冻成狗啦 我用Python爬取某宝2008条棉袄,终于买到心仪的棉袄了
转眼就到12月份了,但是没想到今年的冬天这么冷,基本取暖靠抖,太冷啦!
于是,赶紧打开了Python,用它爬取并分析一波棉袄,找到一件最合适的棉袄给裹到身上。
01 数据采集
数据采集是数据可视化分析的第一步,也是最基础的一步,数据采集的数量和质量越高,后面分析的准确的也就越高,我们来看一下淘宝网的数据该如何爬取。
淘宝网站是一个动态加载的网站,我们之前可以采用解析接口或者用Selenium自动化测试工具来爬取数据,但是现在淘宝对接口进行了加密,使我们很难分析出来其中的规律,同时淘宝也对Selenium进行了反爬限制,所以我们要换种思路来进行数据获取。
打开开发者模式,开始对网页进行观察后发现,淘宝商品的数据竟然在源网页中存储着。
我翻了几页网页之后发现,每翻一页,网页的params参数中的s参数就会增加44(初始值是0)。
经过以上分析,现在我们就可以开始构造爬虫程序了。
1. 导入爬虫使用的库
import requests
import re
import time
import random
import openpyxl
2. 发起请求
for page in range(1,101):params = (('q', '棉袄'),('imgfile', ''),('commend', 'all'),('ssid', 's5-e'),('search_type', 'item'),('sourceId', 'tb.index'),('spm', 'a21bo.jianhua.201856-taobao-item.2'),('ie', 'utf8'),('initiative_id', 'tbindexz_20170306'),('hintq', '1'),('s', str(page*44)),)
response = requests.get(url, params=params)
3. 数据存储
a = 0b = 0for i in range(44):try:sheet.append([dianpumingcheng[i],shangpinming[i],float(jiage[i]),fahuodi[i],fukuanrenshu[i]])except:a+=1if a>30:print(f"第{page}页数据未爬取......")wb.save('棉袄.xlsx')# 把xxx改成你想要的存储的名称即可b = 1breakif b == 1:breakprint(f"已爬取完第{page}页数据......")time.sleep(random.randint(3,5))
print(f'共爬取{page}页数据......')
02 数据清洗
数据采集后,要对其进行清洗,剔除脏数据,用以提高分析的准确性。
1. 导入商品数据
用pandas读取爬取后的商品数据并预览。
import pandas as pd
df = pd.read_excel('棉袄.xlsx',names=['店铺名称','商品名','价格','产地','付款人数'])
print(df.head())
2.删除重复数据
df.drop_duplicates()
删除重复数据后,还有2008条数据。
3. 数据类型转换
我们发现付款人数是字符串类型,我们需要将其转换成整数类型。
wb = openpyxl.load_workbook('棉袄.xlsx')
int_list = []
sheet = wb['Sheet']
for i in range(2,2008):str = sheet[f'E{i}'].valueif '万+' in str:int_list.append(int(int(str[:-2])*random.uniform(1,2)*10000))elif '+' in str:int_list.append(int(int(str[:-1])+random.random()*1000))else:int_list.append(int(str))
for i in range(2,2008):sheet.cell(i,5).value = int_list[i-2]
wb.save('3.xlsx')
4.查看数据类型
查看字段类型和缺失值情况,符合分析需要,无需另做处理。
df.info()
03 可视化分析
我们来对这2008家棉袄商品数据进行可视化分析。可视化图是由Python、Tableau和Excel共同绘制而来。
1.在售棉袄特点
通过对棉袄的商品名称进行词云图绘制,我们发现,今年棉袄的样式以宽松、潮流、韩版、短款类居多。
制作代码如下:
from imageio import imread
import jieba
from wordcloud import WordCloud, STOPWORDSwith open("1.txt",'r',encoding='utf-8') as f:job_title_1 = f.read()
contents_cut_job_title = jieba.cut(job_title_1)
contents_list_job_title = " ".join(contents_cut_job_title)
wc = WordCloud(stopwords=STOPWORDS.add("一个"), collocations=False,background_color="white",font_path=r"K:\msyh.ttc",width=400, height=300, random_state=42,mask=imread('棉袄.jpg', pilmode="RGB"))
wc.generate(contents_list_job_title)
wc.to_file("推荐语.png")
2.各省产量分布图
通过对各商品的产地数据进行统计并绘制了全国地图,我们发现浙江、广东和福建这三个地方生产棉袄最多,分别是914家、261家和203家。
制作代码如下:
import openpyxl
from collections import Counter
from pyecharts import Map
wb = openpyxl.load_workbook('棉袄.xlsx')
sheet = wb['Sheet']
a = []
for i in range(2,1960):D = sheet[f'D{i}']a.append(D.value)
province_distribution = dict(Counter(a))
provice = list(province_distribution.keys())
values = list(province_distribution.values())
map = Map("中国地图",width=1200, height=600)
map.add("", provice, values, visual_range=[0, 50], maptype='china', is_visualmap=True,
visual_text_color='#000',is_label_show=True)
map.render(path="地图.html")
我们进一步对浙江省的产地数据进行分析发现,杭州的棉袄商家最多,占全省的40%。
3. 棉袄价格区间分布
我们对棉袄价格以100为分点,进行可视化后发现,价格在100-200的棉袄商品最多,有869家,其次是价格在201-300之间的,有501家。看来棉袄的价格还是相对便宜的~
4.棉袄月销量top20商家
销量最高的竟然不是旗舰店,是一个李广森的自制时尚女装店,打开她们家的店铺看了看,感觉还不错,可以给对象入手一套~
冻成狗啦 我用Python爬取某宝2008条棉袄,终于买到心仪的棉袄了相关推荐
- 冻成狗啦!我用Python爬取某宝2008条棉袄,终于买到心仪的棉袄了!
