Python 从爬虫到数据分析

因为dict的存储不是按照list的方式顺序排列，所以，迭代出的结果顺序很可能不是每次都一样。默认情况下，dict迭代的是key。如果要迭代value，可以用for value in d.values()，如果要同时#迭代key和value，可以用for k, v in d.items()

可以看到，字典里的人名被一一打印出来了。for 函数的作用就是用于遍历数据。掌握for函数，可以说是真正入门了Python函数。

B.爬虫和循环

for函数在书写Python爬虫中经常被应用，因为爬虫经常需要遍历每一个网页，以获取信息，所以构建完整而正确的网页链接十分关键。以某票房数据网为例，他的网站信息长这样：

该网站的周票房json数据地址可以通过抓包工具找到，网址为http://www.cbooo.cn/BoxOffice/getWeekInfoData?sdate=20190114

仔细观察，该网站不同日期的票房数据网址(url)只有后面的日期在变化，访问不同的网址(url)就可以看到不同日期下的票房数据：

我们要做的是，遍历每一个日期下的网址，用Python代码把数据爬下来。此时for函数就派上用场了，使用它我们可以快速生成多个符合条件的网址：

import pandas as pd 
 
url_df = pd.DataFrame({'urls':['http://www.cbooo.cn/BoxOffice/getWeekInfoData?sdate=' for i in range(5)],'date' :pd.date_range(20190114,freq = 'W-MON',periods = 5)}) 
 
''' 
将网址相同的部分生成5次，并利用pandas的时间序列功能生成5个星期一对应的日期。 
其中用到了第一部分提供的多个数据类型： 
range(5)属于列表， 
'urls'：[]属于字典， 
pd.dataframe属于dataframe 
''' 
url_df['urls'] = url_df['urls'] + url_df['date'].astype('str') 

滑动滑块可以看到完整代码和中间的注释。

为了方便理解，我给大家画了一个for函数的遍历过程示意图：

此处省略掉后续爬取过程，相关爬虫代码见文末。我们使用爬虫爬取了5800+条数据，包含20个字段，时间囊括了从2008年1月开始至2019年2月十一年期间的单周票房、累计票房、观影人次、场均人次、场均票价、场次环比变化等信息。

3.Python怎么实现数据分析?

除了爬虫，分析数据也是Python的重要用途之一，Excel能做的事，Python究竟怎么实现呢;Excel不能做的事，Python又是否能实现呢?利用电影票房数据，我们分别举一个例子说明：

A.Python分析

在做好数据采集和导入后，选择字段进行初步分析可以说是数据分析的必经之路。在Dataframe数据格式的帮助下，这个步骤变得很简单。

比如当我们想看单周票房第一的排名分别都是哪些电影时，可以使用pandas工具库中常用的方法，筛选出周票房为第一名的所有数据，并保留相同电影中周票房最高的数据进行分析整理：

import pandas as pd 
data = pd.read_csv('中国票房数据爬取测试20071-20192.csv',engine='python') 
data[data['平均上座人数']>20]['电影名'] 
#计算周票房第一随时间变化的结果，导入数据，并选择平均上座人数在20以上的电影为有效数据 
 
dataTop1_week = data[data['排名']==1][['电影名','周票房']] 
#取出周票房排名为第一名的所有数据，并保留“电影名”和“周票房”两列数据 
 
dataTop1_week = dataTop1_week.groupby('电影名').max()['周票房'].reset_index() 
#用“电影名”来分组数据，相同电影连续霸榜的选择最大的周票房保留，其他数据删除 
 
dataTop1_week = dataTop1_week.sort_values(by='周票房',ascending=False) 
#将数据按照“周票房”进行降序排序 
 
dataTop1_week.index = dataTop1_week['电影名'] 
del dataTop1_week['电影名'] 
#整理index列，使之变为电影名，并删掉原来的电影名列 
 
dataTop1_week 
#查看数据 

（编辑：核心网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!