可視化展示
看完記得點個贊喲
炫酷可視化音樂組合版來了!
項目介紹
背景
現階段、抖音、快手、嘩哩嘩哩、微信公衆号已經成為不少年輕人必備的“生活神器”。在21世紀的今天,你又是如何擷取外界的資訊資源的?相信很多小夥伴應該屬于下面這一種類型的:
事情要想知道快,抖音平台馬上拍;
微網誌熱搜刷一刷,聚焦熱點不愁賣;
閑來發呆怎麼辦, B 站抖音快手來;
要是深夜無聊備,微信文章踩一踩;
哈哈哈,小小的活躍一下氣氛
在這個萬物互聯的時代,已不再是那個“從前慢,車馬慢......”的飛鴿傳書三月天的時代了,資料每一天都有人在産生,也有人時刻在收集和監控資料,更是有人不斷地在分析和利用資料産生潛在的價值。
項目概覽
本次項目選取的是熱搜資料,加資料分析和可視化展示,基于熱搜的娛樂項目。
本次資料是選取之前的,并不是最新的資料,當然可以自己去運作代碼就可以爬取最新的資料了!
熱搜資料爬取
部分代碼展示
熱度動态輪播圖
部分代碼展示
源碼點選此處下載下傳
話題定位追蹤可視化
部分源碼展示
源碼點選此處下載下傳
爬取熱搜文章評論詞雲分析
部分源碼展示
點選此處下載下傳源碼
近期熱搜話題詞雲展示
點選此處下載下傳源碼
其他項目點選此處
項目代碼展示
熱搜資料爬取
選取熱搜榜官網
1.通過簡單對網頁的解析與觀察我們可以定位我們所需要的資料标簽值,決定我們應該用什麼解析庫,可以用Xpath、正規表達式、beautifulsoup都可以實作功能,本次選取的是beautifulsoup進行對資料表的解析。
2.同時我們需要注意的是反爬的措施,我們需要加入自己的請求頭,我們借用一個第三方庫,它可以随機産生一個可用的請求頭來僞裝我們的軟體,模拟浏覽器進行資料抓取:from fake_useragent import UserAgent
3.熱搜是每一分鐘更新一次,我們需要用到定時爬取的子產品,每一分鐘爬取需要的資料:import schedule
4.每一分鐘爬取一次,一個小時爬取60種類資料,建議爬取開啟5-7小時,讓電腦自動抓取資料,那麼就需要用到延時子產品了:import time
5.抓取的資料有排名、熱搜标題、熱度,為了我們友善展示和資料分析,我們需要給它加上時間戳,自動擷取目前時間,引進:from datetime import datetime
6.資料爬取好之後我們需要存儲,我們采用pandas這個強大的資料分析庫,進行資料的存儲:import pandas as pd
部分代碼展示
from fake_useragent import UserAgentimport scheduleimport pandas as pdfrom datetime import datetimeimport requestsfrom bs4 import BeautifulSoupimport timeua = UserAgent() # 解決了我們平時自己設定僞裝頭的繁瑣,此庫自動為我們彈出一個可用的模拟浏覽器url = "https://s.weibo.com/top/summary?cate=realtimehot&sudaref=s.weibo.com&display=0&retcode=6102"headers = {"User-Agent": ua.random}get_info_dict = {} # 建立一個資料字典count = 0a = 1def main(): global url, get_info_dict, count, a get_info_list = [] html = requests.get(url, headers).text # 傳回網頁源碼為txt文本
# 定時爬蟲schedule.every(1).minutes.do(main) # 根據每隔一分鐘更新一次資料,我們就每隔一分鐘爬取資料while True: time.sleep(2) schedule.run_pending() # 執行可執行結構
熱度動态輪播圖
可視化基于pyecharts這個強大的庫,适合做這種比較炫酷的可視化展示,輪播圖是如何去實作資料疊代展示的,我們一共爬取了多少次就會有多少次疊代循環,第一次提取出資料進行可視化,第二次繼續提取,如果第二次的資料與第一次的資料不一樣那麼動态效果也就自然顯示出來了,這樣不斷的去展示效果,再去設定一些參數:比如播放的幀數時間間隔等,那種動态的效果就會出來了。
部分代碼展示
df = pd.read_csv('夜間微網誌.csv', encoding='gbk')#解碼,注意這裡不能使用utf-8,因為CSV檔案使用gbk編碼t = Timeline({"theme": ThemeType.MACARONS}) # 定制主題——動态直方圖for i in range(389):#這裡的參數設定為我們總共了爬取的多少次更新動态資料 bar = ( Bar() .add_xaxis(list(df['關鍵詞'][i*20: i*20+20][::-1])) # x軸資料 .add_yaxis('熱度', list(df['熱度'][i*20: i*20+20][::-1])) # y軸資料 .reversal_axis() # 翻轉 .set_global_opts( # 全局配置項 title_opts=opts.TitleOpts( # 标題配置項 title=f"{list(df['時間'])[i*20]}", pos_right="5%", pos_bottom="15%", title_textstyle_opts=opts.TextStyleOpts( font_family='KaiTi', font_size=24, color='#14d8ff'#顔色配置去:https://encycolorpedia.cn/ff1493查詢設定 ) ), xaxis_opts=opts.AxisOpts( # x軸配置項 splitline_opts=opts.SplitLineOpts(is_show=True),#降序排序,從大到小,預設為升序 ), yaxis_opts=opts.AxisOpts( # y軸配置項 splitline_opts=opts.SplitLineOpts(is_show=True), axislabel_opts=opts.LabelOpts(color='#149bff') ) ) .set_series_opts( # 系列配置項 label_opts=opts.LabelOpts( # 标簽配置 position="right", color='#ff1435')
源碼點選此處下載下傳
話題定位追蹤可視化
對爬取的資料知識簡單的輪播圖展示熱度,顯得有點單調了,選取自己喜歡的話題去追蹤定位它在這一個時間段裡面的熱度趨勢,采用pyecharts這個動态折線圖的展示效果,再結合Python原生态的算法添加資料,兩者結合在一起如虎添翼。
