Python数据可视化:平凡的世界
点击 机器学习算法与Python学习 ,选择加星标
精彩内容不迷路
三十三年过去了,《平凡的世界》依然是中国人最爱看的书。
/ 01 / 网页分析
小说章节内容接口由上图可知。
第几部、第几章,遍历一遍就完事了。
这里主要是利用多线程进行爬取,
一方面是减少爬取时间,另一方面也是对多线程进行一波简单的学习。
通过Python的threading模块,实现多线程功能。
不过爬太快还是会遭封禁...
所以本次的代码不一定能完全成功,可以选择加个延时或者代理池。
这里人物情况是网上找的,相对来说还是比较完全的。
所以也爬下来,当词典用。
/ 02 / 数据获取
不使用多线程。
import os
import time
import requests
from bs4 import BeautifulSoup# 初始时间
starttime = time.time()
print(starttime)
# 新建文件夹
folder_path = "F:/Python/Ordinary_world_1/"
os.makedirs(folder_path)
# 遍历
a = [ yi , er , san ]
for i in a:for j in range(1, 55):headers = { User-Agent : Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.132 Safari/537.36 }url = http://www.pingfandeshijie.net/di- + i + -bu- + str( %02d % j) + .html response = requests.get(url=url, headers=headers)# 设置编码格式response.encoding = utf-8 soup = BeautifulSoup(response.text, lxml )# 获取章节情况h1 = soup.find( h1 )print(h1.get_text())# 获取段落内容p = soup.find_all( p )for k in p:if 下一章 in k.get_text():breakcontent = k.get_text().replace( S*锓 , )filename = h1.get_text() + .txt with open( F:\Python\Ordinary_world_1\ + filename, a+ ) as f:try:f.write(content + )except:passf.close()
# 结束时间
endtime = time.time()
print(endtime)
# 程序运行总时间
print(round(endtime-starttime, 2))
使用多线程的。
import os
import time
import requests
import threading
from bs4 import BeautifulSoup# 初始时间
starttime = time.time()
# 新建文件夹
folder_path = "F:/Python/Ordinary_world"
os.makedirs(folder_path)def download(sta, end):a = [ yi , er , san ]for i in a:for j in range(sta, end):headers = { User-Agent : Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.132 Safari/537.36 }url = http://www.pingfandeshijie.net/di- + i + -bu- + str( %02d % j) + .html response = requests.get(url=url, headers=headers)# 设置编码格式response.encoding = utf-8 soup = BeautifulSoup(response.text, lxml )# 获取章节情况h1 = soup.find( h1 )print(h1.get_text())# 获取段落内容p = soup.find_all( p )for k in p:if 下一章 in k.get_text():breakcontent = k.get_text()filename = h1.get_text() + .txt with open( F:\Python\Ordinary_world\ + filename, a+ ) as f:f.write(content + )f.close()downloadThreads = []
for chap in range(1, 55, 6):downloadThread = threading.Thread(target=download, args=(chap, chap+6))downloadThreads.append(downloadThread)downloadThread.start()
# 等待所有线程结束
for downloadThread in downloadThreads:downloadThread.join()
print( Down )
# 结束时间
endtime = time.time()
# 程序运行总时间
print(round(starttime-endtime, 2))
使用多线程获取的小说内容。
按道理应该是162个文件,但是却只获取了149个。
这是多线程导致的并发问题吗?
