Python采集12星座信息,分析出12星座的各个特点
一个微博热搜引发的故事
- 一、故事从这里开始
- 二、搞事情第一步:搜集图片
- 三、搞事情第二步:展示图片
- 四、搞事情第三步:推广链接
- 五、搞事情第四步:统计分析
- 1.数据处理2.数据筛选3.统计各天的频率4.统计星座的频率5.统计月份的频率6.数据可视化(3个条形图)
- 写在最后
很多人学习python,不知道从何学起。
很多人学习python,掌握了基本语法过后,不知道在哪里寻找案例上手。
很多已经做案例的人,却不知道如何去学习更加高深的知识。
那么针对这三类人,我给大家提供一个好的学习平台,免费领取视频教程,电子书籍,以及课程的源代码!
QQ群:961562169
一、故事从这里开始
3月29日那晚,我正在厕所蹲坑来着,大概就是边蹲边刷手机的那种…突然发现一条微博热搜#你出生那天的宇宙#
在评论区,发现大家都有一个同样的疑惑:无法访问NASA官网(可能是因为访问量过大,导致网络极高延时)。作为一个社会主义正直青年,我怎么能放着不管呢?
于是,我决定搞事情!!
二、搞事情第一步:搜集图片
一个简单的想法油然而生:既然大家没法从官网上下载图片,那我就帮大家集齐图片,然后发给大家就好啦。(搜集数据嘛,写个爬虫不就好了?)
于是,我直接冲进NASA官网准备分析一波请求。结果…好叭,我也是大家中的一员,我也加载不出图片。
这点困难我怎么能退缩呢,再于是,我就去微博评论下面苦苦寻找,果然功夫不负有心人,发现豆瓣上有个大佬已经为找齐了所有图片:
秉承“拿来主义”的作风,我决定这里就是我的数据源(某豆瓣相册)
简单分析了一下,发现可以通过一个m_start的参数进行翻页,每页20张图片(如m_start=0为第一页,m_start=20为第二页),那么写一个循环便可:
import reimport queue
import requests
import threading
from selenium import webdriver
from selenium.webdriver.chrome.options import Options
headers = {
"Host": "www.douban.com",
"Connection": "keep-alive",
"Cache-Control": "max-age=0",
"Upgrade-Insecure-Requests": "1",
"User-Agent": "Mozilla/5.0 (Windows NT 6.3; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/80.0.3987.149 Safari/537.36",
"Sec-Fetch-Dest": "document",
"Accept": "text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,image/apng,*/*;q=0.8,application/signed-exchange;v=b3;q=0.9",
"Sec-Fetch-Site": "none",
"Sec-Fetch-Mode": "navigate",
"Sec-Fetch-User": "?1",
"Accept-Encoding": "gzip, deflate, br",
"Accept-Language": "zh-CN,zh;q=0.9",
"Cookie": "bid=rb_kUqiDS6k; douban-fav-remind=1; _pk_ses.100001.8cb4=*; ap_v=0,6.0; __utma=30149280.1787149566.1585488263.1585488263.1585488263.1; __utmc=30149280; __utmz=30149280.1585488263.1.1.utmcsr=(direct)|utmccn=(direct)|utmcmd=(none); __yadk_uid=HNoH1YVIvD2c8HrQDWHRzyLciFJl1AVD; __gads=ID=a1f73d5d4aa31261:T=1585488663:S=ALNI_MafqKPZWHx0TGWTpKEm8TTvdC-eyQ; ct=y; _pk_id.100001.8cb4=722e0554d0127ce7.1585488261.1.1585488766.1585488261.; __utmb=30149280.10.6.1585488263"
}
# driver初始化
chrome_options = Options()
chrome_options.add_argument("--headless")
driver = webdriver.Chrome(options=chrome_options)
# 下载图片
def downimg():
while not img_queue.empty():
img = img_queue.get()
img_name = img[0]
url = img[1]
res = requests.get(url)
data =res.content
with open("./img/%s.webp"%img_name,"wb") as f:
f.write(data)
print(img_name)
# 网站参数
url_o = "https://www.douban.com/photos/album/1872547715/?m_start=%d"
# 爬取连接
img_queue = queue.Queue()
for i in range(0,21):
url = url_o%(18*i)
driver.get(url)
es = driver.find_elements_by_class_name("photo_wrap")
for e in es:
img_e = e.find_element_by_tag_name("img")
img_url = img_e.get_attribute("src")
img_url = img_url.replace("photo/m/public","photo/l/public") # 替换为大图
text_e = e.find_element_by_class_name("pl")
img_date = text_e.text
img_queue.put((img_date,img_url))
print("%d页爬取完成"%(i+1))
driver.close()
# 下载图片
thread_list = []
N_thread = 5
for i in range(N_thread):
thread_list.append(threading.Thread(target=downimg))
for t in thread_list:
t.start()
for t in thread_list:
t.join()
代码简单来说就是:webdriver访问页面并获取图片地址,然后通过多线程利用requests下载并保存图片。
至此,图片搜集的工作基本完成!
