




版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
網(wǎng)站模擬登錄和數(shù)據(jù)采集案例 本章學(xué)習(xí)目標(biāo)●分析業(yè)務(wù)網(wǎng)站人才招聘的網(wǎng)頁(yè)結(jié)構(gòu)和內(nèi)容●使用selenium和chromedriver實(shí)現(xiàn)網(wǎng)站的模擬登錄●使用selenium和chromedriver實(shí)現(xiàn)編寫爬蟲代碼獲取指定的靜態(tài)和動(dòng)態(tài)數(shù)據(jù)●使用pymysql庫(kù)實(shí)現(xiàn)數(shù)據(jù)的持久化8.7數(shù)據(jù)預(yù)處理1)導(dǎo)入指定的庫(kù)importpandasaspdimportpymysqlfromtabulateimporttabulate2)自定義方法main(),作為實(shí)現(xiàn)調(diào)用其他數(shù)據(jù)預(yù)處理自定義方法的入口。defmain():#1數(shù)據(jù)讀取data=read_data()#2探索清理數(shù)據(jù)check_data(data)#3轉(zhuǎn)換數(shù)據(jù)data_new=transform_data(data)#4規(guī)約數(shù)據(jù)defcustom_sampling(group):returngroup.sample(n=1)#采樣每個(gè)組內(nèi)的一個(gè)樣本result=data_new.groupby(['addr_names','industry_name']).apply(custom_sampling)print(tabulate(result,headers='keys',tablefmt='pretty'))8.7數(shù)據(jù)預(yù)處理3)自定義方法read_data()實(shí)現(xiàn)數(shù)據(jù)庫(kù)連接操作,并返回DataFrame格式數(shù)據(jù)。defread_data():db=pymysql.connect(host='localhost',user='root',password='12345678',port=3306,db='test')cursor=db.cursor()cursor.execute("SELECT*FROMzhitongdongtai")data=cursor.fetchall()columns=['com_name','salary','addr_names','industry_name']df=pd.DataFrame(list(data),columns=columns)db.close()returndf8.7數(shù)據(jù)預(yù)處理4)自定義方法check_data(data)實(shí)現(xiàn)數(shù)據(jù)的清理操作。defread_data():db=pymysql.connect(host='localhost',user='root',password='12345678',port=3306,db='test')cursor=db.cursor()cursor.execute("SELECT*FROMzhitongdongtai")data=cursor.fetchall()columns=['com_name','salary','addr_names','industry_name']df=pd.DataFrame(list(data),columns=columns)db.close()returndf8.7數(shù)據(jù)預(yù)處理5)自定義方法transform_data(data)實(shí)現(xiàn)數(shù)據(jù)轉(zhuǎn)換操作。deftransform_data(data):df=data#1轉(zhuǎn)換薪水字段salary_range_pattern=r'(?P<low_salary>\d+\.?\d*)-(?P<high_salary>\d+\.?\d*)K'salary_policy_pattern=r'(?P<salary_policy>\d*薪)?'final_pattern=rf'{salary_range_pattern}·?{salary_policy_pattern}'#使用逐步構(gòu)建的正則表達(dá)式拆分'salary'列并創(chuàng)建新的列extracted=df['salary'].str.extract(final_pattern,expand=True)#設(shè)置默認(rèn)值為12薪extracted['salary_policy']=extracted['salary_policy'].fillna('12薪')#將提取的列賦值給DataFramedf[['low_salary','high_salary','salary_policy']]=extracted[['low_salary','high_salary','salary_policy']]#刪除原始'salary'列df.drop('salary',axis=1,inplace=True)#將字符串型的數(shù)字列轉(zhuǎn)為浮點(diǎn)型df[['low_salary','high_salary']]=df[['low_salary','high_salary']].astype(float)*1000#2轉(zhuǎn)換地址字段min_length=2max_length=4data_new=df[(df['addr_names'].str.len()>=min_length)&(df['addr_names'].str.len()<=max_length)]returndata_new6)設(shè)置程序入口if__name__=="__main__":main()8.8小結(jié)通過(guò)本綜合案例的學(xué)習(xí),掌握了使用CHROME瀏覽器的“開發(fā)者工具”分析二手房的網(wǎng)頁(yè)結(jié)構(gòu)和內(nèi)容,使用requests庫(kù)和BeautifulSoup庫(kù)編寫和解析自定義的爬蟲代碼獲取字段為:地區(qū)(region)、戶型(house_type)、面積(area_list)、裝修類型(decorate_type)、樓層(floor_type)、房屋類型(building_type)、售價(jià)(total_price)、單價(jià)(avg_price)的數(shù)據(jù)。最后,使用pymysql庫(kù)在MYSQL數(shù)據(jù)
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 人人文庫(kù)網(wǎng)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 化工廠施工危險(xiǎn)點(diǎn)識(shí)別及防范預(yù)控措施
- 一年級(jí)上冊(cè)書法課學(xué)生能力提升計(jì)劃
- 公務(wù)出差批準(zhǔn)回復(fù)函范文
- 以案說(shuō)警酒店行業(yè)服務(wù)規(guī)范心得體會(huì)
- 人教版小學(xué)四年級(jí)數(shù)學(xué)下冊(cè)微課制作計(jì)劃
- 機(jī)場(chǎng)航站樓網(wǎng)架高空散裝安全防護(hù)措施
- 大班幼小銜接的勞動(dòng)習(xí)慣培養(yǎng)計(jì)劃
- 機(jī)械電子一體化專業(yè)畢業(yè)實(shí)習(xí)報(bào)告范文
- 成人本科自考自我鑒定范文
- 精密儀表成品保護(hù)措施
- DB15T 489-2019 石油化學(xué)工業(yè)建設(shè)工程技術(shù)資料管理規(guī)范
- (新版)無(wú)人機(jī)駕駛員資格理論考試題庫(kù)及答案
- 內(nèi)蒙古自治區(qū)通遼市各縣區(qū)鄉(xiāng)鎮(zhèn)行政村村莊村名居民村民委員會(huì)明細(xì)及行政區(qū)劃代碼
- 螺旋溜槽安裝標(biāo)準(zhǔn)工藝
- HALCON編程基礎(chǔ)與工程應(yīng)用全書ppt課件匯總(完整版)
- 信陽(yáng)市平橋區(qū)農(nóng)村土地承包經(jīng)營(yíng)權(quán)轉(zhuǎn)包
- 化學(xué)常用單詞匯總
- 安徽省評(píng)議公告的中小學(xué)教輔材料零售價(jià)格表
- 西子otis梯oh con6423中文調(diào)試手冊(cè)
- 《臨床即時(shí)檢測(cè)儀器》PPT課件.ppt
- 淺談朝鮮族民族音樂(lè)元素
評(píng)論
0/150
提交評(píng)論