即多个线程同时读写变量,导致互相干扰,进而发生并发问题。
最后发现并不是,而是编码出现了问题。
下图是不使用多线程获取的小说内容。
162个文件,确认过眼神,遇上对的人。
获取主要人物信息。
import re
import requests
from bs4 import BeautifulSoupheaders = { User-Agent : Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.132 Safari/537.36 }
url = http://www.360doc.com/content/15/0408/11/22483181_461495582.shtml
response = requests.get(url=url, headers=headers)
response.encoding = utf-8
soup = BeautifulSoup(response.text, lxml )
p = soup.find_all( p )
for i in p[7:-9]:if : in i.get_text():result = re.findall( 、(.*?):, i.get_text())name = result[0].replace( 二队队长 , ).replace( “神汉” , ).replace( 地主 , ).strip()with open( name.txt , a+ ) as f:f.write(name + )f.close()
一共82个人物,还算是比较完整的。
计算人物出现频数。
import os
# 汇总文本信息
for i in os.listdir( F:\Python\Ordinary_world_1 ):worldFile = open( F:\Python\Ordinary_world_1\ + i)worldContent = worldFile.readlines()for j in worldContent:with open( world1.txt , a+ ) as f:f.write(j)f.close()
# 打开文件
file_text = open( world1.txt )
file_name = open( name.txt )
# 人物信息
names = []
for name in file_name:names.append(name.replace( , ))
# 文本信息
content = []
for line in file_text:content.append(line)
# 人物出现频数
data = []
for name in names:num = 0for line in content:if name in line:num += 1else:continuedata.append((name, num))
# 生成字典
worddict = {}
for message in sorted(data, key=lambda x: x[1], reverse=True):if message[1] == 0:passelse:worddict[message[0]] = message[1]
print(worddict)
得到人物出现频数信息。
接下来便可以对人物数据进行词云可视化
/ 03 / 数据可视化
这里贴一张网上找的有关wordcloud的使用参数解释。
能够更好的生成一张好看的词云图。
class wordcloud.WordCloud(font_path=None, width=400, height=200, margin=2, ranks_only=None, prefer_horizontal=0.9,mask=None, scale=1, color_func=None, max_words=200, min_font_size=4, stopwords=None, random_state=None,background_color= black , max_font_size=None, font_step=1, mode= RGB , relative_scaling=0.5, regexp=None, collocations=True,colormap=None, normalize_plurals=True)##参数含义如下:
font_path : string //字体路径,需要展现什么字体就把该字体路径+后缀名写上,如:font_path = 黑体.ttf
width : int (default=400) //输出的画布宽度,默认为400像素
height : int (default=200) //输出的画布高度,默认为200像素
prefer_horizontal : float (default=0.90) //词语水平方向排版出现的频率,默认 0.9 (所以词语垂直方向排版出现频率为 0.1 )
mask : nd-array or None (default=None) //如果参数为空,则使用二维遮罩绘制词云。如果 mask 非空,设置的宽高值将被忽略,遮罩形状被 mask 取代。除全白(#FFFFFF)的部分将不会绘制,其余部分会用于绘制词云。
scale : float (default=1) //按照比例进行放大画布,如设置为1.5,则长和宽都是原来画布的1.5倍。
min_font_size : int (default=4) //显示的最小的字体大小
font_step : int (default=1) //字体步长,如果步长大于1,会加快运算但是可能导致结果出现较大的误差。
max_words : number (default=200) //要显示的词的最大个数
stopwords : set of strings or None //设置需要屏蔽的词,如果为空,则使用内置的STOPWORDS
background_color : color value (default=”black”) //背景颜色,如background_color= white ,背景颜色为白色。
max_font_size : int or None (default=None) //显示的最大的字体大小
mode : string (default=”RGB”) //当参数为“RGBA”并且background_color不为空时,背景为透明。
relative_scaling : float (default=.5) //词频和字体大小的关联性
color_func : callable, default=None //生成新颜色的函数,如果为空,则使用 self.color_func
regexp : string or None (optional) //使用正则表达式分隔输入的文本
collocations : bool, default=True //是否包括两个词的搭配
我主要是设置了文本的字体、颜色、排版方向。
更多信息详见上面,希望你也能做出一样好看的词云图。
不再是那么的不堪入目...
