Python3爬虫、数据清洗与可视化实战

图书标准信息

• 作者 零一；韩要宾；黄园园
• 出版社 电子工业出版社
• 出版时间 2018-03
• 版次 1
• ISBN 9787121333590
• 定价 49.00元
• 装帧 其他
• 开本 16开
• 纸张 轻型纸
• 页数 204页
• 字数 200千字

【内容简介】

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；*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。

【作者简介】

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。

【目录】

第 1 章 Python 基础 /1

1.1 安装 Python 环境 /1

1.1.1 Python 3.6.2 安装与配置 /1

1.1.2 使用 IDE 工具——PyCharm /4

1.1.3 使用 IDE 工具——Anaconda / 4

1.2 Python 操作入门/6

1.2.1 编写第一个 Python 代码/6

1.2.2 Python 基本操作/9

1.2.3 变量/10

1.3 Python 数据类型/10

1.3.1 数字/10

1.3.2 字符串/11

1.3.3 列表/13

1.3.4 元组/14

1.3.5 集合/15

1.3.6 字典/15

1.4 Python 语句与函数/16

1.4.1 条件语句/16

1.4.2 循环语句/16

1.4.3 函数/17

第 2 章 写一个简单的爬虫/18

2.1 关于爬虫的合法性/18

2.2 了解网页/20

2.2.1 认识网页结构/ 21

2.2.2 写一个简单的 HTML/21

2.3 使用 requests 库请求网站/23

2.3.1 安装

requests 库/23

2.3.2 爬虫的基本原理/25

2.3.3 使用 GET 方式抓取数据/26

2.3.4 使用 POST 方式抓取数据/27

2.4 使用 Beautiful Soup 解析网页/30

2.5 清洗和组织数据/34

2.6 爬虫攻防战/35

第 3 章

用 API 爬取天气预报数据/38

3.1 注册免费 API 和阅读技术文档/38

3.2 获取 API 数据/40

3.3 存储数据到 MongoDB /45

3.3.1 下载并安装 MongoDB/ 45

3.3.2 在 PyCharm 中安装 Mongo

Plugin/ 46

3.3.3 将数据存入 MongoDB/49

3.4 MongoDB 数据库查询/52

第 4 章

大型爬虫案例：抓取某电商网站的商品数据/55

4.1 观察页面特征和解析数据/55

4.2 工作流程分析/64

4.3 构建类目树/65

4.4 获取产品列表/ 68

4.5 代码优化/70

4.6 爬虫效率优化/74

4.7 容错处理/77

第 5 章 Scrapy 爬虫/78

5.1 Scrapy 简介/78

5.2 Scrapy 安装/79

5.3 案例：用 Scrapy 抓取股票行情/ 80

第 6 章 Selenium 爬虫/88

6.1 Selenium 简介/88

6.2 案例：用 Selenium 抓取电商网站数据/90

 

第 7 章

数据库连接和查询/100

7.1 使用 PyMySQL/100

7.1.1 连接数据库/100

7.1.2 案例：某电商网站女装行业 TOP100 销量数据/102

7.2 使用 SQLAlchemy/104

7.2.1 SQLAlchemy 基本介绍/104

7.2.2 SQLAlchemy 基本语法/105

7.3 MongoDB/107

7.3.1 MongoDB 基本语法/107

7.3.2 案例：在某电商网站搜索“连衣裙”的商品数据/107

第 8 章 NumPy/109

8.1 NumPy 简介/109

8.2 一维数组/110

8.2.1 数组与列表的异同/110

8.2.2 数组的创建/111

8.3 多维数组/111

8.3.1 多维数组的高效性能/112

8.3.2 多维数组的索引与切片/113

8.3.3 多维数组的属性/113

8.4 数组的运算/115

第 9 章 pandas 数据清洗/117

9.1 数据读写、选择、整理和描述/117

9.1.1 从 CSV 中读取数据/119

9.1.2 向 CSV 写入数据/120

9.1.3 数据选择/120

9.1.4 数据整理/122

9.1.5 数据描述/123

9.2 数据分组、分割、合并和变形/124

9.2.1 数据分组/124

9.2.2 数据分割/127

9.2.3 数据合并/128

9.2.4 数据变形/134

9.2.5 案例：旅游数据的分析与变形/136

9.3 缺失值、异常值和重复值处理/140

9.3.1 缺失值处理/140

9.3.2 检测和过滤异常值/144

9.3.3 移除重复数据/147

9.3.4 案例：旅游数据的值检查与处理/149

9.4 时序数据处理/152

9.4.1 日期/时间数据转换/152

9.4.2 时序数据基础操作/153

9.4.3 案例：天气数据分析与处理/155

9.5 数据类型转换/158

9.6 正则表达式/ 160

9.6.1 元字符与限定符/161

9.6.2 案例：用正则表达式提取网页文本信息/162

第 10 章

综合应用实例/164

10.1 按性价比给用户推荐旅游产品/164

10.1.1 数据采集/165

10.1.2 数据清洗、建模/169

10.2 通过热力图分析为用户提供出行建议/172

10.2.1 某旅游网站热门景点爬虫代码（qunaer_sights.py）/175

10.2.2 提取 CSV 文件中经纬度和销量信息/178

10.2.3 创建景点门票销量热力地图 HTML 文件/179

第 11 章

数据可视化/182

11.1 matplotlib/183

11.1.1 画出各省份平均价格、各省份平均成交量柱状图/183

11.1.2 画出各省份平均成交量折线图、柱状图、箱形图和饼图/184

11.1.3 画出价格与成交量的散点图/185

11.2 pyecharts/186

11.2.1 Echarts 简介/186

11.2.2 pyecharts 简介/187

11.2.3 初识 pyecharts，玫瑰相送/187

11.2.4 pyecharts 基本语法/188

11.2.5 基于商业分析的 pyecharts 图表绘制/190

11.2.6 使用 pyecharts 绘制其他图表/199

11.2.7 pyecharts 和 Jupyter/203