Python采集二手房源数据信息并做可视化展示-编程知识

目录标题

- - 前言
  - 环境使用:
  - 模块使用:
  - python技术实现: <基本流程步骤>
  - 代码展示
  - 尾语

前言

嗨喽~大家好呀，这里是魔王呐 ❤ ~!

环境使用:

Python 3.8
jupyter --> pip install jupyter notebook
pycharm 也可以

模块使用:

requests >>> pip install requests 数据请求模块
parsel >>> pip install parsel 数据解析模块
csv 内置模块

第三方模块安装：

win + R 输入 cmd 点击确定, 输入安装命令 pip install 模块名 (pip install requests) 回车
在pycharm中点击Terminal(终端) 输入安装命令

如果出现爆红，可能是因为网络连接超时，可切换国内镜像源，命令如下：

pip install -i https://pypi.doubanio.com/simple/ requests

python资料、源码、教程\福利皆: 点击此处跳转文末名片获取

python技术实现: <基本流程步骤>

发送请求, 模拟浏览器对于url地址发送请求

请求链接地址: https://cs.****.com/ershoufang/
获取数据, 获取响应数据

获取数据: 网页源代码 <整个网页数据内容>
解析数据, 提取我们需要数据

提取数据: 房源基本信息
保存数据, 把数据保存本地文件

保存数据: csv表格文件当中
多页数据采集

代码展示

获取数据：

# 导入csv模块
import csv# 创建文件
f = open('data.csv', mode='w', encoding='utf-8', newline='')
# 添加字段名
csv_writer = csv.DictWriter(f, fieldnames=['标题','小区','区域','总价','单价','户型','面积','朝向','装修','楼层','年份','建筑结构','详情页'
])
# 写表头
csv_writer.writeheader()
# 导入数据解析模块 第三方模块, 需要安装
import parsel
# 导入数据请求模块 第三方模块 需要安装 pip install requests
import requests
for page in range(1, 101):# 请求链接url = f'https://cs.lianjia.com/ershoufang/pg{page}/'# 伪装浏览器 --> headers 请求头headers = {# User-Agent 用户代理 表示浏览器基本身份信息'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/114.0.0.0 Safari/537.36'}# 发送请求response = requests.get(url, headers=headers)html_data = response.text # <Response [200]> 响应对象 表示请求成功# 把获取下来 html字符串数据内容 <html_data>, 转成可解析对象selector = parsel.Selector(html_data)"""selector  <Selector xpath=None data='<html class=""><head><meta http-equiv...'> 选择器对象selector.css() 根据标签属性提取数据内容selector.xpath()"""# 提取所有li标签里面房源信息 --> 返回列表, 列表里面元素是选择器对象lis = selector.css('.sellListContent li .info')# for循环遍历, 提取出来, 然后也可以使用css语法或者xpath语法 提取具体数据内容for li in lis:"""get() 获取第一个标签数据内容 <返回字符串>getall() 获取所有标签数据内容 <返回列表>strip() 去除字符串左右两端空格replace('元/平', '') 字符串替换, 把字符串当中 元/平 替换成 '' --> 相当于删除split(' | ') 字符串分割犯法, 把字符串以  |  作为切割, 分割成列表"""title = li.css('.title a::text').get() # 标题info = li.css('.positionInfo a::text').getall()area = info[0].strip() # 列表第一个元素 小区area_1 = info[1] # 区域totalPrice = li.css('.totalPrice span::text').get() # 总价unitPrice = li.css('.unitPrice span::text').get().replace('元/平', '')  # 单价houseInfo = li.css('.houseInfo::text').get().split(' | ')"""有年份, 列表元素就是7个, 没有年份列表元素6个"""house_type = houseInfo[0] # 户型house_area = houseInfo[1] # 面积face = houseInfo[2] # 朝向house = houseInfo[3] # 装修fool = houseInfo[4] # 楼层if len(houseInfo) == 7:date = houseInfo[5] # 年份house_1 = houseInfo[6] # 建筑结构elif len(houseInfo) == 6:date = '未知'house_1 = houseInfo[-1] # 建筑结构href = li.css('.title a::attr(href)').get() # 详情页# 保存字典里面dit = {'标题': title,'小区': area,'区域': area_1,'总价': totalPrice,'单价': unitPrice,'户型': house_type,'面积': house_area,'朝向': face,'装修': house,'楼层': fool,'年份': date,'建筑结构': house_1,'详情页': href,}
#         csv_writer.writerow(dit)
#         print(dit)#     print(title, area, area_1, totalPrice, unitPrice, house_type, house_area, face, house, fool, date, house_1, sep='|')

数据可视化：

import pandas as pd
# 读取数据
df = pd.read_csv('data.csv')
df.head()

house_type_num = df['户型'].value_counts().to_list()
house_type = df['户型'].value_counts().index.to_list()

from pyecharts import options as opts
from pyecharts.charts import Pie
from pyecharts.globals import CurrentConfig, NotebookType
CurrentConfig.NOTEBOOK_TYPE = NotebookType.JUPYTER_LAB
c = (Pie().add("", [list(z) for z in zip(house_type, house_type_num)]).set_global_opts(title_opts=opts.TitleOpts(title="二手房源户型")).set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}"))
)
c.load_javascript()

c.render_notebook()

house_num = df['装修'].value_counts().to_list()
house_type_1 = df['装修'].value_counts().index.to_list()

from pyecharts import options as opts
from pyecharts.charts import Pie
from pyecharts.globals import CurrentConfig, NotebookType
CurrentConfig.NOTEBOOK_TYPE = NotebookType.JUPYTER_LAB
c = (Pie().add("", [list(z) for z in zip(house_type_1, house_num)]).set_global_opts(title_opts=opts.TitleOpts(title="二手房源装修占比分布")).set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}"))
)
c.render_notebook()

date_num = df['年份'].value_counts().to_list()
date_type = df['年份'].value_counts().index.to_list()

from pyecharts import options as opts
from pyecharts.charts import Pie
from pyecharts.globals import CurrentConfig, NotebookType
CurrentConfig.NOTEBOOK_TYPE = NotebookType.JUPYTER_LAB
c = (Pie().add("", [list(z) for z in zip(date_type, date_num)]).set_global_opts(title_opts=opts.TitleOpts(title="二手房源年份占比分布")).set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}"))
)
c.render_notebook()