位置：首页-资讯-后端开发

Python对中国500强排行榜数据进行可视化分析实战

2023-05-16 12:16

短信预约 -IT技能 免费直播动态提醒

?数据采集

?确定网址

首先，我们对目标网址进行数据采集。我们可以清楚的看到，在2022年中新财富500富人榜。

确定好我们的目标网址之后，我们要找到我们需要的数据源，通过开发者工具分析，我们不难发现其数据地址。

下面，我们开始写代码。

?获取数据

第一步，发送请求，获得数据。

import requests
url = 'https://service.ikuyu.cn/XinCaiFu2/pcremoting/bdListAction.do?method=getPage&callback=jsonpCallback&sortBy=&order=&type=4&keyword=&pageSize=15&year=2022&pageNo=1&from=jsonp&_=1680092323527'
headers = {
        'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/111.0.0.0 Safari/537.36'}
res = requests.get(url,headers=headers)

我们得到数据是这样的，大家可能会以为是一个json数据，其实不是，这个返回值需要我们进一步处理。

jsonpCallback({"data":{"pagesize":15,"current":1,"total":500,"rows":[{"assets":4983.5,"year":2022,"sex":"男","name":"钟睒睒","rank":1,"company":"农夫山泉/万泰生物","industry":"矿泉水饮料、医药生物","id":151478,"addr":"浙江杭州/北京","rankLst":"1","age":"68"}······）

?解析数据

我们发现，我们得到了这样jsonpCallback(）的数据，可能就有人担心了，那这种情况，我们该怎么办呢，不要慌，我们只需要正则表达式就可以。

html_data = re.findall('jsonpCallback((.*?))',res.text)[0]

这段代码中，我们使用 Python 的 re 模块中的 findall() 函数来查找 JSONP 回调函数的参数。findall() 函数可以返回一个列表，其中包含了所有匹配的子字符串。

在这个例子中，我们使用 findall() 函数来查找 JSONP 回调函数的参数，并将其存储在 res.text 变量中。然后，我们使用 [0] 来获取第一个匹配的子字符串，并将其存储在 html_data 变量中。

这样，我们就得到了json数据，接下来，我们就开始解析数据。

for index in json.loads(html_data)['data']['rows']:
    # print(index)
    dit = {
        '姓名':index['name'],
        '财富值':index['assets'],
        '主要公司':index['company'],
        '相关行业': index['industry'],
        '公司总部':index['addr'],
        '排名': index['rank'],
    }

?保存数据

我们先把数据存入到字典里面，然后，方便我们写入csv文件里面，我们看看打印出来的字典数值是怎么样子的。

下面就是数据的写入了。其实，把字典数值写入到csv文件里面，特别简单，只需呀四行代码就可以实现。

f = open('财富榜.csv',mode='a',encoding='utf-8',newline='')
csv_writer = csv.DictWriter(f,fieldnames=['姓名','财富值','主要公司','相关行业','公司总部','排名'])
csv_writer.writeheader()

这段代码中，我们使用 Python 的 open() 函数打开了一个名为 "财富榜.csv" 的文件，并使用 csv.DictWriter() 函数创建了一个 csv_writer 对象。fieldnames 参数用于指定字段名称，这里我们指定了 "姓名"、"财富值"、"主要公司"、"相关行业"、"公司总部"、"排名" 六个字段。

然后，我们使用 csv_writer.writeheader() 方法写入表头，表头包括了字段名称。

最后，我们使用 csv_writer.write() 方法向文件中写入数据，数据内容为一个字典对象。

写入字典数值。

csv_writer.writerow(dit)

这时候，我们就会在文件夹里面找到财富值的csv文件，我们打开看看效果。

在这里，我只采集了第一页的数据，也就是前15的数据，如果，我们想进行多页数据采集，只需要对网址进行改变，我们会发现网址有相似的规律。直接for循环遍历就可以，这里，就不过多解释。

?数据可视化

?代码

我们在这里，就要用到pyecharts库，不得不说，这个功能非常强大，我们写这个代码也非常简单，我们只需要去官方文档，复制粘贴就可以，根据自己的数据稍微改动一点代码就可以。

import pandas as pd
import pyecharts.options as opts
from pyecharts.charts import Line
df = pd.read_csv('财富榜.csv')
x = ['农夫山泉/万泰生物' ,'宁德时代' ,'腾讯控股' ,'今日头条', '拼多多']
c = (
    Line()
    .add_xaxis(x)
    .add_yaxis("财富值",df['财富值'].values)
    .set_global_opts(title_opts=opts.TitleOpts(title="财富值分布"))
)

这段代码中，我们使用 Pandas 库的 read_csv() 函数读取了一个名为 "财富榜.csv" 的 CSV 文件，并将其存储在 df 变量中。然后，我们使用 Line() 函数创建了一个新的 DataFrame 对象，并使用 add_xaxis() 方法将 x 列添加到 DataFrame 中。接着，我们使用 add_yaxis() 方法将 DataFrame 中的 "财富值" 列添加到 DataFrame 的 "财富值" 列中。最后，我们使用 set_global_opts() 方法设置了 DataFrame 的标题选项，并使用 title_opts 参数设置了标题。

我们直接让它生成一个网页，方便我们直观的感受。