三、搞事情第二步:展示图片
有了图片,接下来就是如何让大家获得图片呢?去给每个人私发?机智的我当然不会这么干,我决定写一个小网页来让大家访问。作为很不专业的我,东平西凑,效果大概就是这样(你生日那天的宇宙):
四、搞事情第三步:推广链接
关于推广,咱也不懂,咱也不敢说。 傻傻的我决定自己发一条微博(心里大概是想:这么方便的工具,肯定会受大家欢迎的,肯定是这样没有错,对,没错…):
现实嘛,总是残酷的。吃瓜群众都猜到了:无人问津,石沉海底~
几经周折,最后呢在一位相关话题的热门博主的鼎力帮助下,最终迎来了一些流量:
五、搞事情第四步:统计分析
虽然这个流量跟我想象的还是相差甚远,毕竟这个话题也是有上亿的阅读量的,但是我还是决定对昨天访问的情况做一个简单的统计:
1.数据处理
在某度统计里拿到网页访问数据的原始csv表格后,进行了简单数据处理,调整为更方便读取的格式。
2.数据筛选
由于表格中并不仅仅包括NASA页面的数据,还有一些其他页面的数据,于是必须进行数据的筛选:
# 读取数据data = pd.read_csv("./analyze/20200330-20200330.csv",encoding="utf-8")
# 筛选数据(和NASA相关且有有效日期的数据)
data_NASA = []
for i in range(len(data)):
url = urllib.parse.unquote(data["URL"][i])
pv = data["PV"][i] # 浏览量
uv = data["UV"][i] # 访客量
#if url[-1] == "日" and "NaN" not in url: # 为NASA访问页面
if "date=" in url and "NaN" not in url:
try:
data_NASA.append((re.findall("date=(d*?月d*?日)",url)[0],pv,uv))
except:
pass
3.统计各天的频率
# 统计各个天数的频率PV_map= {}
UV_map = {}
PV_total = 0
UV_total = 0
for d in data_NASA:
if d[0] not in PV_map.keys():
PV_map[d[0]] = 0
UV_map[d[0]] = 0
PV_map[d[0]] += d[1] # PV
UV_map[d[0]] += d[2] # UV
PV_total += d[1]
UV_total += d[2]
for k in PV_map.keys(): # 计算频率
PV_map[k] = PV_map[k]/PV_total*100
UV_map[k] = UV_map[k]/UV_total*100
PVs= sorted(PV_map.items(),key=lambda x:x[1],reverse=True) # 排序
UVs= sorted(UV_map.items(),key=lambda x:x[1],reverse=True) # 排序
4.统计星座的频率
# 判断星座def get_xingzuo(month, date):
dates = (21, 20, 21, 21, 22, 22, 23, 24, 24, 24, 23, 22)
constellations = ("摩羯座", "水瓶座", "双鱼座", "白羊座", "金牛座", "双子座", "巨蟹座", "狮子座", "处女座", "天秤座", "天蝎座", "射手座", "摩羯座")
if date < dates[month-1]:
return constellations[month-1]
else:
return constellations[month]
# 统计各星座的频率
xingzuo = ("摩羯座", "水瓶座", "双鱼座", "白羊座", "金牛座", "双子座", "巨蟹座", "狮子座", "处女座", "天秤座", "天蝎座", "射手座", "摩羯座")
xingzuo_map = {}
for x in xingzuo:
xingzuo_map[x] = 0
xingzuo_total = 0
for d in data_NASA:
month = int(re.findall("(d*?)月(d*?)日",d[0])[0][0])
day = int(re.findall("(d*?)月(d*?)日",d[0])[0][1])
x = get_xingzuo(month,day)
#xingzuo_map[x] += d[1] # PV
xingzuo_map[x] += d[2] # UV
xingzuo_total += d[2]
for k in xingzuo_map.keys():
xingzuo_map[k] = xingzuo_map[k]/xingzuo_total*100
xingzuos= sorted(xingzuo_map.items(),key=lambda x:x[1],reverse=True) # 排序
5.统计月份的频率
