Python爬虫+数据分析：爬一爬那个很懂车的网站，分析一下现阶段哪款车值得我们去冲

一、写在前面

兄弟们，你们的热情让我都不敢断更了，冲！

爬妹子什么的，虽然大家都很喜欢，但是也不能经常去爬对吧，身体重要，当然如果你们有什么好的网站，都可以推荐下，下次我爬完了给你们分享~

网友：其实就是你自己想看吧

二、准备工作

1、知识点

• requests 发送网络请求
• parsel 解析数据
• csv 保存数据

2、使用的软件

• 环境版本： python3.8
• 编辑器版本：pycharm2021.2

不会安装软件的看我之前发的：Python入门合集
Python安装/环境配置/pycharm安装/基本操作/快捷键/永久使用都有

3、第三方库

• requests
• parsel
  这些是需要安装的第三方库，直接pip安装就好了。
  pip install requests
pip install parsel

安装慢就使用镜像源安装
pip install requests -i https://pypi.tuna.tsinghua.edu.cn/simple/
镜像源有很多，我这里用的清华的。

实在不会安装模块看我以前的文章：Python安装第三方模块及解决pip下载慢/安装报错

三、大致流程

1. 找到 目标网址
   https://www.dongchedi.com/usedcar/x-x-x-x-x-x-x-x-x-x-x-x-x-x-x-x-x-x-x?sh_city_name=%E5%85%A8%E5%9B%BD&page=1
   a 确定我们要采集的目标 年份 品牌…
   b 确定数据来源 (静态页面True 和 动态页面)
2. 发送请求
3. 获取数据 html网页源代码
4. 解析数据 re css xpath bs4 …
5. 保存数据
6. 数据分析 简单的数据可视化 推荐功能
   工具是不一样的 anaconda(python解释器) 里面的 jupyter notebook

四、代码展示分析

1、爬虫部分

1.1 代码展示

import requests     # 发送网络请求
import parsel       # 解析数据
import csv          # 保存数据csv_dcd = open('dcd.csv', mode='a', encoding='utf-8', newline='')
csv_write = csv.writer(csv_dcd)
csv_write.writerow(['品牌', '车龄', '里程(万公里)', '城市', '认证', '售价(万元)', '原价(万元)', '链接'])
for page in range(1, 168):# 1. 找到 目标网址url = f'https://www.dongchedi.com/usedcar/x-x-x-x-x-x-x-x-x-x-x-x-x-x-x-x-x-x-x?sh_city_name=%E5%85%A8%E5%9B%BD&page={page}'# 2. 发送请求# 3. 获取数据 html网页源代码# <Response [200]>: 请求成功的状态码 访问这个网站成功了html_data = requests.get(url).text# 4. 解析数据 re css xpath bs4 ...selector = parsel.Selector(html_data)# get(): 获取一个# getall(): 获取全部lis = selector.css('#__next > div:nth-child(2) > div.new-main.new > div > div > div.wrap > ul li')for li in lis:# 二次提取# ::text： 提取文本内容# 品牌title = li.css('a dl dt p::text').get()# 信息 年份 里程 城市# :nth-child(2)：伪类选择器info = li.css('a dl dd:nth-child(2)::text').getall()# info  列表里面有两个元素# 列表合并为字符串info_str = ''.join(info)# 字符串的分割info_list = info_str.split('|')car_age = info_list[0]mileage = info_list[1].replace('万公里', '')city = info_list[2].strip()# 链接link = 'https://www.dongchedi.com' + li.css('a::attr(href)').get()dds = li.css('a dl dd')# 如果当前 有 4个dd标签if len(dds) == 4:# 懂车帝认证dcd_auth = li.css('a dl dd:nth-child(3) span::text').get()price = li.css('a dl dd:nth-child(4)::text').get()original_price = li.css('a dl dd:nth-child(5)::text').get()else:dcd_auth = '无认证'price = li.css('a dl dd:nth-child(3)::text').get()original_price = li.css('a dl dd:nth-child(4)::text').get()price = price.replace('万', '')original_price = original_price.replace('新车含税价: ', '').replace('万', '')print(title, car_age, mileage, city, dcd_auth, price, original_price, link)csv_write.writerow([title, car_age, mileage, city, dcd_auth, price, original_price, link])
csv_dcd.close()

