Python采集二手房源数据信息并做可视化展示

目录标题

前言
环境使用:
模块使用:
python技术实现: <基本流程步骤>
代码展示
尾语

前言

嗨喽~大家好呀，这里是魔王呐 ❤ ~!

环境使用:

Python 3.8
jupyter --> pip install jupyter notebook
pycharm 也可以

模块使用:

requests >>> pip install requests 数据请求模块
parsel >>> pip install parsel 数据解析模块
csv 内置模块

第三方模块安装：

win + R 输入 cmd 点击确定, 输入安装命令 pip install 模块名 (pip install requests) 回车
在pycharm中点击Terminal(终端) 输入安装命令

如果出现爆红，可能是因为网络连接超时，可切换国内镜像源，命令如下：

pip install -i https://pypi.doubanio.com/simple/ requests

python资料、源码、教程\福利皆: 点击此处跳转文末名片获取

python技术实现: <基本流程步骤>

发送请求, 模拟浏览器对于url地址发送请求

请求链接地址: https://cs.****.com/ershoufang/
获取数据, 获取响应数据

获取数据: 网页源代码 <整个网页数据内容>
解析数据, 提取我们需要数据

提取数据: 房源基本信息
保存数据, 把数据保存本地文件

保存数据: csv表格文件当中
多页数据采集

代码展示

获取数据：

# 导入csv模块
import csv# 创建文件
f = open('data.csv', mode='w', encoding='utf-8', newline='')
# 添加字段名
csv_writer = csv.DictWriter(f, fieldnames=['标题','小区','区域','总价','单价','户型','面积','朝向','装修','楼层','年份','建筑结构','详情页'
])
# 写表头
csv_writer.writeheader()
# 导入数据解析模块 第三方模块, 需要安装
import parsel
# 导入数据请求模块 第三方模块 需要安装 pip install requests
import requests
for page in range(1, 101):# 请求链接url = f'https://cs.lianjia.com/ershoufang/pg{page}/'# 伪装浏览器 --> headers 请求头headers = {# User-Agent 用户代理 表示浏览器基本身份信息'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/114.0.0.0 Safari/537.36'}# 发送请求response = requests.get(url, headers=headers)html_data = response.text # <Response [200]> 响应对象 表示请求成功# 把获取下来 html字符串数据内容 <html_data>, 转成可解析对象selector = parsel.Selector(html_data)"""selector  <Selector xpath=None data='<html class=""><head><meta http-equiv...'> 选择器对象selector.css() 根据标签属性提取数据内容selector.xpath()"""# 提取所有li标签里面房源信息 --> 返回列表, 列表里面元素是选择器对象lis = selector.css('.sellListContent li .info')# for循环遍历, 提取出来, 然后也可以使用css语法或者xpath语法 提取具体数据内容for li in lis:"""get() 获取第一个标签数据内容 <返回字符串>getall() 获取所有标签数据内容 <返回列表>strip() 去除字符串左右两端空格replace('元/平', '') 字符串替换, 把字符串当中 元/平 替换成 '' --> 相当于删除split(' | ') 字符串分割犯法, 把字符串以  |  作为切割, 分割成列表"""title = li.css('.title a::text').get() # 标题info = li.css('.positionInfo a::text').getall()area = info[0].strip() # 列表第一个元素 小区area_1 = info[1] # 区域totalPrice = li.css('.totalPrice span::text').get() # 总价unitPrice = li.css('.unitPrice span::text').get().replace('元/平', '')  # 单价houseInfo = li.css('.houseInfo::text').get().split(' | ')"""有年份, 列表元素就是7个, 没有年份列表元素6个"""house_type = houseInfo[0] # 户型house_area = houseInfo[1] # 面积face = houseInfo[2] # 朝向house = houseInfo[3] # 装修fool = houseInfo[4] # 楼层if len(houseInfo) == 7:date = houseInfo[5] # 年份house_1 = houseInfo[6] # 建筑结构elif len(houseInfo) == 6:date = '未知'house_1 = houseInfo[-1] # 建筑结构href = li.css('.title a::attr(href)').get() # 详情页# 保存字典里面dit = {'标题': title,'小区': area,'区域': area_1,'总价': totalPrice,'单价': unitPrice,'户型': house_type,'面积': house_area,'朝向': face,'装修': house,'楼层': fool,'年份': date,'建筑结构': house_1,'详情页': href,}
#         csv_writer.writerow(dit)
#         print(dit)#     print(title, area, area_1, totalPrice, unitPrice, house_type, house_area, face, house, fool, date, house_1, sep='|')

