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?ps=20&pn=1"

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 pd
    df=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 pd
data=pd.read_excel("./B站.xlsx")
print(data)

“某站”数据排名前10视频类型

from pyecharts.charts import Bar
from pyecharts import options as opts
bar = (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 Bar
from pyecharts import options as opts
bar = (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 opts
from pyecharts.charts import Page, WordCloud
from pyecharts.globals import SymbolType
def 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 c

wd = wordcloud_base()
wd.render_notebook()

“某站”喜欢视频分类概况

from pyecharts.charts import Line
line = (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