中兴能源建设有限公司网站,国外地推如何开展,彩票网站的建设,网络公关的作用目录 前言环境使用模块使用数据来源分析 代码实现导入模块请求数据解析保存 数据可视化导入模块、数据年份分布情况月份分布情况出行时间情况费用分布情况人员分布情况 前言
2023年的中秋节和国庆节即将来临#xff0c;好消息是#xff0c;它们将连休8天#xff01;这个长假… 目录 前言环境使用模块使用数据来源分析 代码实现导入模块请求数据解析保存 数据可视化导入模块、数据年份分布情况月份分布情况出行时间情况费用分布情况人员分布情况 前言
2023年的中秋节和国庆节即将来临好消息是它们将连休8天这个长假为许多人提供了绝佳的休闲机会让许多人都迫不及待地想要释放他们被压抑已久的旅游热情所以很多朋友已经开始着手规划他们的旅游行程。
今天我们来分析下去哪儿的旅游攻略数据看看吃、住、游玩在价位合适的情况下怎样才能玩的开心
环境使用
Python 3.8 Pycharm
模块使用
requests parsel csv
数据来源分析
明确需求 这次选的月份为10 ~ 12月游玩费用为1000 ~ 2999这个价位 2. 抓包分析 按F12打开开发者工具点击搜索输入你想要的数据 找到数据链接 https://travel.qunar.com/travelbook/list.htm?page1orderhot_heatmonth10_11_12avgPrice2代码实现
导入模块
import requests
import parsel
import csv请求数据 模拟浏览器: 可以直接复制 response.text 获取响应文本数据 response.json() 获取响应json数据 response.content 获取响应二进制数据 我们使用requests.get()方法向指定的URL发送GET请求并获取到响应的内容 url fhttps://travel.qunar.com/travelbook/list.htm?page1orderhot_heatmonth10_11_12avgPrice2
headers {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
}
response requests.get(url, headersheaders)解析 先取响应文本数据 selector parsel.Selector(response.text)css选择器:根据标签属性提取数据内容看元素面板, 为了帮助找到数据标签, lis selector.css(.list_item)
for li in lis:title li.css(.tit a::text).get()user_name li.css(.user_name a::text).get()date li.css(.date::text).get()days li.css(.days::text).get()photo_nums li.css(.photo_nums::text).get()fee li.css(.fee::text).get()people li.css(.people::text).get()trip li.css(.trip::text).get()places .join(li.css(.places ::text).getall()).split(行程)place_1 places[0].replace(途经, )place_2 places[-1].replace(, )href li.css(.tit a::attr(href)).get().split(/)[-1]link fhttps://travel.qunar.com/travelbook/note/{href}dit {标题: title,昵称: user_name,日期: date,耗时: days,照片: photo_nums,费用: fee,人员: people,标签: trip,途径: place_1,行程: place_2,详情页: link,}print(title, user_name, date, days, photo_nums, fee, people, trip, place_1, place_2, link, sep | )保存
f open(data.csv, modew, encodingutf-8, newline)
csv_writer csv.DictWriter(f, fieldnames[标题,昵称,日期,耗时,照片,费用,人员,标签,途径,行程,详情页,
])
csv_writer.writeheader()数据可视化
导入模块、数据
import pandas as pddf pd.read_csv(data.csv)
df.head()年份分布情况
from pyecharts import options as opts
from pyecharts.charts import Pie
from pyecharts.faker import Faker
num df[年份].value_counts().to_list()
info df[年份].value_counts().index.to_list()
c (Pie().add(,[list(z)for z in zip(info,num,)],center[40%, 50%],).set_global_opts(title_optsopts.TitleOpts(title年份分布情况),legend_optsopts.LegendOpts(type_scroll, pos_left80%, orientvertical),).set_series_opts(label_optsopts.LabelOpts(formatter{b}: {c}))
# .render(pie_scroll_legend.html)
)
c.render_notebook()月份分布情况
from pyecharts import options as opts
from pyecharts.charts import Pie
from pyecharts.faker import Faker
num df[月份].value_counts().to_list()
info df[月份].value_counts().index.to_list()
c (Pie().add(,[list(z)for z in zip(info,num,)],center[40%, 50%],).set_global_opts(title_optsopts.TitleOpts(title月份分布情况),legend_optsopts.LegendOpts(type_scroll, pos_left80%, orientvertical),).set_series_opts(label_optsopts.LabelOpts(formatter{b}: {c}))
# .render(pie_scroll_legend.html)
)
c.render_notebook()出行时间情况
from pyecharts import options as opts
from pyecharts.charts import Pie
from pyecharts.faker import Faker
num df[耗时].value_counts().to_list()
info df[耗时].value_counts().index.to_list()
c (Pie().add(,[list(z)for z in zip(info,num,)],center[40%, 50%],).set_global_opts(title_optsopts.TitleOpts(title出行时间情况),legend_optsopts.LegendOpts(type_scroll, pos_left80%, orientvertical),).set_series_opts(label_optsopts.LabelOpts(formatter{b}: {c}))
# .render(pie_scroll_legend.html)
)
c.render_notebook()费用分布情况
from pyecharts import options as opts
from pyecharts.charts import Pie
from pyecharts.faker import Faker
num df[费用].value_counts().to_list()
info df[费用].value_counts().index.to_list()
c (Pie().add(,[list(z)for z in zip(info,num,)],center[40%, 50%],).set_global_opts(title_optsopts.TitleOpts(title费用分布情况),legend_optsopts.LegendOpts(type_scroll, pos_left80%, orientvertical),).set_series_opts(label_optsopts.LabelOpts(formatter{b}: {c}))
# .render(pie_scroll_legend.html)
)
c.render_notebook()人员分布情况
from pyecharts import options as opts
from pyecharts.charts import Pie
from pyecharts.faker import Faker
num df[人员].value_counts().to_list()
info df[人员].value_counts().index.to_list()
c (Pie().add(,[list(z)for z in zip(info,num,)],center[40%, 50%],).set_global_opts(title_optsopts.TitleOpts(title人员分布情况),legend_optsopts.LegendOpts(type_scroll, pos_left80%, orientvertical),).set_series_opts(label_optsopts.LabelOpts(formatter{b}: {c}))
# .render(pie_scroll_legend.html)
)
c.render_notebook()适合练手的25个Python案例源码分享总有一个你想要的 问题解答 · 源码获取 · 技术交流 · 抱团学习请联系