数据可视化：

import pandas as pd
# 读取数据
df = pd.read_csv('data.csv')
df.head()

house_type_num = df['户型'].value_counts().to_list()
house_type = df['户型'].value_counts().index.to_list()

from pyecharts import options as opts
from pyecharts.charts import Pie
from pyecharts.globals import CurrentConfig, NotebookType
CurrentConfig.NOTEBOOK_TYPE = NotebookType.JUPYTER_LAB
c = (Pie().add("", [list(z) for z in zip(house_type, house_type_num)]).set_global_opts(title_opts=opts.TitleOpts(title="二手房源户型")).set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}"))
)
c.load_javascript()

c.render_notebook()

house_num = df['装修'].value_counts().to_list()
house_type_1 = df['装修'].value_counts().index.to_list()

from pyecharts import options as opts
from pyecharts.charts import Pie
from pyecharts.globals import CurrentConfig, NotebookType
CurrentConfig.NOTEBOOK_TYPE = NotebookType.JUPYTER_LAB
c = (Pie().add("", [list(z) for z in zip(house_type_1, house_num)]).set_global_opts(title_opts=opts.TitleOpts(title="二手房源装修占比分布")).set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}"))
)
c.render_notebook()

date_num = df['年份'].value_counts().to_list()
date_type = df['年份'].value_counts().index.to_list()

from pyecharts import options as opts
from pyecharts.charts import Pie
from pyecharts.globals import CurrentConfig, NotebookType
CurrentConfig.NOTEBOOK_TYPE = NotebookType.JUPYTER_LAB
c = (Pie().add("", [list(z) for z in zip(date_type, date_num)]).set_global_opts(title_opts=opts.TitleOpts(title="二手房源年份占比分布")).set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}"))
)
c.render_notebook()

df.head()

尾语

感谢你观看我的文章呐~本次航班到这里就结束啦

Python采集二手房源数据信息并做可视化展示相关推荐

Python采集二手房源数据信息基础版, 多线程版
前言大家早好.午好.晚好吖 ❤ ~ 环境使用: Python 3.8 Pycharm 模块使用: requests >>> pip install requests 数据请求模块 ...
python将Linux下使用top命令获取的进程信息进行分析做可视化展示
python将Linux下使用top命令获取的进程信息进行分析做可视化展示版本版本作者日期备注 v1.0 ZY 2020.11.10 初版完成文章目录 python将Linux下使用top ...
用Python采集财经数据信息并作可视化
嗨嗨,大家好下午好,我是小圆 ~ 今天给大家分享一下,如何用python采集财经数据信息并作可视化开发环境: 解释器版本: python 3.8 代码编辑器: pycharm 2021.2 requ ...
Python疫情数据采集, 并做可视化展示
前言嗨喽!大家好,这里是魔王~ 本次目的 Python疫情数据采集, 并做可视化展示(数据采集, 数据分析) 知识点: 爬虫基本流程 requests 发送请求 re 正则表达式 json 结构化数 ...
python爬虫tableau数据分析_完美！Python爬招聘数据，Tableau做可视化分析
原标题:完美!Python爬招聘数据,Tableau做可视化分析交流群预热好久的可视化交互大屏来啦 1.项目背景随着科技的飞速发展,数据呈现爆发式的增长,任何人都摆脱不了与数据打交道,社会对于&q ...
Python爬虫爬取疫情数据并可视化展示
这篇文章主要介绍了Python利用爬虫爬取疫情数据并进行可视化的展示,文中的示例代码讲解清晰,对工作或学习有一定的价值,需要的朋友可以参考一下.编程资料点击领取目录知识点开发环境爬虫完整代码 ...
Python采集剧本杀店家数据信息，做可视化演示
前言哈喽啊,友友们有喜欢玩桌游或者剧本杀的吗其实我自己对这个不太感兴趣哈哈,但是也玩过正好又有朋友约着出去,就是不知道哪家店更值得去所以趁着还有几天就用python来采集一些店家的数据信息 ...
使用python进行北京二手房信息数据分析及可视化展示
之前我们爬取了贝壳找房上的北京二手房信息,具体可以查看python爬取贝壳找房之北京二手房源信息,现在我们针对获取的数据进行分析及可视化的展示,本文代码和数据均存放在github上,链接地址:贝壳找房 ...
Python网络爬虫爬取招聘数据（利用python简单零基础）可做可视化
爬取Boss直聘相关的招聘数据一.相关需求分析 1.目的二.直聘网页结构分析 1.网页相关值的查找 2.网页的下一页规律查找三.Python相关的第三库介绍 1.Urllib的介绍 (1)url ...

Python采集二手房源数据信息并做可视化展示

目录标题

前言

环境使用:

模块使用:

python技术实现: <基本流程步骤>

代码展示

尾语

Python采集二手房源数据信息并做可视化展示相关推荐

最新文章

热门文章