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)容簡明扼要并且容易理解，絕對能使你眼前一亮，通過這篇文章的詳細介紹希望你能有所收獲。

前就在上，廣深的朋友估計還穿著短袖羨慕著北方的下雪氣氛。結(jié)果就在上周，廣深也迎來了降溫，大家紛紛加入“降溫群聊”。

為了幫助大家抵抗御嚴寒，我特地爬了下京東的羽絨服數(shù)據(jù)。為啥不是天貓呢，理由很簡單，滑塊驗證有點麻煩。

數(shù)據(jù)獲取

京東網(wǎng)站是一個ajax動態(tài)加載的網(wǎng)站，只能通過解析接口或使用硒自動化測試工具去爬取。關(guān)于動態(tài)網(wǎng)頁爬蟲，本公眾號歷史原創(chuàng)文章介紹過，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，導致原來的谷歌驅(qū)動程序中斷。于是，我替換了瀏覽器自動更新，并下載了對應版本的驅(qū)動。

接著，利用硒在京東網(wǎng)搜索羽絨服，手機掃碼登錄，獲得了羽絨服的商品名稱，商品價格，店鋪名稱，評論人數(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Python/京東/chromedriver')
wait =WebDriverWait(browser,50) #設置等待時間
url = 'https://www.jd.com/'
data_list= [] #設置全局變量用來存儲數(shù)據(jù)
keyword ="羽絨服"#關(guān)鍵詞

def page_click(page_number):
    try:
        # 滑動到底部
        browser.execute_script("window.scrollTo(0, document.body.scrollHeight);")
        time.sleep(random.randint(1, 3)) #隨機延遲
        button = wait.until(
            EC.element_to_be_clickable((By.CSS_SELECTOR, '#J_bottomPage > span.p-num > a.pn-next > em'))
        )#翻頁按鈕
        button.click()#點擊按鈕
        wait.until(
            EC.presence_of_all_elements_located((By.CSS_SELECTOR, "#J_goodsList > ul > li:nth-child(30)"))
        )#等到30個商品都加載出來
        # 滑到底部，加載出后30個商品
        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個商品都加載出來
        wait.until(
            EC.text_to_be_present_in_element((By.CSS_SELECTOR, "#J_bottomPage > span.p-num > a.curr"), str(page_number))
        )# 判斷翻頁成功,高亮的按鈕數(shù)字與設置的頁碼一樣
        html = browser.page_source#獲取網(wǎng)頁信息
        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

導入數(shù)據(jù)

import pandas as pd
import numpy as np
df = pd.read_csv("/菜J學Python/京東/羽絨服.csv")
df.sample(10)

 重命名列

df = df.rename(columns={'title':'商品名稱','price':'商品價格','shop_name':'店鋪名稱','comment':'評論人數(shù)'})

查看數(shù)據(jù)信息

df.info()
'''
1.可能存在重復值
2.商店名稱存在缺失值
3.評價人數(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    4950 non-null   object 
 1   商品價格    4950 non-null   float64
 2   店鋪名稱    4949 non-null   object 
 3   評論人數(shù)    4950 non-null   object 
dtypes: float64(1), object(3)
memory usage: 154.8+ KB

刪除重復數(shù)據(jù)

df = df.drop_duplicates()

缺失值處理

df["店鋪名稱"] = df["店鋪名稱"].fillna("無名氏")

商品名稱清洗

厚度

tmp=[]
for i in df["商品名稱"]:
    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"]:
    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

風格

tmp=[]
for i in df["商品名稱"]:
    if"韓"in i:
        tmp.append("韓版")
    elif"商務"in i:
        tmp.append("商務風")
    elif"休閑"in i:
        tmp.append("休閑風")
    elif"簡約"in i:
        tmp.append("簡約風")
    else:
        tmp.append("其他")
df['風格'] = tmp

商品價格清洗

df["價格區(qū)間"] = pd.cut(df["商品價格"],[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)

評價人數(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)', i)) for i in df['評論人數(shù)']]  #提取單位（萬）
df['單位'] = df['單位'].apply(lambda x:10000if x=='萬'else1)
df['評論人數(shù)'] = df['數(shù)字'] * df['單位'] # 計算評論人數(shù)
df['評論人數(shù)'] = df['評論人數(shù)'].astype("int")
df.drop(['數(shù)字', '單位'], axis=1, inplace=True)

店鋪名稱清洗

df["店鋪類型"] = df["店鋪名稱"].str[-3:]

可視化

引入可視化相關(guān)庫

import matplotlib.pyplot as plt
import seaborn as sns
%matplotlib inline
plt.rcParams['font.sans-serif'] = ['SimHei']  # 設置加載的字體名
plt.rcParams['axes.unicode_minus'] = False# 解決保存圖像是負號'-'顯示為方塊的問題 
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

相關(guān)性分析

商品價格分布直方圖

sns.set_style('white')   
fig,axes=plt.subplots(figsize=(15,8)) 
sns.distplot(df["商品價格"],color="salmon",bins=10) 
plt.xticks(fontsize=16)
plt.yticks(fontsize=16)
axes.set_title("商品價格分布直方圖")

評論人數(shù)分布直方圖

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

評論人數(shù)與商品價格的關(guān)系

fig,axes=plt.subplots(figsize=(15,8)) 
sns.regplot(x='評論人數(shù)',y='商品價格',data=df,color='orange',marker='*')
plt.xticks(fontsize=16)
plt.yticks(fontsize=16)

羽絨服價格分布

df2 = df["價格區(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="羽絨服價格區(qū)間分布",subtitle="數(shù)據(jù)來源：騰訊視頻\n制圖：菜J學Python",pos_top="0.5%",pos_left = 'left'))
        .set_series_opts(label_opts=opts.LabelOpts(formatter=":0xkxt1r%",font_size=14))
        
    )
c.render_notebook()

評論人數(shù)top10店鋪

df5 = df.groupby('店鋪名稱')['評論人數(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="評論人數(shù)TOP10",subtitle="數(shù)據(jù)來源：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",subtitle="數(shù)據(jù)來源：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})#更改縱坐標字體大小
                       )
    .set_series_opts(label_opts=opts.LabelOpts(font_size=16,position='right'))
    )
c.render_notebook()

厚度

df5 = df.groupby('厚度')['商品價格'].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",subtitle="數(shù)據(jù)來源：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})#更改縱坐標字體大小
                       )
    .set_series_opts(label_opts=opts.LabelOpts(font_size=16,position='right'))
    )
c.render_notebook()

風格

df5 = df.groupby('風格')['商品價格'].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="各風格羽絨服均價",subtitle="數(shù)據(jù)來源：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})#更改縱坐標字體大小
                       )
    .set_series_opts(label_opts=opts.LabelOpts(font_size=16,position='right'))
    )
c.render_notebook()

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，你們學到知識或技能了嗎？如果還想學到更多技能或者豐富自己的知識儲備，歡迎關(guān)注億速云行業(yè)資訊頻道。