一个微博热搜引发的故事

  • 一、故事从这里开始
  • 二、搞事情第一步：搜集图片
  • 三、搞事情第二步：展示图片
  • 四、搞事情第三步：推广链接
  • 五、搞事情第四步：统计分析
  • 1.数据处理2.数据筛选3.统计各天的频率4.统计星座的频率5.统计月份的频率6.数据可视化（3个条形图）
  • 写在最后

私信小编01即可获取大量Python学习资料

一、故事从这里开始


3月29日那晚，我正在厕所蹲坑来着，大概就是边蹲边刷手机的那种…突然发现一条微博热搜#你出生那天的宇宙#


Python采集12星座信息，分析出12星座的各个特点

在评论区，发现大家都有一个同样的疑惑：无法访问NASA官网（可能是因为访问量过大，导致网络极高延时）。作为一个社会主义正直青年，我怎么能放着不管呢？
于是，我决定搞事情！！

二、搞事情第一步：搜集图片


一个简单的想法油然而生：既然大家没法从官网上下载图片，那我就帮大家集齐图片，然后发给大家就好啦。（搜集数据嘛，写个爬虫不就好了？）
于是，我直接冲进NASA官网准备分析一波请求。结果…好叭，我也是大家中的一员，我也加载不出图片。
这点困难我怎么能退缩呢，再于是，我就去微博评论下面苦苦寻找，果然功夫不负有心人，发现豆瓣上有个大佬已经为找齐了所有图片：


Python采集12星座信息，分析出12星座的各个特点

秉承“拿来主义”的作风，我决定这里就是我的数据源（某豆瓣相册）
简单分析了一下，发现可以通过一个m_start的参数进行翻页，每页20张图片（如m_start=0为第一页，m_start=20为第二页），那么写一个循环便可：
import reimport queueimport requestsimport threadingfrom selenium import webdriverfrom selenium.webdriver.chrome.options import Options headers = {'Host': 'www.douban.com','Connection': 'keep-alive','Cache-Control': 'max-age=0','Upgrade-Insecure-Requests': '1','User-Agent': 'Mozilla/5.0 (Windows NT 6.3; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/80.0.3987.149 Safari/537.36','Sec-Fetch-Dest': 'document','Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,image/apng,*/*;q=0.8,application/signed-exchange;v=b3;q=0.9','Sec-Fetch-Site': 'none','Sec-Fetch-Mode': 'navigate','Sec-Fetch-User': '?1','Accept-Encoding': 'gzip, deflate, br','Accept-Language': 'zh-CN,zh;q=0.9','Cookie': 'bid=rb_kUqiDS6k; douban-fav-remind=1; _pk_ses.100001.8cb4=*; ap_v=0,6.0; __utma=30149280.1787149566.1585488263.1585488263.1585488263.1; __utmc=30149280; __utmz=30149280.1585488263.1.1.utmcsr=(direct)|utmccn=(direct)|utmcmd=(none); __yadk_uid=HNoH1YVIvD2c8HrQDWHRzyLciFJl1AVD; __gads=ID=a1f73d5d4aa31261:T=1585488663:S=ALNI_MafqKPZWHx0TGWTpKEm8TTvdC-eyQ; ct=y; _pk_id.100001.8cb4=722e0554d0127ce7.1585488261.1.1585488766.1585488261.; __utmb=30149280.10.6.1585488263'} # driver初始化chrome_options = Options()chrome_options.add_argument('--headless')driver = webdriver.Chrome(options=chrome_options) # 下载图片def downimg():    while not img_queue.empty():        img = img_queue.get()        img_name = img[0]        url = img[1]        res = requests.get(url)        data =res.content        with open('./img/%s.webp'%img_name,'wb') as f:            f.write(data)        print(img_name)         # 网站参数url_o = 'https://www.douban.com/photos/album/1872547715/?m_start=%d' # 爬取连接img_queue = queue.Queue()for i in range(0,21):    url = url_o%(18*i)    driver.get(url)    es = driver.find_elements_by_class_name('photo_wrap')    for e in es:        img_e = e.find_element_by_tag_name('img')        img_url = img_e.get_attribute('src')        img_url = img_url.replace('photo/m/public','photo/l/public') # 替换为大图        text_e = e.find_element_by_class_name('pl')        img_date = text_e.text        img_queue.put((img_date,img_url))    print('%d页爬取完成'%(i+1))driver.close() # 下载图片 thread_list = []N_thread = 5for i in range(N_thread):    thread_list.append(threading.Thread(target=downimg))for t in thread_list:    t.start()for t in thread_list:    t.join()