from wordcloud import WordCloud
import matplotlib.pyplot as plt
import numpy as np
import random# 设置文本随机颜色
def random_color_func(word=None, font_size=None, position=None, orientation=None, font_path=None, random_state=None):h, s, l = random.choice([(188, 72, 53), (253, 63, 56), (12, 78, 69)])return "hsl({}, {}%, {}%)".format(h, s, l)# 绘制圆形
x, y = np.ogrid[:1500,:1500]
mask = (x - 700) ** 2 + (y - 700) ** 2 > 700 ** 2
mask = 255 * mask.astype(int)wc = WordCloud(background_color= white ,mask=mask,font_path= C:WindowsFonts华康俪金黑W8.TTF ,max_words=2000,max_font_size=250,min_font_size=15,color_func=random_color_func,prefer_horizontal=1,random_state=50
)wc.generate_from_frequencies({ 田海民 : 76, 马来花 : 15, 雷区长 : 7, 胡得禄 : 9, 金富 : 60, 孙玉亭 : 268, 田润生 : 40, 田晓霞 : 113, 田福堂 : 460, 马国雄 : 27, 张有智 : 112, 黑白 : 15, 周文龙 : 35, 南洋女人 : 12, 卫红 : 32, 田福军 : 346, 冯世宽 : 83, 田润叶 : 45, 孙少平 : 431, 侯玉英 : 49, 王满银 : 134, 田四 : 14, 金俊山 : 128, 李登云 : 95, 金俊武 : 206, 石钟 : 13, 萝卜花 : 12, 惠英 : 86, 高步杰 : 6, 金光辉 : 7, 刘根民 : 50, 徐治功 : 138, 徐爱云 : 19, 武得全 : 2, 曹书记 : 38, 武宏全 : 3, 孙少安 : 385, 王彩娥 : 42, 杨高虎 : 19, 武惠良 : 62, 王世才 : 39, 田晓晨 : 1, 刘志祥 : 29, 苗凯 : 82, 藏族姑娘 : 14, 金俊斌 : 18, 徐国强 : 77, 胡永州 : 17, 憨牛 : 5, 高凤阁 : 26, 张生民 : 26, 白元 : 11, 孙兰香 : 12, 杜丽丽 : 21, 秦富功 : 12, 贾冰 : 43, 金俊海 : 37, 金波 : 235, 金秀 : 71, 胡得福 : 12, 顾尔纯 : 2, 金光亮 : 91, 贺耀宗 : 9, 白明川 : 63, 古风铃 : 32, 乔伯年 : 65, 刘玉升 : 71, 小翠 : 8, 金强 : 64, 胡永合 : 53, 安锁子 : 54, 金先生 : 17, 田五 : 49, 杜正贤 : 13, 孙玉厚 : 197})
plt.imshow(wc)
plt.axis( off )
wc.to_file("平凡的世界.jpg")
print( 生成词云成功! )
最后生成词云如下。
/ 04 / 总结
说来惭愧,小F并没有完整的看完《平凡的世界》。
所以对于书中内容不甚了解,也就不发表评论了。
不过还是希望日后,能抽抽时间读一读经典。
这里摘一段新周刊的评论。
小说里,孙少平到最后也还是一个普通人。
平凡的世界,才是大多数年轻人最后的归宿。
不过即使知道平凡的归宿,我们也要怀抱不平凡的憧憬。
热烈的迎接,燃烧且不辜负!
觉得不错,请点个在看呀
Python数据可视化:平凡的世界相关推荐
- Python数据可视化2018:数据可视化库为什么这么多?
本文最初发布于Anaconda开发者博客,经原作者授权由InfoQ中文站翻译并分享. 在奥斯汀举行的SciPy 2018年特别会议上,大量开源Python可视化工具的代表分享了他们对Python数据可 ...
- python数据可视化库_python和r中用于数据可视化的前9个库
python数据可视化库 In the rapidly growing world of today, when technology is expanding at a rate like neve ...
- 第十九章 python 数据可视化 Matplotlib Pygal
python 数据可视化 一.使用Matplotlib生成数据图 1. matplotlib画图中文乱码小方框的解决方法 2. 知识点 3. 安装Matplotlib包 4. Matplotlib数据 ...
