前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >Python爬取近十年TIOBE编程语言热度数据并可视化可视化

Python爬取近十年TIOBE编程语言热度数据并可视化可视化

作者头像
刘早起
发布2020-11-06 11:26:18
1.1K0
发布2020-11-06 11:26:18
举报
文章被收录于专栏:早起Python

本文介绍如何利用requests+正则表达式爬取TIOBE编程语言热度数据,并使用?openpyxl写入数据与?pyecharts时间轮播图进行可视化。

一、数据获取

我们需要爬取的目标url为https://www.tiobe.com/tiobe-index/打开之后如下?

分析网页源代码可以找到想要的数据,利用正则表达式提取出想要的数据,并保存到Excel中,便于后续数据处理和可视化。

完整爬虫代码如下,其中大多数语句都给出了详细注释,感兴趣的读者可以进一步研究。

代码语言:javascript
复制
# -*- coding: UTF-8 -*-
"""
@File    :spider.py
@Author  :叶庭云
@CSDN    :https://yetingyun.blog.csdn.net/
"""
import requests
import re
import openpyxl
import logging

logging.basicConfig(level=logging.INFO, format='%(asctime)s - %(levelname)s: %(message)s')
headers = {
    "User-Agent": "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.1 (KHTML, like Gecko) Chrome/21.0.1180.89 Safari/537.1"
}

wb = openpyxl.Workbook()    # 创建工作簿对象
sheet = wb.active           # 获取活动的工作表
# 编程语言   时间    热度
sheet.append(['Programing', 'Date', 'data_per'])

url = 'https://www.tiobe.com/tiobe-index/'
rep = requests.get(url, headers=headers).text

# 正则匹配提取数据
data = re.findall('{name : (.*?),data : (.*?)}', rep)
programing = [eval(k[0]) for k in data]     # 编程语言
dates = [i[1] for i in data]

# 正则表达式处理 提取出想要的数据
for x in range(len(dates)):
    name = programing[x]
    datas = re.findall(r'\[Date.UTC(.*?)\]', dates[x], re.DOTALL)
    for m in datas:
        date1 = re.findall(r'\d+', m)       # 正则提取出数字
        date2 = '-'.join(date1[:3])         # 拼接得到时间
        data_per = '.'.join(date1[-2:])     # 得到热度数据
        sheet.append([name, date2, data_per])
        logging.info([name, date2, data_per])

wb.save('language_data.xlsx')


最终运行效果如下:

可以看到成功提取出想要的数据,并保存到Excel,在jupyter notebook 环境中查看数据:

二、 数据可视化

本节使用pyecharts绘制时间轮播图数据可视化,展示现在热度排 Top10 的编程语言 2009-2019 年每年的平均热度变化。

代码语言:javascript
复制
# -*- coding: UTF-8 -*-
"""
@File    :轮播图.py
@Author  :叶庭云
@CSDN    :https://yetingyun.blog.csdn.net/
"""

import pandas as pd
import xlrd
import pyecharts.options as opts
from pyecharts.charts import Timeline, Bar
from pyecharts.globals import CurrentConfig


CurrentConfig.ONLINE_HOST = 'D:/python/pyecharts-assets-master/assets/'

# 提取编程语言名字
name = list(pd.read_excel('language_data.xlsx')['Programing'].drop_duplicates())

data = xlrd.open_workbook('language_data.xlsx')
table = data.sheets()[0]

dic1 = {k: [] for k in name}
# 各编程语言对应每年里不同时间的热度
for i in range(1, table.nrows):
 x = table.row_values(i)
 dic1[x[0]].append((x[1], x[2]))

# 与编程语言顺序对应  每年编程语言对应的不同时间的热度
data_per = {k: [[] for x in range(10)] for k in range(2001, 2021)}
print(data_per)

count = 0
for k, v in dic1.items():
 for j in v:   # v (时间,热度)  热度数据添加进各年对应的列表里
  data_per[int(j[0][:4])][count].append(eval(j[1]))  # 一年里各编程语言不同时间时的热度  对应起来
 count += 1