2、效果展示

2.1 爬取中

用pycharm打印出来有点乱码，它这个地方是有字体加密了，加密的部分就不显示，解密今天就先不分享了。

2.2 保存的数据

这是保存在Excel里面的数据，等下分析就分析这里面保存好的数据。

3、数据分析部分

3.1 导入模块

import pandas as pd
from pyecharts.charts import *
from pyecharts.commons.utils import JsCode
from pyecharts import options as opts

pyecharts 没有的话需要安装一下

3.2 Pandas数据处理

3.21 读取数据

df = pd.read_csv('dcd.csv', encoding = 'utf-8')
df.head()

3.22 查看表格数据描述

df.describe()

一共有10000条数据

3.23 查看表格是否有数据缺失

df.isnull().sum()

3.3 Pyecharts可视化

3.31 Pyecharts可视化

counts = df.groupby('城市')['品牌'].count().sort_values(ascending=False).head(20)

bar=(Bar(init_opts=opts.InitOpts(height='500px',width='1000px',theme='dark')).add_xaxis(counts.index.tolist()).add_yaxis('城市二手车数量',counts.values.tolist(),label_opts=opts.LabelOpts(is_show=True,position='top'),itemstyle_opts=opts.ItemStyleOpts(color=JsCode("""new echarts.graphic.LinearGradient(0, 0, 0, 1,[{offset: 0,color: 'rgb(255,99,71)'}, {offset: 1,color: 'rgb(32,178,170)'}])"""))).set_global_opts(title_opts=opts.TitleOpts(title='各个城市二手车数量柱状图'),xaxis_opts=opts.AxisOpts(name='书籍名称',type_='category',                                           axislabel_opts=opts.LabelOpts(rotate=90),),yaxis_opts=opts.AxisOpts(name='数量',min_=0,max_=1400.0,splitline_opts=opts.SplitLineOpts(is_show=True,linestyle_opts=opts.LineStyleOpts(type_='dash'))),tooltip_opts=opts.TooltipOpts(trigger='axis',axis_pointer_type='cross')).set_series_opts(markline_opts=opts.MarkLineOpts(data=[opts.MarkLineItem(type_='average',name='均值'),opts.MarkLineItem(type_='max',name='最大值'),opts.MarkLineItem(type_='min',name='最小值'),]))
)
bar.render_notebook()

可以看到成都的二手车数量是最多的，远超第二。

3.32 各省市二手车平均价格柱状图

means = df.groupby('城市')['售价(万元)'].mean().astype('int64').head(20)

bar=(Bar(init_opts=opts.InitOpts(height='500px',width='1000px',theme='dark')).add_xaxis(means.index.tolist()).add_yaxis('城市二手车平均价格',means.values.tolist(),label_opts=opts.LabelOpts(is_show=True,position='top'),itemstyle_opts=opts.ItemStyleOpts(color=JsCode("""new echarts.graphic.LinearGradient(0, 0, 0, 1,[{offset: 0,color: 'rgb(255,99,71)'}, {offset: 1,color: 'rgb(32,178,170)'}])"""))).set_global_opts(title_opts=opts.TitleOpts(title='各个城市二手车平均价格柱状图'),xaxis_opts=opts.AxisOpts(name='城市名称',type_='category',                                           axislabel_opts=opts.LabelOpts(rotate=90),),yaxis_opts=opts.AxisOpts(name='平均价格',min_=0,max_=40.0,splitline_opts=opts.SplitLineOpts(is_show=True,linestyle_opts=opts.LineStyleOpts(type_='dash'))),tooltip_opts=opts.TooltipOpts(trigger='axis',axis_pointer_type='cross')).set_series_opts(markline_opts=opts.MarkLineOpts(data=[opts.MarkLineItem(type_='average',name='均值'),opts.MarkLineItem(type_='max',name='最大值'),opts.MarkLineItem(type_='min',name='最小值'),]))
)
bar.render_notebook()