部分源碼展示
c = ( Line(init_opts=opts.InitOpts(width="1400px", height="600px")) # 畫布大小 .add_xaxis(x_data) # 添加x軸 .add_yaxis('周震南發聲', y_1data, is_symbol_show=False, color=['red']) # 添加第一個y軸 .add_yaxis('男子第100次捐血為自己慶生', y_2data, is_symbol_show=False, color=['blue']) .add_yaxis('全明星1111起挺你', y_3data, is_symbol_show=False, color=['purple']) .add_yaxis('辛芷蕾 我發型咋啦', y_4data, is_symbol_show=False, color=['green']) .set_global_opts( title_opts=opts.TitleOpts(title='微網誌熱度走勢圖', subtitle="2020/10/27-淩晨1點熱搜追蹤圖"), # 設定x軸的label字型的走向,由于x軸過多,顯示不全,在這調整旋轉角度 xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=90)), # 下面這是調整是否可以縮放的 datazoom_opts=opts.DataZoomOpts(is_show=True), ) )
with open(r"熱度跟蹤圖.txt", 'w', encoding="utf-8") as fi: for q in ll: fi.write('"' + q + '"' + ",") print("恒定時間寫入成功!!") fi.write('熱搜标題1:{}'.format(a)) for w in ls: fi.write(w + ",") print("追蹤熱度1号寫入成功!!") fi.write('熱搜标題2:{}'.format(b)) for w in lk: fi.write(w + ",") print("追蹤熱度2号寫入成功!!") fi.write('熱搜标題3:{}'.format(c)) for w in lf: fi.write(w + ",") print("追蹤熱度3号寫入成功!!") fi.write('熱搜标題4:{}'.format(d)) for w in le: fi.write(w + ",") print("追蹤熱度4号寫入成功!!")
源碼點選此處下載下傳
爬取熱搜文章評論詞雲分析
結合抓包工具和浏覽器的模拟點選,爬取文章評論,利用這個自動輸出展示詞雲,讓我們快速了解關于該話題文章的熱搜趨勢和熱點,來看看周震南事件到底是什麼東東
部分源碼展示
import requestsimport jsonimport pprintimport redef get_comments(url): headers={ "cookie":"WEIBOCN_FROM=1110006030; SUB=_2A25ykBYoDeRhGeNL6VQX9SzOzz-IHXVuerpgrDV6PUJbkdANLVnxkW1NSP633HCwOYWsoKRdojJu08k0-l9OKPoi; SUHB=09P9SVp1GiU0Dz; _T_WM=46932887560; XSRF-TOKEN=f40f69; MLOGIN=1; M_WEIBOCN_PARAMS=uicode=20000061&fid=4563689719990147&oid=4563689719990147", "Accept":"application/json, text/plain, */*", "MWeibo-Pwa":"1", "Referer":"https://m.weibo.cn/detail/4563874994983986", "User-Agent":"Mozilla/5.0 (Linux; Android 6.0; Nexus 5 Build/MRA58N) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/84.0.4147.125 Mobile Safari/537.36", "X-Requested-With":"XMLHttpRequest", "X-XSRF-TOKEN":"50171a" } res=requests.get(url,headers=headers) ids=re.findall('u524d","id":"(.*?)",',res.text) file=open("評論.txt", "w", encoding='utf-8') for id in ids: s_url="https://m.weibo.cn/comments/hotflow?id={}&mid={}&max_id_type=0".format(id,id) print(s_url) sing_res = requests.get(url=s_url, headers=headers) sing_data = json.loads(sing_res.text) users = sing_data['data']['data'] age_urls = re.findall('"profile_url":"(.*?)",', res.text)
with open(r"評論.txt",encoding="utf-8") as file: a=file.read() b=jieba.lcut(a) for x in b: if x in ",。、;:‘’“”【】《》?、.!…": continue else: if len(x) == 1: ll.append(x) elif len(x) == 2: lg.append(x) elif len(x) == 3: lk.append(x) elif len(x)== 4: lj.append(x) # lp.append(x) for i in lg: lp.append(i) for p in lk: lp.append(p) for f in lj: lp.append(f)
近期熱搜話題詞雲展示
爬取近期一個月的熱搜話題,看看大家最近都在聚焦什麼,不多說了,這裡涉及到的一些參數,首先請求頭,cookies,能加的都加,我們隻需要擷取文字标題,可以通過Xpath來解決,源碼裡面是利用beautifulsoup這個一樣的道理,最後輸出為一個文本格式即可,抓包工具還是比較好的,一些看不到的資料我們可以通過這個神器來解決,自然動态加載還是Ajax都不是問題了。