- Python 数据可视化—下载数据(CSV文件格式、JSON格式)
Python 数据可视化-下载数据CSV文件格式.JSON格式 网上下载数据,并对这些数据进行可视化,可视化以两种常见格式存储的数据:CSV 和JSON. 我们将使用Python模块csv 来处理以C ...
- 每日一课 | Python数据可视化—如何做好启动准备(小白必读)
03 大家好,我是营长,昨天营长分享了数据科学"的基本概念,不清楚的小伙伴可戳这????每日一课|案列上手Python数据可视化 本期营长接着为大家分享Python数据可视化相关内容 这期分 ...
- python数据可视化利用_利用pyecharts实现python数据可视化
**python 利用pyecharts实现python数据可视化 **web pyecharts是一种交互式图表的表达方式. pyecharts是一款将python与echarts结合的强大的数据可 ...
- 《Python数据可视化编程实战》——5.5 用OpenGL制作动画
本节书摘来异步社区<Python数据可视化编程实战>一书中的第5章,第5.5节,作者:[爱尔兰]Igor Milovanović,更多章节内容可以访问云栖社区"异步社区" ...
- 超硬核的 Python 数据可视化教程!
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达 本文转自:机器学习算法那些事 Python实现可视化的三个步骤: ...
- php数据库查询中文方块,解决Python数据可视化中文部分显示方块问题
一.问题 代码如下,发现标题的中文显示的是方块 import matplotlib import matplotlib.pyplot as plt fig = plt.figure() ax = fi ...
- 超硬核的 Python 数据可视化教程
来源:数据分析1480 本文约3000字,建议阅读6分钟 本文为你介绍Python实现可视化的三个步骤. Python实现可视化的三个步骤: 确定问题,选择图形 转换数据,应用函数 参数设置,一目了然 ...
最新文章
- linux查看目录文件系统,ubuntu linux 文件系统目录结构-Windows下查看电脑信息的命令-linux菜鸟也必须知道的几个ubuntu最基础命令_169IT.COM...
- matplotlib.pyplot 和opencv 的结合画图
- 已婚男人看见美女都这个眼神?
- 设置熄屏_刚买的手机微信收不到信息提醒耽误事情,手机到手一定要这样设置...
- php 关键词回复 图片,php微信开发之关键词回复功能
- 剑指offer(C++)-JZ18:删除链表的节点(数据结构-链表)
- Redis教程:数据对象分析(一)
- SpringBoot学习之logback.xml 配置指定包或类输出至单独的日志文件中
- paip.;论全文检索实现方式lucene Sphinx solr以及比较
- 7个等级 容灾等级_猫奴的10个等级 你的奴性有多高?
- Unity自动修复Sentinel key not found (h0007)错误
- pdf文件的预览——几种方式实现——技能提升
- 安全管家安卓_网速管家安卓5.4版本全面上线,多场景网络体验全面升级
- 股票做手回忆录中的精华
- Linux 命令之 useradd -- 添加用户
- 不要用for in 不要用for in 不要用for in 尤其在JavaScript 遍历document时
- 被新冠后遗症困住15个月后,斯坦福学霸被迫缺席毕业典礼,现仍需每天卧床16小时:我本该享受20岁的人生啊...
- jquery ui 主题_使用jQuery UI主题
- 【shaderforge学习笔记】 Rotator节点
- 微信朋友圈会在服务器上保留多久,微信朋友圈设置多久可见,暴露了你的为人...
热门文章
- 净利同比下滑14.5%,康师傅的“水”和“面”还好卖吗?
- matlab help函数用法,帮你快速入门MATLAB(基本知识篇)
- 妈妈再也不用担心我的博客访问量了(一个可以刷博客访问量的小程序java)
- android 滤镜lomo,iOS滤镜实现之LOMO(美图秀秀经典LOMO)(示例代码)
- intel DQ77KB 主板使用说明书
- matlab 投票法_二维解析张量投票算法研究
- UDS 安全认证29服务概述
- postgresql中mysql外表建立
- em表示什么长度单位_CSS的长度单位(em)与em标签
- 遥感数据网站整理中......