目录

  • 前言
  • 一，确定目标
  • 二，发送请求
  • 三, 解析数据
  • 四, 保存数据
  • pyecharts进行可视化
    • “某站”数据排名前10视频类型
    • “某站”标题标签可视化
    • “某站”喜欢视频分类概况
  • 总结

前言

本项目将会对“某站”热搜排行的数据进行网页信息爬取以及数据可视化分析 本教程仅供学习参考！

首先，准备好相关库

requests、pandas、pyecharts等

因为这是第三方库，所以我们需要额外下载
下载有两种方法（以requests为例，其余库的安装方法类似）：

pip install requests

点击回车后，就会自动帮我们进行安装，如果有的同学安装过程中是非常慢，半天看不到效果，建议大家可以使用镜像文件：在指令中添加-i 网址

pip install numpy -i https://mirrors.aliyun.com/pypi/simple/

常见镜像有：
镜像名称 网址
阿里云 https://mirrors.aliyun.com/pypi/simple/
豆瓣 https://pypi.douban.com/simple/
清华大学(推荐) https://pypi.tuna.tsinghua.edu.cn/simple/
中国科学技术大学 http://pypi.mirrors.ustc.edu.cn/simple/
华中理工大学 http://pypi.hustunique.com/
山东理工大学 http://pypi.sdutlinux.org/
这些都是我们在准备工具，准备好工作后，我们就可以开始进行我们的爬虫工作啦.

一，确定目标

import requests# 1确定目标headers={"user-agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/108.0.0.0 Safari/537.36"}url="https://api.某站（自己可以找到网址，平台不允许放）.com/x/web-interface/popular" />

二，发送请求

response=requests.get(url=url,headers=headers)

三, 解析数据

datas=response.json()['data']['list']results=[]for data in datas:result={'标题':data['title'],'视频分类':data['tname'],'aid':data['aid'],'bvid': data['bvid'],'视频描述': data['desc'],'视频封面': data['pic'],'up主': data['owner']['name'],'视频链接': data['short_link'],'投币数': data['stat']['coin'],'收藏数': data['stat']['favorite'],'弹幕数': data['stat']['danmaku'],'喜欢数': data['stat']['like'],'观看数': data['stat']['view'],'分享数': data['stat']['share'],}results.append(result)

四, 保存数据

import pandas as pddf=pd.DataFrame(results)df.to_excel("某站数据01.xlsx",index=False)

]

pyecharts进行可视化

爬虫到这里就结束了，接下来，我们就通过pyecharts进行可视化吧

先进行数据读取

import pandas as pddata=pd.read_excel("./B站.xlsx")print(data)

“某站”数据排名前10视频类型

from pyecharts.charts import Barfrom pyecharts import options as optsbar = (Bar() .add_xaxis(sp_data) .add_yaxis('',sl_data).set_global_opts(title_opts=opts.TitleOpts(title="B站数据排名前10视频类型"),xaxis_opts=opts.AxisOpts(name_rotate=0,name="品牌名",axislabel_opts={"rotate":60})))bar.render_notebook()

from pyecharts.charts import Barfrom pyecharts import options as optsbar = (Bar() .add_xaxis(sp_data) .add_yaxis('',sl_data) .reversal_axis().set_global_opts(title_opts=opts.TitleOpts(title="B站数据排名前10视频类型"),xaxis_opts=opts.AxisOpts(name_rotate=0,name="品牌名",axislabel_opts={"rotate":60})))bar.render_notebook()

“某站”标题标签可视化

from pyecharts import options as optsfrom pyecharts.charts import Page, WordCloudfrom pyecharts.globals import SymbolTypedef wordcloud_base() -> WordCloud:c = (WordCloud().add("", most_common_words, word_size_range=[20, 100]).set_global_opts(title_opts=opts.TitleOpts(title="B站标题标签可视化")))return cwd = wordcloud_base()wd.render_notebook()

“某站”喜欢视频分类概况

from pyecharts.charts import Lineline = (Line() .add_xaxis(rea) .add_yaxis('',res).set_global_opts(title_opts=opts.TitleOpts(title="B站喜欢视频分类概况", subtitle="喜欢数"),xaxis_opts=opts.AxisOpts(name_rotate=0,name="分类",axislabel_opts={"rotate":60})))line.render_notebook()

总结

这些就是我们通过python爬虫爬取下来的数据，进行可视化的一个分析，你可以通过图看出什么效果呢。除了这些可视图可以单个放，我们也可以把这些图进行合并，变成我们传说中的大屏.

代码如下：

page = Page(layout=Page.DraggablePageLayout)# 在页面中添加图表page.add( bar2_world(), bar1_world(), line1_world(), wordcloud_base(),)page.render('test1.html')

想要源码的同学，可以后台私信我一下哈