可視化|「奔跑吧」全系列嘉賓名單進(jìn)行可視化分析

今天分析『奔跑吧』全系列的嘉賓名單，分析每位嘉賓參加次數(shù)（可能有的嘉賓參加過幾季），以及統(tǒng)計嘉賓職業(yè)類型個數(shù)，最后進(jìn)行可視化展示分析。

1、網(wǎng)頁分析

通過網(wǎng)上查詢，知道『奔跑吧』到目前為止一共9季，先是奔跑吧兄弟14，到后面改名為奔跑吧14，以及奔跑吧黃河篇。

對應(yīng)的網(wǎng)頁鏈接如下：

url_list=[
    'https://baike.baidu.com/item/奔跑吧兄弟第一季#4_2',
    'https://baike.baidu.com/item/奔跑吧兄弟第二季/16414779',
    'https://baike.baidu.com/item/奔跑吧兄弟第三季',
    'https://baike.baidu.com/item/奔跑吧兄弟第四季',
    'https://baike.baidu.com/item/奔跑吧第一季/20433390?fromtitle=奔跑吧第1季&fromid=22645259&fr=aladdin#4_2',
    'https://baike.baidu.com/item/奔跑吧第二季/22421345?fromtitle=奔跑吧第2季&fromid=22645247&fr=aladdin#4_2',
    'https://baike.baidu.com/item/奔跑吧第三季/23284990?fromtitle=奔跑吧第3季&fromid=23285732&fr=aladdin',
    'https://baike.baidu.com/item/奔跑吧第四季/24701671?fromtitle=奔跑吧第4季&fromid=50003758&fr=aladdin',
    'https://baike.baidu.com/item/奔跑吧·黃河篇/53052048'
]

1.分析網(wǎng)頁結(jié)構(gòu)

首先以奔跑吧第1季為例去分析網(wǎng)頁結(jié)構(gòu)（其他的鏈接網(wǎng)頁結(jié)構(gòu)一樣）

image
image

咱們主要是爬取嘉賓姓名和明星類型（演員、歌手等）

image

本來想通過xpath解析網(wǎng)頁方式去定位數(shù)據(jù)，但是發(fā)現(xiàn)定位不到，所以就采取了另外一種方式：字符串截取（其實(shí)正則re也可以，有很多種方式，只要能夠解析出來即可，大家可以自由發(fā)揮）

image
image

截取前后分別是：分期嘉賓、表演嘉賓

2、獲取數(shù)據(jù)

首先導(dǎo)入相應(yīng)的庫

import requests
from lxml import etree
import json
import time
import openpyxl

將9季的網(wǎng)頁鏈接放到集合中url_list,同時定義name存放嘉賓名字，types是明星類型（歌手、演員等）

### 姓名
name = []
### 明星類型
types = []
url_list=[
    'https://baike.baidu.com/item/奔跑吧兄弟第一季#4_2',
    'https://baike.baidu.com/item/奔跑吧兄弟第二季/16414779',
    'https://baike.baidu.com/item/奔跑吧兄弟第三季',
    'https://baike.baidu.com/item/奔跑吧兄弟第四季',
    'https://baike.baidu.com/item/奔跑吧第一季/20433390?fromtitle=奔跑吧第1季&fromid=22645259&fr=aladdin#4_2',
    'https://baike.baidu.com/item/奔跑吧第二季/22421345?fromtitle=奔跑吧第2季&fromid=22645247&fr=aladdin#4_2',
    'https://baike.baidu.com/item/奔跑吧第三季/23284990?fromtitle=奔跑吧第3季&fromid=23285732&fr=aladdin',
    'https://baike.baidu.com/item/奔跑吧第四季/24701671?fromtitle=奔跑吧第4季&fromid=50003758&fr=aladdin',
    'https://baike.baidu.com/item/奔跑吧·黃河篇/53052048'
]

開始請求數(shù)據(jù)

### 循環(huán)遍歷
for u in url_list:
  url = u
  print(url)
  res = requests.get(url,headers=headers)
  res.encoding = 'utf-8'
  text = res.text
  sp1 = text.split("參與期數(shù)")[1].split("表演嘉賓")[0]
  selector = etree.HTML(sp1)
  tr_list = selector.xpath('.//tr')
  tr_list = tr_list[1:]
  ###名字
  for i in tr_list:
      #print(i.xpath(".//div[@class='para']/b/a/text()")[0])
      name.append(i.xpath(".//div[@class='para']/b/a/text()")[0])
  ### 明星類型
  for i in tr_list:
      te = i.xpath(".//div[@class='para']/text()")[0]
      te = te.split("，")[0].replace("（","")
      #print(te)
      types.append(te)
 
print(name)
print(types)
print(len(name))
print(len(types))
image

保存數(shù)據(jù)（excel）

outwb = openpyxl.Workbook()
outws = outwb.create_sheet(index=0)
outws.cell(row=1, column=1, value="名字")
outws.cell(row=1, column=2, value="明星類型")
for i in range(0,len(name)):
    outws.cell(row=i+2, column=1, value=str(name[i]))
    outws.cell(row=i+2, column=2, value=str(types[i]))
outwb_p.save("奔跑吧嘉賓名單-李運(yùn)辰.xls")  # 保存
image

