python热度评价指标

编程入门行业动态更新时间:2024-10-19 22:20:49

python<a href=https://www.elefans.com/category/jswz/34/1763088.html style= 热度评价指标"/>

python热度评价指标

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

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。

# -*- coding: UTF-8 -*-"""@File ：spider.py@Author ：叶庭云@CSDN ：/"""import requestsimport reimport openpyxlimport logginglogging.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 = '/'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。

# -*- coding: UTF-8 -*-"""@File ：轮播图.py@Author ：叶庭云@CSDN ：/"""import pandas as pdimport xlrdimport pyecharts.options as optsfrom pyecharts.charts import Timeline, Barfrom pyecharts.globals import CurrentConfigCurrentConfig.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 = 0for 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

，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：