大家好,我是菜鸟哥~ 转眼就到12月份了,但是没想到今年的冬天这么冷,基本取暖靠抖,太冷啦! 于是,菜鸟哥赶紧打开了Python,用它爬取并分析一波棉袄,找到一件最合适的棉袄给裹到身上. 01 数据采 ...
- Python 爬取 B 站 5000 条视频,揭秘为何千万人为它流泪!
[CSDN 编者按]<哪吒>看哭了无数人!编者看的那场,有很多小朋友,一开始他们还被太乙真人的滑稽,逗得哈哈笑.到了哪吒成魔要杀父亲.跪别父母.因为宿命不得以和敖丙为敌时,影院里突然安静下 ...
- python爬取淘宝商品图片
python爬取淘宝商品的图片 话不多说,直接上代码: from selenium import webdriver from selenium.webdriver.common import key ...
- python爬取国家男女比例_用python爬取3万多条评论,看韩国人如何评价韩国电影《寄生虫》?...
用python爬取3万多条评论,看韩国人如何评价韩国电影<寄生虫>? 朱小五 凹凸数据 大家好,我是朱小五 今天给大家带来一个关于电影的数据分析文章. 别走啊,这次不是豆瓣,也不是猫眼 真 ...
- Python爬取淘宝女模特信息
前言 Python爬取淘宝美女信息下载本地并同时存储mysql数据库,存储数据库用到了pymysql模块,sql语句简单好用,直接上代码,源码请点链接Python-Spiders文集. 项目结构: 本 ...
- python爬取+BI分析5000条内衣数据,发现妹子最爱这款文胸
生活中我们经常会用python进行数据爬取,但是爬取简单分析难,很多人喜欢用echarts图表接口或者是python的第三方库进行数据可视化,甚至是用matlab,基本上都需要用代码实现,在数据展示上 ...
- python 爬取淘宝网课
python爬取淘宝网课,打开web控制台,发现有个链接可以下载到对应的内容,下载的格式是m3u8,用文本打开里面是许多.ts链接,当然百度后得知可以直接下个vlc然后下载,但是还是想用python试 ...
- python爬淘宝app数据_一篇文章教会你用Python爬取淘宝评论数据(写在记事本)
[一.项目简介] 本文主要目标是采集淘宝的评价,找出客户所需要的功能.统计客户评价上面夸哪个功能多,比如防水,容量大,好看等等. [二.项目准备工作] 准备Pycharm,下载安装等,可以参考这篇文章 ...
- 用Python爬取淘宝网商品信息
用Python爬取淘宝网商品信息 转载请注明出处 网购时经常会用到淘宝网 点我去淘宝但淘宝网上的商品琳琅满目,于是我参照中国大学 MOOC的代码写了一个爬取淘宝网商品信息的程序 代码如下: impor ...
最新文章
- 东南大学和山东大学计算机学院,东南大学和山东大学都是985、211哪所综合实力更强些呢?...
- SUMO 设置车辆的换道模型
- 弹幕解析播放器json客户端解析后台管理源码
- python读取配置文件获取所有键值对_Python读取properties配置文件操作示例
- Mac系统辅助键盘怎么开启
- Jmeter4.0新版本特性研究
- 计算机网络第8版课后习题答案整理
- 高中判断函数图像的题_高中数学常用函数图像
- 用DOI号批量爬取开源数据库文献数据(含文献 下载)
- WordStream:谷歌广告各指标分析
- IDEA中@author 模板的设置
- 《C++ SYNTAX》第1章 基础知识
- 颜色格式转换: FFmpeg源代码简单分析:libswscale的sws_getContext()
- odoo社区版审批流
- VS Code中常用插件
- 笔记本电脑常识:噪音
- ERTEC200P-2 PROFINET设备完全开发手册(目录)
- 网络安全法实施 个人信息保护立法还需做什么
- 【强化学习】确定性策略强化学习-DPGDDPG算法推导及分析
- 开发管理 CheckLists(2) -规划项目