本书是一本通过实战教初学者学习采集数据、清洗和组织数据进行分析及可视化的 Python 读物。书中案例均经过实战检验,笔者在实践过程中深感采集数据、清洗和组织数据的重要性,作为一名数据行业的“码农”,数据就是沃土,没有数据,我们将无田可耕。
本书共分 11 章, 6 个核心主题:其一是 Python 基础入门,包括环境配置、基本操作、数据类型、语句和函数;其二是 Python 爬虫的构建,包括网页结构解析、爬虫流程设计、代码优化、效率优化、容错处理、 反防爬虫、 表单交互和模拟页面点击; 其三是 Python 数据库应用, 包括 MongoDB、 MySQL 在 Python中的连接与应用;其四是数据清洗和组织,包括 NumPy 数组知识、 pandas 数据的读写、分组变形、缺失值异常值处理、时序数据处理和正则表达式的使用;其五是综合应用案例,帮助读者贯穿爬虫、数据清洗与组织的过程;最后是数据可视化,包括 Matplotlib 和 Pyecharts 两个库的使用,涉及饼图、柱形图、线图、词云图、地图等图形,帮助读者进入可视化的殿堂。
本书以实战为主,适合 Python 初学者及高等院校的相关专业学生,也适合 Python 培训机构作为实验教材使用。
Python爬虫技术的入门读物
通过实战教初学者学习爬取数据、清洗和组织数据进行分析和可视化
适合Python初学者、爱好者及高等院校的相关学生学习使用
零一
原名陈海城,
零一数据学院创始人,
电商数据专家,数据分析师,开发工程师。
从事培训教育、数据分析和人工智能行业。
黄园园,具有十年软件开发经验,全栈工程师,六西格玛黑带,精通Python和机器学习算法,具有丰富的分布式爬虫开发经验;曾在苏州三星电子电脑(SESC)、新加坡电信(NCS)、希捷科技(Seagate Technology)等世界知名企业研发部工作,参与过花旗银行在线支付系统、银行账单自动化审核系统等大型软件开发,曾任杭州沐垚科技CTO。
韩要宾,杭州沐垚科技有限公司 COO,CDA数据分析研究院资深讲师;5年电商从业经验,4年数据挖掘实战经验;专注于数据分析与挖掘、机器学习、深度学习,服务客户包括苏宁易购、迪卡侬、百草味、浙江师范大学等。
Python 是军刀型的开源工具,被广泛应用于 Web 开发、爬虫、数据清洗、自然语言处理、机器学习和人工智能等方面,而且 Python 的语法简洁易读,这让许多编程入门者不再望而却步,因此Python 在最近几年非常受欢迎,各行各业的技术人员都开始使用 Python。
本书内容来自笔者在高校授课的内容,主要介绍如何运用 Python 工具获取电商平台的页面数据,并对数据进行清洗和存储。本书简化了 Python 基础部分,保证有足够的篇幅来介绍爬虫和数据清洗的内容。
本书采用的版本是 Python 3.6.2,是笔者写书时的最新版本,而且笔者习惯用的操作平台是Windows 系统。虽然目前一些高校和开发者在使用 Python 2.7,但是 Python 团队将在 2020 年停止对Python 2.7 的支持更新, Python 2.X 转向 Python 3.X 是大势所趋。
本书第 1 章简单介绍 Python 和相关的 IDE,如果读者完全没有 Python 基础,那么建议选购一本基础书作为辅助。第 2~6 章介绍爬虫的实例,实现从最简单的爬虫到相对比较复杂的爬虫。鉴于实例的限制,本书的爬虫内容没有涉及代理服务器和验证码处理等问题。第 7 章介绍在 Python 中如何连接并操作数据库。第 8 章介绍了 NumPy 及其用法。第 9 章详细介绍 pandas 的功能,pandas 是 Python数据清洗和建模中非常重要的库。第 10 章用两个完整案例展示了从爬虫到建模的过程。第 11 章介绍 Python 的可视化,选用的库是 matplotlib 和 pyecharts,这里详细介绍了 pyecharts。
鉴于作者的水平有限,不足之处请读者不吝指教。
30页的url中为什么去掉_o???不去掉就显示KeyError:translateResult,这是为什么?
P31上装bs4步骤没有成功,请问怎么解决。步骤是先装的python,pycharm,然后装anaconda时没成功就先把python卸了,装成功后又装了python3。最后pycharm导入requests成功,但是bs4一直没成功。
天气那一章我自己更新了一下
import requests
import time
import pymongo
client = pymongo.MongoClient(‘localhost’,27017)
book_weather = client[‘weather’]
sheet_weather = book_weather[‘sheet_weather_3’]
url = ‘https://cdn.heweather.com/china-city-list.txt‘
strhtml = requests.get(url)
strhtml.encoding = ‘utf-8’
data = strhtml.text
data = data.replace(‘|’,’’)
data = data.replace(‘ ‘,’’)
key = ‘’ # 你的key值
print(data)
data1=data.split(“\n”)
print(len(data1))
for i in range(6):
data1.remove(data1[0]) # Hi
i = 0
for item in data1:
url = ‘https://free-api.heweather.net/s6/weather/now?location=‘ + item[0:11] + ‘&key=’+key
strhtml = requests.get(url)
time.sleep(1)
dic = strhtml.json()
我建了个群,欢迎大家进来一起学习进步,群号676090824
书P84 from items import StockstarItem, StockstarItemLoader
提示错误: from items import StockstarItem, StockstarItemLoader
ImportError: cannot import name ‘StockstarItem’ from ‘items’
大神们,请问这个问题怎么解决?