨服的商品名稱，商品價格，店鋪名稱，評論人數等信息。
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Python/京東/chromedriver')
wait =WebDriverWait(browser,50) #設置等待時間
url = 'https://www.jd.com/'
data_list= [] #設置全局變量用來存儲數據
keyword ="羽絨服"#關鍵詞
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個商品都加載出來
# 滑到底部，加載出后30個商品
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,高亮的按鈕數字與設置的頁碼一樣
html = browser.page_source#獲取網頁信息
prase_html(html)#調用提取數據的函數
except TimeoutError:
return page_click(page_number)import pandas as pd
import numpy as np
df = pd.read_csv("/菜J學Python/京東/羽絨服.csv")
df.sample(10)df = df.rename(columns={'title':'商品名稱','price':'商品價格','shop_name':'店鋪名稱','comment':'評論人數'})df.info() ''' 1.可能存在重復值 2.商店名稱存在缺失值 3.評價人數需要清洗 '''
<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 商品價格 4950 non-null float64 2 店鋪名稱 4949 non-null object 3 評論人數 4950 non-null object dtypes: float64(1), object(3) memory usage: 154.8+ KB
df = df.drop_duplicates()
df["店鋪名稱"] = df["店鋪名稱"].fillna("無名氏")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風格
tmp=[]
for i in df["商品名稱"]:
if"韓"in i:
tmp.append("韓版")
elif"商務"in i:
tmp.append("商務風")
elif"休閑"in i:
tmp.append("休閑風")
elif"簡約"in i:
tmp.append("簡約風")
else:
tmp.append("其他")
df['風格'] = tmpdf["價格區間"] = pd.cut(df["商品價格"],[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)
import re
df['數字'] = [re.findall(r'(\d+\.{0,1}\d*)', i)[0] for i in df['評論人數']] #提取數字
df['數字'] = df['數字'].astype('float') #轉化數值型
df['單位'] = [''.join(re.findall(r'(萬)', i)) for i in df['評論人數']] #提取單位（萬）
df['單位'] = df['單位'].apply(lambda x:10000if x=='萬'else1)
df['評論人數'] = df['數字'] * df['單位'] # 計算評論人數
df['評論人數'] = df['評論人數'].astype("int")
df.drop(['數字', '單位'], axis=1, inplace=True)df["店鋪類型"] = df["店鋪名稱"].str[-3:]
import matplotlib.pyplot as plt import seaborn as sns %matplotlib inline plt.rcParams['font.sans-serif'] = ['SimHei'] # 設置加載的字體名 plt.rcParams['axes.unicode_minus'] = False# 解決保存圖像是負號'-'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
商品價格分布直方圖
sns.set_style('white')
fig,axes=plt.subplots(figsize=(15,8))
sns.distplot(df["商品價格"],color="salmon",bins=10)
plt.xticks(fontsize=16)
plt.yticks(fontsize=16)
axes.set_title("商品價格分布直方圖")評論人數分布直方圖
sns.set_style('white')
fig,axes=plt.subplots(figsize=(15,8))
sns.distplot(df["評論人數"],color="green",bins=10,rug=True)
plt.xticks(fontsize=16)
plt.yticks(fontsize=16)
axes.set_title("評論人數分布直方圖")
評論人數與商品價格的關系
fig,axes=plt.subplots(figsize=(15,8)) sns.regplot(x='評論人數',y='商品價格',data=df,color='orange',marker='*') plt.xticks(fontsize=16) plt.yticks(fontsize=16)
df2 = df["價格區間"].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="羽絨服價格區間分布",subtitle="數據來源：騰訊視頻\n制圖：菜J學Python",pos_top="0.5%",pos_left = 'left'))
.set_series_opts(label_opts=opts.LabelOpts(formatter="{b}:aegqsqibtmh%",font_size=14))
)
c.render_notebook()
df5 = df.groupby('店鋪名稱')['評論人數'].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軸調換順序
.set_global_opts(title_opts=opts.TitleOpts(title="評論人數TOP10",subtitle="數據來源：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})#更改縱坐標字體大小
)
.set_series_opts(label_opts=opts.LabelOpts(font_size=16,position='right'))
)
c.render_notebook()df5 = df.groupby('版型')['商品價格'].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軸調換順序
.set_global_opts(title_opts=opts.TitleOpts(title="各版型羽絨服均價",subtitle="數據來源：中原地產 \t制圖：J哥",pos_left = 'left'),
xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(font_size=11)), #更改橫坐標字體大小
#yaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(font_size=12)),
yaxis_opts=opts.AxisOpts(axislabel_opts={"rotate":30})#更改縱坐標字體大小
)
.set_series_opts(label_opts=opts.LabelOpts(font_size=16,position='right'))
)
c.render_notebook()
df5 = df.groupby('厚度')['商品價格'].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軸調換順序
.set_global_opts(title_opts=opts.TitleOpts(title="各厚度羽絨服均價",subtitle="數據來源：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})#更改縱坐標字體大小
)
.set_series_opts(label_opts=opts.LabelOpts(font_size=16,position='right'))
)
c.render_notebook()df5 = df.groupby('風格')['商品價格'].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軸調換順序
.set_global_opts(title_opts=opts.TitleOpts(title="各風格羽絨服均價",subtitle="數據來源：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})#更改縱坐標字體大小
)
.set_series_opts(label_opts=opts.LabelOpts(font_size=16,position='right'))
)
c.render_notebook()
上述內容就是Python如何爬取某東羽絨服數據并繪制可視化圖，你們學到知識或技能了嗎？如果還想學到更多技能或者豐富自己的知識儲備，歡迎關注億速云行業資訊頻道。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