代码简单来说就是：webdriver访问页面并获取图片地址，然后通过多线程利用requests下载并保存图片。
至此，图片搜集的工作基本完成！

三、搞事情第二步：展示图片


有了图片，接下来就是如何让大家获得图片呢？去给每个人私发？机智的我当然不会这么干，我决定写一个小网页来让大家访问。作为很不专业的我，东平西凑，效果大概就是这样（你生日那天的宇宙）：


Python采集12星座信息，分析出12星座的各个特点

四、搞事情第三步：推广链接


关于推广，咱也不懂，咱也不敢说。 傻傻的我决定自己发一条微博（心里大概是想：这么方便的工具，肯定会受大家欢迎的，肯定是这样没有错，对，没错…）:


Python采集12星座信息，分析出12星座的各个特点

现实嘛，总是残酷的。吃瓜群众都猜到了：无人问津，石沉海底~
几经周折，最后呢在一位相关话题的热门博主的鼎力帮助下，最终迎来了一些流量：


Python采集12星座信息，分析出12星座的各个特点

五、搞事情第四步：统计分析

虽然这个流量跟我想象的还是相差甚远，毕竟这个话题也是有上亿的阅读量的，但是我还是决定对昨天访问的情况做一个简单的统计：

1.数据处理

在某度统计里拿到网页访问数据的原始csv表格后，进行了简单数据处理，调整为更方便读取的格式。

2.数据筛选

由于表格中并不仅仅包括NASA页面的数据，还有一些其他页面的数据，于是必须进行数据的筛选：

# 读取数据data = pd.read_csv('./analyze/20200330-20200330.csv',encoding='utf-8') # 筛选数据(和NASA相关且有有效日期的数据)data_NASA = []for i in range(len(data)):    url = urllib.parse.unquote(data['URL'][i])    pv = data['PV'][i] # 浏览量    uv = data['UV'][i] # 访客量    #if url[-1] == '日' and 'NaN' not in url: # 为NASA访问页面    if 'date=' in url and 'NaN' not in url:        try:            data_NASA.append((re.findall('date=(\d*?月\d*?日)',url)[0],pv,uv))        except:            pass

3.统计各天的频率

# 统计各个天数的频率PV_map= {}UV_map = {}PV_total = 0UV_total = 0for d in data_NASA:    if d[0] not in PV_map.keys():        PV_map[d[0]] = 0        UV_map[d[0]] = 0    PV_map[d[0]] +=  d[1] # PV    UV_map[d[0]] +=  d[2] # UV    PV_total += d[1]    UV_total += d[2]for k in PV_map.keys(): # 计算频率    PV_map[k] = PV_map[k]/PV_total*100    UV_map[k] = UV_map[k]/UV_total*100PVs= sorted(PV_map.items(),key=lambda x:x[1],reverse=True) # 排序UVs= sorted(UV_map.items(),key=lambda x:x[1],reverse=True) # 排序

4.统计星座的频率

# 判断星座def get_xingzuo(month, date):    dates = (21, 20, 21, 21, 22, 22, 23, 24, 24, 24, 23, 22)    constellations = ("摩羯座", "水瓶座", "双鱼座", "白羊座", "金牛座", "双子座", "巨蟹座", "狮子座", "处女座", "天秤座", "天蝎座", "射手座", "摩羯座")    if date < dates[month-1]:        return constellations[month-1]    else:        return constellations[month] # 统计各星座的频率xingzuo = ("摩羯座", "水瓶座", "双鱼座", "白羊座", "金牛座", "双子座", "巨蟹座", "狮子座", "处女座", "天秤座", "天蝎座", "射手座", "摩羯座")xingzuo_map = {}for x in xingzuo:    xingzuo_map[x] = 0xingzuo_total = 0for d in data_NASA:    month = int(re.findall('(\d*?)月(\d*?)日',d[0])[0][0])    day = int(re.findall('(\d*?)月(\d*?)日',d[0])[0][1])    x = get_xingzuo(month,day)    #xingzuo_map[x] += d[1] # PV    xingzuo_map[x] += d[2] # UV    xingzuo_total += d[2]for k in xingzuo_map.keys():    xingzuo_map[k] = xingzuo_map[k]/xingzuo_total*100xingzuos= sorted(xingzuo_map.items(),key=lambda x:x[1],reverse=True) # 排序

