标签：ret   png   har   encode   ade   return   url   山西   alt   

在很多网站上，都会以表格的形式展示数据，而我们获取这种数据只需通过十几行爬虫代码就可以搞定，轻松搞定网页爬虫，实现高效办公

爬取上市公司数据、分析数据，并用可视化现实全国各地区公司数量

知识点：

• 爬虫基本原理
• requests的简单使用
• pandas库
• pyecharts可视化工具

第三方库：

• requests
• pandas

开发环境：

• Python 3.6
• Pycharm

这里就只展示部分代码了

爬虫代码

1.导入工具

from urllib.parse import urlencode 
import requests 
import csv 
from bs4 import BeautifulSoup 
import pandas as pd

2.网页提取函数

def get_one_page(i): 
    paras = { 
        ‘reportTime‘: ‘2019-12-31‘, 
        # 可以改报告日期，比如2018-6-30获得的就是该季度的信息 
        ‘pageNum‘: i  # 页码 
    } 
    url = ‘http://s.askci.com/stock/a/?‘ + urlencode(paras) 
    response = requests.get(url, headers=headers) 
    if response.status_code == 200: 
        return response.text 

3.提取表格数据

def parse_one_page(html): 
    tb = pd.read_html(html)[3] 
    return tb 

4.保存数据

def save_csv(): 
    pass 

if __name__ == ‘__main__‘: 
    html = get_one_page(1) 
    parse_one_page(html) 

运行代码，效果如下图

数据可视化代码

ffrom pyecharts import options as opts 
from pyecharts.charts import Map 
from pyecharts.faker import Faker 
df = pd.read_csv(‘1.csv‘) 

data = [[‘北京‘,331], [‘西藏‘,18], [‘湖北‘,103], [‘上海‘,298], [‘天津‘,50], [‘陕西‘,51], [‘安徽‘,106], [‘河北‘,58], [‘贵州‘,29], [‘河南‘,79], [‘山东‘,206], [‘广东‘,603], [‘江西‘,41], [‘江苏‘,420], [‘浙江‘,443], [‘湖南‘,105], [‘黑龙江‘,37], [‘辽宁‘,78], [‘福建‘,134], [‘四川‘,125], [‘重庆‘,50], [‘广西‘,38], [‘新疆‘,54], [‘云南‘,37], [‘山西‘,38], [‘宁夏‘,14], [‘海南‘,30], [‘甘肃‘,33], [‘吉林‘,42], [‘内蒙古‘,25], [‘青海‘,12]] 
c = ( 
    Map() 
    .add("上市公司数量 ", data, "china") 
    .set_global_opts( 
        title_opts=opts.TitleOpts(title="上市公司数量分布"), 
        visualmap_opts=opts.VisualMapOpts(max_=700), 
    ) 
) 

c.render_notebook() 

最后运行代码，效果如下图

【责任编辑：未丽燕 TEL：（010）68476606】

爬取上市公司数据、分析数据，并用可视化现实全国各地区公司数量

标签：ret   png   har   encode   ade   return   url   山西   alt   

原文地址：https://blog.51cto.com/14887308/2521606