需求分析
Iphone13出来了，但是Iphone12依然香啊！
好不好，我们去网易严选看看便知~~
所以我们今天的目标就是使用scrapy抓取网易严选Iphone12评论数据，看看到底值不值得入手！
scrapy项目创建如下：
网页分析
找到网页真实请求连接，可以看到数据实际上存储在json格式数据集里面
所以我们第一步必须先获取到这一整个json数据集。
为了防止被网站防爬，我们还需在setting.py加上ua，如下：
我们使用浏览器打开请求连接可以更加直观的观察数据格式。
发送请求
我们要此次要抓取的数据一共有7个，分别如下所示：
我们先在items中定义好我们要获取的数据
# 名称
name = scrapy.Field()
# 等级
level = scrapy.Field()
# 评分
star = scrapy.Field()
# 时间
rls_time = scrapy.Field()
# 颜色
color = scrapy.Field()
# 内存
storage = scrapy.Field()
# 评论
content = scrapy.Field()
刚才我们已经成功分析出来要获取的数据集合是一个json格式的，
scrapy已经帮我们请求好了，我们直接打印
ic(response.json())
浏览器成功响应给我们信息，这样看起来结构一目了然。
接下来我们要做的就是获取json格式中的commentList信息，因为我们需要的信息都在这个里面
phone_list = phone_info['data']['commentList']
# 打印所需信息
forphoneinphone_list:
# 名称
item['name'] = phone['frontUserName']
# 等级
item['level'] = phone['memberLevel']
# 评分
item['star'] = phone['star']
# 时间
rls_time = phone['createTime']
item['rls_time'] = time.strftime('%Y-%m-%d %H:%M:%S', time.localtime(rls_time/1000)).split(' ')[0]
# 颜色
item['color'] = phone['skuInfo'][0].split(':')[1]
# 内存
item['storage'] = phone['skuInfo'][1].split(':')[1]
# 评论
item['content'] = phone['content']
yielditem
数据成功获取到，最后我们把它扔给Pipeline，让他自己去下载好了
你可以选择自己想要保存的格式。
数据保存
我一般为了后续的数据分析和可视化专门写了一个可以直接保存在excel的函数，如下：
classExcelPipeline:
op.Workbook()
self.wb.active
ws.append(['用户名称','会员等级','手机评分','评论时间','手机颜色','手机内存','评论'])
self.wb.save('../网易.xlsx')
print('网易数据成功保存！')
直接运行数据就会保存在我们本地啦！（部分数据如下）
数据清洗
我们在此使用pandas对数据进行读取然后去重复和去除空值处理。
随机抽取五条数据展示如下：
pd.set_option('display.max_columns',None)# 显示完整的列
pd.set_option('display.max_rows',None)# 显示完整的行
pd.set_option('display.expand_frame_repr',False)# 设置不折叠数据
# 读取数据
rcv_data = pd.read_excel('../网易.xlsx')
# 删除重复记录和缺失值
rcv_data = rcv_data.drop_duplicates()
rcv_data = rcv_data.dropna()
# 抽样展示
print(rcv_data.sample(5))
'''
用户名称 会员等级 手机评分 评论时间 手机颜色 手机内存 评论
7 赵****豪 5 5 2021-03-05 黑色 128G 没买2天又便宜了
42 用****4 5 5 2021-06-23 返红包黑色 128G 手机非常好用，老婆很喜欢
268 独****息 6 5 2021-06-04 返红包绿色 256G 发货很快，第二天就到了
144 1****5 5 5 2021-02-27 黑色 128G 没啥可说的 好
97 用****4 5 5 2021-06-05 返红包白色 128G 发货快，物流也给力，包装保护的好，正品没问题
'''
词云可视化
词云图展示如下：看来Iphone12依旧还是很香的，虽然13出来了
但是依旧值得入手！
词频可视化
我们提取网易手机评论前十大高频词汇如下：
# 词频设置
all_words = [wordforwordinresult.split(' ')iflen(word) >1andwordnotinstop_words]
wordcount = Counter(all_words).most_common(10)
'''
('非常', '不错', '手机', '好好', '很快', '发货', '喜欢', '正品', '物流', '速度')
(65, 48, 45, 36, 32, 32, 31, 30, 29, 29)
'''
使用pyecharts绘制可视化大屏图展示如下：
评分可视化
我们使用pandas提取手机评分数据以及频率，数据可视化展示如下：
从图中可以非常直观的看出苹果12的受欢迎程度。
# 划分价格区间
rcv_data['手机评分'] = pd.cut(rcv_data['手机评分'], [0,1,2,5], labels=['差评','中评','好评'])
# 统计数量
stars = rcv_data['手机评分'].value_counts()
stars1 = stars.index.tolist()# 人气值分类
stars2 = stars.tolist()# 人气值分类对应数量
'''
['好评', '差评', '中评']
[308, 9, 2]
'''
购机时间可视化
我们爬取的数据都是在2021年，接下来我们提取事件中的月份数据，
来看看大家普遍的下单时间集中在哪几个月份？
# 提取时间月份
rcv_data['评论时间'] = rcv_data['评论时间'].map(lambdax: x.split('-')[1])
rcv_data['评论时间'] = pd.cut(rcv_data['评论时间'], ['00','01','02','03','04','05','06','07','08','09'], labels=['一月','二月','三月','四月','五月','六月','七月','八月','九月'])
# 统计数量
dates = rcv_data['评论时间'].value_counts()
dates1 = dates.index.tolist()# 月份分类
dates2 = dates.tolist()# 月份分类对应数量
'''
['六月', '三月', '四月', '九月', '二月', '七月', '一月', '五月', '八月']
[95, 66, 34, 33, 22, 20, 18, 16, 15]
'''
从图中可以很直观的看到大家的下单日期大多集中在六月份
年终奖6月发吗
内存大小可视化
接下来我们对手机内存进行可视化分析，看看大家喜欢的内存是多大？
storage = rcv_data['手机内存'].value_counts()
storage1 = storage.index.tolist()# 内存种类
storage2 = storage.tolist()# 内存种类对应数量
'''
['128G', '256G', '64G']
[221, 81, 18]
'''
64太小，256浪费
128G才是真爱啊！
手机颜色可视化
关于Iphone的颜色，哪一种最受欢迎呢？
# 颜色分布
rcv_datas = rcv_data[rcv_data['手机颜色'].str.len()==2]
colors = rcv_datas['手机颜色'].value_counts()
colors1 = colors.index.tolist()# 内存种类
colors2 = colors.tolist()# 内存种类对应数量
'''
['白色', '黑色', '红色', '绿色', '蓝色', '紫色']
[73, 56, 31, 30, 23, 15]
'''
通过下图看出，大众选择都是喜欢白色的
相反紫色是最不容易撞衫的
网友评论