# 统计各月份的频率month = [str(i)+"月" for i in range(1,13)]
month_map = {}
for m in month:
month_map[m] = 0
month_total = 0
for d in data_NASA:
m = d[0].split("月")[0]+"月"
#month_map[m] += d[1] # PV
month_map[m] += d[2] # UV
month_total += d[2]
for k in month_map.keys():
month_map[k] = month_map[k]/month_total*100
months= sorted(month_map.items(),key=lambda x:x[1],reverse=True) # 排序
6.数据可视化(3个条形图)
## 生日查询TOP10-按访客量UVdate = []
uv = []
for i in UVs:
date.append(i[0])
uv.append(i[1])
top10_date = date[:10]
top10_date.reverse()
top10_uv = uv[:10]
top10_uv.reverse()
fig, ax = plt.subplots() # 画图
b = plt.barh(top10_date,top10_uv,color="#6699CC") # 金色#FFFACD 银色#C0C0C0 橙色#FFA500 蓝色#6699CC
i = len(b)
for rect in b: # 画数值
if i==3: # 第三名
rect.set_facecolor("#FFA500") # 橙色
if i==2: # 第二名
rect.set_facecolor("#C0C0C0") # 银色
if i==1: # 第一名
rect.set_facecolor("#FFFACD") # 金色
w = rect.get_width()
ax.text(w, rect.get_y()+rect.get_height()/2, " %.2f%%"%w,ha="left", va="center")
i -= 1
plt.xticks([]) # 关掉横坐标
## 星座查询排名
name = []
v = []
for i in xingzuos:
name.append(i[0])
v.append(i[1])
name.reverse()
v.reverse()
fig, ax = plt.subplots() # 画图
b = plt.barh(name,v,color="#6699CC") # 金色#FFFACD 银色#C0C0C0 橙色#FFA500 蓝色#6699CC
i = len(b)
for rect in b: # 画数值
if i==3: # 第三名
rect.set_facecolor("#FFA500") # 橙色
if i==2: # 第二名
rect.set_facecolor("#C0C0C0") # 银色
if i==1: # 第一名
rect.set_facecolor("#FFFACD") # 金色
w = rect.get_width()
ax.text(w, rect.get_y()+rect.get_height()/2, " %.2f%%"%w,ha="left", va="center")
i -= 1
plt.xticks([]) # 关掉横坐标
## 月份查询排名
name = []
v = []
for i in months:
name.append(i[0])
v.append(i[1])
name.reverse()
v.reverse()
fig, ax = plt.subplots() # 画图
b = plt.barh(name,v,color="#6699CC") # 金色#FFFACD 银色#C0C0C0 橙色#FFA500 蓝色#6699CC
i = len(b)
for rect in b: # 画数值
if i==3: # 第三名
rect.set_facecolor("#FFA500") # 橙色
if i==2: # 第二名
rect.set_facecolor("#C0C0C0") # 银色
if i==1: # 第一名
rect.set_facecolor("#FFFACD") # 金色
w = rect.get_width()
ax.text(w, rect.get_y()+rect.get_height()/2, " %.2f%%"%w,ha="left", va="center")
i -= 1
plt.xticks([]) # 关掉横坐标
最后的结果就长这个样子:
写在最后
如果可以,我亦希望在无数次键盘的敲击声中创造出所谓的“极致浪漫”~
最后,附上本次NASA活动中个人觉得比较好看的一些图片:
以上是 Python采集12星座信息,分析出12星座的各个特点 的全部内容, 来源链接: utcz.com/z/530379.html