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(jiǎn)明扼要并且容易理解，絕對(duì)能使你眼前一亮，通過(guò)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(duì)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(lái)巨大的互聯(lián)網(wǎng)上的收集和信息發(fā)布平臺(tái)，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(yíng)銷(xiāo)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(lái)了降溫，大家紛紛加入“降溫群聊”。

Python如何爬取某東羽絨服數(shù)據(jù)并繪制可視化圖

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(jiǎn)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(dòng)態(tài)加載的網(wǎng)站，只能通過(guò)解析接口或使用硒自動(dòng)化測(cè)試工具去爬取。關(guān)于動(dòng)態(tài)網(wǎng)頁(yè)爬蟲(chóng)，本公眾號(hào)歷史原創(chuàng)文章介紹過(guò)，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(lái)的谷歌驅(qū)動(dòng)程序中斷。于是，我替換了瀏覽器自動(dòng)更新，并下載了對(duì)應(yīng)版本的驅(qū)動(dòng)。

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(chēng)，商品價(jià)格，店鋪名稱(chēng)，評(píng)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(lái)存儲(chǔ)數(shù)據(jù)
keyword ="羽絨服"#關(guān)鍵詞

def page_click(page_number):
    try:
        # 滑動(dòng)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(yè)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(lái)
        # 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(lái)
        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(yè)成功,高亮的按鈕數(shù)字與設(shè)置的頁(yè)碼一樣
        html = browser.page_source#獲取網(wǎng)頁(yè)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(chēng)','price':'商品價(jià)格','shop_name':'店鋪名稱(chēng)','comment':'評(píng)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(chēng)存在缺失值
3.評(píng)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(chēng)    4950 non-null   object 
 1   商品價(jià)格    4950 non-null   float64
 2   店鋪名稱(chēng)    4949 non-null   object 
 3   評(píng)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(chēng)"] = df["店鋪名稱(chēng)"].fillna("無(wú)名氏")

商品名稱(chēng)清洗

厚度

tmp=[]
for i in df["商品名稱(chēng)"]:
    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(chēng)"]:
    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(chēng)"]:
    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(jiǎn)約"in i:
        tmp.append("簡(jiǎn)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(píng)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(píng)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(wàn))', i)) for i in df['評(píng)論人數(shù)']]  #提取單位（萬(wàn)）
df['單位'] = df['單位'].apply(lambda x:10000if x=='萬(wàn)'else1)
df['評(píng)論人數(shù)'] = df['數(shù)字'] * df['單位'] # 計(jì)算評(píng)論人數(shù)
df['評(píng)論人數(shù)'] = df['評(píng)論人數(shù)'].astype("int")
df.drop(['數(shù)字', '單位'], axis=1, inplace=True)

店鋪名稱(chēng)清洗

df["店鋪類(lèi)型"] = df["店鋪名稱(chēng)"].str[-3:]

可視化

引入可視化相關(guān)庫(kù)

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(hào)'-'顯示為方塊的問(wèn)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)

Python如何爬取某東羽絨服數(shù)據(jù)并繪制可視化圖

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(píng)論人數(shù)分布直方圖

sns.set_style('white')  
fig,axes=plt.subplots(figsize=(15,8)) 
sns.distplot(df["評(píng)論人數(shù)"],color="green",bins=10,rug=True) 
plt.xticks(fontsize=16)
plt.yticks(fontsize=16)
axes.set_title("評(píng)論人數(shù)分布直方圖")

Python如何爬取某東羽絨服數(shù)據(jù)并繪制可視化圖

評(píng)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(píng)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(lái)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=":wwewcgc%",font_size=14))
        
    )
c.render_notebook()

Python如何爬取某東羽絨服數(shù)據(jù)并繪制可視化圖

評(píng)論人數(shù)top10店鋪

df5 = df.groupby('店鋪名稱(chēng)')['評(píng)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(píng)論人數(shù)TOP10",subtitle="數(shù)據(jù)來(lái)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(lái)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()

Python如何爬取某東羽絨服數(shù)據(jù)并繪制可視化圖

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(lái)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(lái)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()

Python如何爬取某東羽絨服數(shù)據(jù)并繪制可視化圖

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(shí)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(shí)儲(chǔ)備，歡迎關(guān)注創(chuàng)新互聯(lián)行業(yè)資訊頻道。

文章名稱(chēng)：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.muchs.cn/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(yíng)銷(xiāo)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

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶(hù)投稿、用戶(hù)轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請(qǐng)盡快告知，我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng)，如需處理請(qǐng)聯(lián)系客服。電話(huà)：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(lái)源： 創(chuàng)新互聯(lián)

網(wǎng)站優(yōu)化排名