import matplotlib.pyplot as plt
from matplotlib.pyplot import MultipleLocator
import bs4
import numpy as np
import matplotlib
import seaborn as sns
import requests
import pandas as pd
# import pickledef datas() :#封装爬取数据函数，以便后续使用url = 'https://www.iqiyi.com/dianying_new/i_list_paihangbang.html'#按照获取的URL进行入参res = requests.get(url)#获取网页内容# print(res.status_code)#检查连接状态bs = bs4.BeautifulSoup(res.text, 'html.parser')#用BS解释网页datas = bs.find('ul',class_="site-piclist").find_all('li')#根据网页特征定位相关数据位置data1 = {}#设置相应字典，用来装爬取到的数据并且返回for data in datas :mov_name = data.find('img')['title'] # 获取电影名字try :mov_rank = data.find('span',class_='dypd_piclist_nub dypd_piclist_nubHot').text #获取电影排名，由于前三特征与后面的不同，因此采用试错历遍相关特征except :mov_rank = data.find('span',class_='dypd_piclist_nub').text #同上mov_score = data.find('span',class_='score').text #获取电影评分数据data1[int(mov_rank)]=mov_scorereturn data1 # 返回获取到的数据
#-----------------------------------------------------------2.对数据进行清洗和处理---------------------------------
data_dict= datas() #提取前述数据进行处理
rate1=list(data_dict.keys())
rate2=list(data_dict.values())
d={'    排名   ':rate1,'   评分   ':rate2}
df=pd.DataFrame(d)    #将年份和比率结合一起
# print(df)                   #输出结果#-----------------------------------------------------------4.对数据进行清洗和处理---------------------------------
#-----------------------------------------------------------折线图---------------------------------# x=rate1   #设置x轴
# y=rate2
# plt.figure(figsize=(200,8),dpi=80)   #设置绘制的图像和字体大小
# plt.plot(x,rate2,color = 'y',label="score")#k是黄色
# plt.xlabel("rank")#横坐标名字
# plt.ylabel("score")#纵坐标名字
# x_major_locator=MultipleLocator(10)
# #把x轴的刻度间隔设置为10，并存在变量里
# ax=plt.gca()
# #ax为两条坐标轴的实例
# ax.xaxis.set_major_locator(x_major_locator)
# #把x轴的主刻度设置为10的倍数
# plt.xlim(1,146)
# #把x轴的刻度范围设置为1到146,十倍间隔
# plt.legend(loc = "best")#图例
# plt.show()

for data in datas :mov_name = data.find('img')['title'] # 获取电影名字try :mov_rank = data.find('span',class_='dypd_piclist_nub dypd_piclist_nubHot').text #获取电影排名，由于前三特征与后面的不同，因此采用试错历遍相关特征except :mov_rank = data.find('span',class_='dypd_piclist_nub').text #同上mov_score = data.find('span',class_='score').text #获取电影评分数据data1[int(mov_rank)]=float（mov_score）

import numpy as np
import matplotlib
import matplotlib.pyplot as plt
import osmy_font = matplotlib.font_manager.FontProperties(fname = '/usr/share/fonts/opentype/noto/simsun.ttc')
model_path = '/home/will/test/score.txt'data = []
for line in open(model_path,"r"):det = '%.2f'%np.float(line[:-1].split(' ')[6])data.append(det)
da = np.array(data)
x = np.arange(0, 50, 1)
plt.plot(x, da)plt.ylabel('分数',fontproperties=my_font, fontsize = 10) # 横坐标轴的标题
plt.xlabel('帧数',fontproperties=my_font, fontsize = 18) # 纵坐标轴的标题
#plt.grid() # 显示网格plt.show()

import numpy as np
import matplotlib
import matplotlib.pyplot as plt
import osmy_font = matplotlib.font_manager.FontProperties(fname = '/usr/share/fonts/opentype/noto/simsun.ttc')
model_path = '/home/will/test/score.txt'data = []
for line in open(model_path,"r"):det = '%.2f'%np.float(line[:-1].split(' ')[6])det = float(det)data.append(det)
da = np.array(data)
x = np.arange(0, 50, 1)
plt.plot(x, da)plt.ylabel('分数',fontproperties=my_font, fontsize = 10) # 横坐标轴的标题
plt.xlabel('帧数',fontproperties=my_font, fontsize = 18) # 纵坐标轴的标题
#plt.grid() # 显示网格plt.show()