5.统计月份的频率

# 统计各月份的频率month = [str(i)+'月' for i in range(1,13)]month_map = {}for m in month:    month_map[m] = 0month_total = 0for d in data_NASA:    m = d[0].split('月')[0]+'月'    #month_map[m] += d[1] # PV    month_map[m] += d[2] # UV    month_total += d[2]for k in month_map.keys():    month_map[k] = month_map[k]/month_total*100months= sorted(month_map.items(),key=lambda x:x[1],reverse=True) # 排序

6.数据可视化（3个条形图）

## 生日查询TOP10-按访客量UVdate = []uv = []for i in UVs:    date.append(i[0])    uv.append(i[1])top10_date = date[:10]top10_date.reverse()top10_uv = uv[:10]top10_uv.reverse()fig, ax = plt.subplots() # 画图b = plt.barh(top10_date,top10_uv,color='#6699CC') # 金色#FFFACD 银色#C0C0C0  橙色#FFA500 蓝色#6699CCi = len(b)for rect in b: # 画数值    if i==3: # 第三名        rect.set_facecolor('#FFA500') # 橙色    if i==2: # 第二名        rect.set_facecolor('#C0C0C0') # 银色    if i==1: # 第一名        rect.set_facecolor('#FFFACD') # 金色    w = rect.get_width()    ax.text(w, rect.get_y()+rect.get_height()/2, ' %.2f%%'%w,ha='left', va='center')    i -= 1plt.xticks([]) # 关掉横坐标   ## 星座查询排名             name = []v = []for i in xingzuos:    name.append(i[0])    v.append(i[1])name.reverse()v.reverse()fig, ax = plt.subplots() # 画图b = plt.barh(name,v,color='#6699CC') # 金色#FFFACD 银色#C0C0C0  橙色#FFA500 蓝色#6699CCi = len(b)for rect in b: # 画数值    if i==3: # 第三名        rect.set_facecolor('#FFA500') # 橙色    if i==2: # 第二名        rect.set_facecolor('#C0C0C0') # 银色    if i==1: # 第一名        rect.set_facecolor('#FFFACD') # 金色    w = rect.get_width()    ax.text(w, rect.get_y()+rect.get_height()/2, ' %.2f%%'%w,ha='left', va='center')    i -= 1plt.xticks([]) # 关掉横坐标 ## 月份查询排名             name = []v = []for i in months:    name.append(i[0])    v.append(i[1])name.reverse()v.reverse()fig, ax = plt.subplots() # 画图b = plt.barh(name,v,color='#6699CC') # 金色#FFFACD 银色#C0C0C0  橙色#FFA500 蓝色#6699CCi = len(b)for rect in b: # 画数值    if i==3: # 第三名        rect.set_facecolor('#FFA500') # 橙色    if i==2: # 第二名        rect.set_facecolor('#C0C0C0') # 银色    if i==1: # 第一名        rect.set_facecolor('#FFFACD') # 金色    w = rect.get_width()    ax.text(w, rect.get_y()+rect.get_height()/2, ' %.2f%%'%w,ha='left', va='center')    i -= 1plt.xticks([]) # 关掉横坐标

最后的结果就长这个样子：


Python采集12星座信息，分析出12星座的各个特点


Python采集12星座信息，分析出12星座的各个特点


Python采集12星座信息，分析出12星座的各个特点

写在最后

如果可以，我亦希望在无数次键盘的敲击声中创造出所谓的“极致浪漫”~


最后，附上本次NASA活动中个人觉得比较好看的一些图片：


Python采集12星座信息，分析出12星座的各个特点


Python采集12星座信息，分析出12星座的各个特点

喜欢 惊讶
  • 打赏支付宝扫一扫
  • 打赏微信扫一扫
分享
QQ空间 微信 QQ好友 更多