不过价格的话，成都就比较平均，帝都遥遥领先。

3.33 二手车品牌占比情况

dcd_pinpai = df['品牌'].apply(lambda x:x.split(' ')[0])
df['品牌'] = dcd_pinpai
pinpai = df['品牌'].value_counts()
pinpai = pinpai[:5]
datas_pair_1 = [[i, int(j)] for i, j in zip(pinpai.index, pinpai.values)]
datas_pair_1

pie1 = (Pie(init_opts=opts.InitOpts(theme='dark',width='1000px',height='600px')).add('', datas_pair_1, radius=['35%', '60%']).set_series_opts(label_opts=opts.LabelOpts(formatter="{b}:{d}%")).set_global_opts(title_opts=opts.TitleOpts(title="懂车帝二手车\n\n数量占比区间", pos_left='center', pos_top='center',title_textstyle_opts=opts.TextStyleOpts(color='#F0F8FF',font_size=20,font_weight='bold'),))
)
pie1.render_notebook() 

以宝马奥迪这几款车型来看，二手车品牌占比情况，宝马比奥迪胜出一筹。

2.34 二手车里程区间

def tranform_price(x):if x <= 5.0:return '0~5万公里'elif x <= 10.0:return '5~10万公里'elif x <= 15.0:return '10~15万公里'elif x <= 20.0:return '15~20万公里'else:return '20万公里以上'

df['里程分级'] = df['里程(万公里)'].apply(lambda x:tranform_price(x))
price_1 = df['里程分级'].value_counts()
datas_pair_1 = [(i, int(j)) for i, j in zip(price_1.index, price_1.values)]

pie1 = (Pie(init_opts=opts.InitOpts(theme='dark',width='1000px',height='600px')).add('', datas_pair_1, radius=['35%', '60%']).set_series_opts(label_opts=opts.LabelOpts(formatter="{b}:{d}%")).set_global_opts(title_opts=opts.TitleOpts(title="懂车帝二手车\n\n里程占比区间", pos_left='center', pos_top='center',title_textstyle_opts=opts.TextStyleOpts(color='#F0F8FF',font_size=20,font_weight='bold'),))
)
pie1.render_notebook() 

基本上都是10公里以内的里程，还是非常有搞头的。看得我都想去冲两台了~

3.4 二手车推荐

k_list = []
the_list = []
keyword = input('请输入品牌：')
data5 = df.loc[df['品牌'].str.contains(str(keyword))]
keyword1 = eval(input('请输入里程(万公里)上限：'))
data6 = data5[data5['里程(万公里)'] <= keyword1]
city = input('请输入城市：')
data7 = data6[data6['城市'] == str(city)]
day1 = eval(input('请输入售价(万元)下限：'))
day2 = eval(input('请输入售价(万元)上限：'))
data8 = data7[(data7['售价(万元)']>=day1)&(data7['售价(万元)']<=day2)]
data8

哈哈 长沙居然没有奥迪 ，不给力啊

4、数据分析代码运行

数据分析代码的话，一般都是ipynb格式的，对于刚学数据分析的兄弟来说，就比较迷茫了，我简单分享下。

首先打开我们存放代码的文件夹，然后在地址栏输入 jupyter notebook 然后按回车。

如果你实在找不到代码存放的位置，右键点击代码打开属性。

比如我是放在C:\Users\Administrator\Desktop
然后打开一个新的文件窗口，把这个地址粘贴进去按回车进入这个位置。继续前面讲的，我们按回车之后就会弹出这个窗口。
找到你要运行的代码点进去就打开这个代码了
运行都是一样的 点 run 就好了，运行之前你下载的数据一定要准备好，没数据怎么分析呢，对吧~

兄弟们，文章看不会的话，我把视频教程放在评论区置顶了。