3、可視化分析

1.統(tǒng)計每一位嘉賓參加次數(shù)排名（取前15）

首先讀取excel中數(shù)據(jù)，其中名字（第一列）存放在name變量中，明星類型（第二列）存放在types變量中。

data = pd.read_excel("奔跑吧嘉賓名單-李運(yùn)辰.xls")
name = data['名字'].tolist()
types = data['明星類型'].tolist()
image

然后對name，嘉賓名字進(jìn)行個數(shù)（參加過多少次）統(tǒng)計排名（取前15）

# 排序方法
from collections import Counter
# 排序
d = sorted(result.items(), key=lambda x: x[1], reverse=True)
name_key = [d[i][0] for i in range(0,16)]
value = [d[i][1] for i in range(0,16)]
print(name_key)
print(value)
image

進(jìn)行可視化展示

導(dǎo)入相關(guān)的庫

### 畫圖
from pyecharts import options as opts
from pyecharts.globals import ThemeType
from pyecharts.charts import Bar
from pyecharts.charts import Pie

繪圖代碼

# 鏈?zhǔn)秸{(diào)用
    c = (
        Bar(
            init_opts=opts.InitOpts(  # 初始配置項
                theme=ThemeType.MACARONS,
                animation_opts=opts.AnimationOpts(
                    animation_delay=1000, animation_easing="cubicOut"  # 初始動畫延遲和緩動效果
                ))
        )
            .add_xaxis(xaxis_data=name_key)  # x軸
            .add_yaxis(series_name="統(tǒng)計每一位嘉賓參加次數(shù)排名（取前15）", y_axis=values)  # y軸
            .set_global_opts(
            title_opts=opts.TitleOpts(title='', subtitle='',  # 標(biāo)題配置和調(diào)整位置
                                      title_textstyle_opts=opts.TextStyleOpts(
                                          font_family='SimHei', font_size=25, font_weight='bold', color='red',
                                      ), pos_left="90%", pos_top="10",
                                      ),
            xaxis_opts=opts.AxisOpts(name='嘉賓', axislabel_opts=opts.LabelOpts(rotate=45)),
            # 設(shè)置x名稱和Label rotate解決標(biāo)簽名字過長使用
            yaxis_opts=opts.AxisOpts(name='次數(shù)'),

        ).render("統(tǒng)計每一位嘉賓參加次數(shù)排名（取前15）.html")
    )
image

從圖中可以看到，參加奔跑吧節(jié)目最多的嘉賓是：林更新（3次），其他的最多的次數(shù)是兩次。

2.嘉賓職業(yè)類型統(tǒng)計

image

從嘉賓（明星）類型中可以大概知道有這么幾類（演員、歌手、主持人、模特、主持人、運(yùn)動員、舞者、制片人、賽車手、經(jīng)紀(jì)人）

開始統(tǒng)計以上這幾種職業(yè)類型的個數(shù)

### 嘉賓職業(yè)類型
    name = ['演員','歌手','主持人','模特','主持人','運(yùn)動員','舞者','制片人','賽車手','經(jīng)紀(jì)人']
    ### 初始化為0
    value = [0,0,0,0,0,0,0,0,0,0]
    for i in types:
        for j in range(0,len(name)):
            if name[j] in i:
                value[j] = value[j] +1
    print(name)
    print(value)
image

開始繪圖

pie = Pie("嘉賓職業(yè)類型統(tǒng)計",title_pos='center')
pie.add(
    "",
    name,
    value,
    radius=[40, 75],
    label_text_color=None,
    is_label_show=True,
    is_more_utils=True,
    legend_orient="vertical",
    legend_pos="left",
)
pie.render(path="嘉賓職業(yè)類型統(tǒng)計.html")
image

從統(tǒng)計圖來看，嘉賓中職業(yè)最多的是演員，其次是歌手。

4、小結(jié)

今天分析『奔跑吧』全系列的嘉賓名單，分析每位嘉賓參加次數(shù)（可能有的嘉賓參加過幾季），以及統(tǒng)計嘉賓職業(yè)類型個數(shù)，最后進(jìn)行可視化展示分析。

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
【社區(qū)內(nèi)容提示】社區(qū)部分內(nèi)容疑似由AI輔助生成，瀏覽時請結(jié)合常識與多方信息審慎甄別。
平臺聲明：文章內(nèi)容（如有圖片或視頻亦包括在內(nèi)）由作者上傳并發(fā)布，文章內(nèi)容僅代表作者本人觀點(diǎn)，簡書系信息發(fā)布平臺，僅提供信息存儲服務(wù)。

相關(guān)閱讀更多精彩內(nèi)容

友情鏈接更多精彩內(nèi)容