# print(data_per)
data_per1 = {k: [] for k in list(data_per.keys())}

for k, v in list(data_per.items()):
 for x in v:
  if len(x) == 0:                  # 这一年里该语言没有热度数据
   data_per1[k].append(0)
  else:
   avg = sum(x) / len(x)
   data_per1[k].append(avg)     # 这一年里的平均热度

# 得到TOBIE现在排Top20的编程语言从2001年开始每年的平均热度
print(data_per1)


def get_year_overlap_chart(year) -> Bar:
 sum_info = [(m, n) for m, n in zip(name, data_per1[year])]
 # 编程语言按每年平均热度排序
 sum_info.sort(key=lambda z: z[1], reverse=True)
 name_ = [m[0] for m in sum_info]
 datas = [m[1] for m in sum_info]
 # 每根柱子的颜色列表
 colors = ['#00BFFF', '#0000CD', '#000000', '#008000', '#FF1493', '#FFD700', '#FF4500', '#00FA9A', '#191970',
     '#9932CC']
 x = []
 for i in range(10):
  x.append(
   opts.BarItem(
    name=name_[i],
    value=datas[i],
    itemstyle_opts=opts.ItemStyleOpts(color=colors[i])   # 设置每根柱子的颜色
   )
  )
 # 绘制柱形图
 bar = Bar()
 bar.add_xaxis(name_)
 bar.add_yaxis(series_name='热度', yaxis_data=x, is_selected=True,
                  label_opts=opts.LabelOpts(is_show=False))
 bar.set_global_opts(title_opts=opts.TitleOpts(
      title="2009-2019编程语言热度"),
      tooltip_opts=opts.TooltipOpts(
      is_show=True, trigger="axis", axis_pointer_type="shadow"),
                  xaxis_opts=opts.AxisOpts(name='编程语言'), yaxis_opts=opts.AxisOpts(name='热度'),
 )
 return bar

# 生成时间轴的图
timeline = Timeline(init_opts=opts.InitOpts(width="1200px", height="600px"))
for y in range(2009, 2020):
 timeline.add(get_year_overlap_chart(y), time_point=str(y))

timeline.add_schema(is_auto_play=True, play_interval=1000)
timeline.render("language_2009_2019.html")

运行效果如下,可以看到虽然Python越来越火热,但Java稳坐编程语言热度排行榜第一!(此处一位PHP程序员拍桌

)

三、补充

本节对有时候pyecharts绘制的图形渲染在网页上无法加载js文件的问题进行说明。

根据网站资源引用说明:pyecharts 使用的所有静态资源文件存放于pyecharts-assets项目中

默认挂载在 https://assets.pyecharts.org/assets/,因为默认优先从远程引用资源,这就导致有的时候无法加载 js 文件,图表显示不出来。

解决办法:下载所需 js 文件到本地,修改资源引用地址,Github地址:https://github.com/pyecharts/pyecharts-assets看网站的介绍,pyecharts 提供了更改全局 HOST 的快捷方式

代码语言:javascript
复制
from pyecharts.globals import CurrentConfig

CurrentConfig.ONLINE_HOST = 'D:/python/pyecharts-assets-master/assets/' # 本地保存 js 资源的路径

-END-

作者:叶庭云 CSDN:https://yetingyun.blog.csdn.net/ 注意:本文仅用于交流学习,转载请联系授权!

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2020-11-01,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 早起Python 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
相关产品与服务
图数据库 KonisGraph
图数据库 KonisGraph(TencentDB for KonisGraph)是一种云端图数据库服务,基于腾讯在海量图数据上的实践经验,提供一站式海量图数据存储、管理、实时查询、计算、可视化分析能力;KonisGraph 支持属性图模型和 TinkerPop Gremlin 查询语言,能够帮助用户快速完成对图数据的建模、查询和可视化分析。
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档