python农产品集购网获取现货商城信息

# -*- coding: utf-8 -*-
"""
Created on Wed Feb  7 23:33:26 2018

@author: Administrator
"""
'''
农产品集购网获取现货商城信息
'''
import requests
from bs4 import BeautifulSoup
import time
from multiprocessing import Pool

headers={'User-Agent':'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/62.0.3202.94 Safari/537.36'}

#url='http://www.16988.com/fronts/spotmall/0/0/0/0/0/0/0/3/0?searchKeyword=&searchBrand=&is_odd=&searchCompany='
total=[]
def get_nongchanpin(url):
    res=requests.get(url,headers=headers)
    print(res.status_code)
    soup=BeautifulSoup(res.text,'html.parser')
    all_chanpin=soup.find_all('ul',class_='foreach-table-tr d-hover-border ')
    for each in all_chanpin:
        pinming=each.find('li',class_='productname').text
        guige=each.find('li',class_='pecifications').text
        pinpai=each.find('li',class_='brands').text
        cangku=each.find('li',class_='warehouse').text
        try:
            qidingliang=int(each.find('li',class_='orderquantity').text)
        except ValueError:
            qidingliang=float(each.find('li',class_='orderquantity').text)
        try:
            chicangliang=int(each.find('li',class_='positions').text)
        except ValueError:
            chicangliang=float(each.find('li',class_='positions').text)
        zoushi=each.find('li',class_='foreach-pricetrend pricetrend').font.text
        zoushi_jiantou=each.find('li',class_='foreach-pricetrend pricetrend').img['src']
        jiage=each.find('li',class_='foreach-price price').text.strip()
        info={'品名':pinming,
              '规格':guige,
              '品牌':pinpai,
              '仓库':cangku,
              '起订量(吨)':qidingliang,
              '持仓量(吨)':chicangliang,
              '走势':zoushi,
              '箭头':zoushi_jiantou,
              '价格(元/吨)':jiage}
        total.append(info)
    return total

if __name__ == '__main__':
    for i in range(501,967):
        url='http://www.16988.com/fronts/spotmall/0/0/0/0/0/0/0/'+str(i)+'/0?searchKeyword=&searchBrand=&is_odd=&searchCompany='
        get_nongchanpin(url)
        time.sleep(0.2)
'''
if __name__ == '__main__':
        urls=['http://www.16988.com/fronts/spotmall/0/0/0/0/0/0/0/{}/0?searchKeyword=&searchBrand=&is_odd=&searchCompany='.format(i) for i in range(0,5)]
        start=time.time()
        pool=Pool()
        pool.map(get_nongchanpin,urls)
        end=time.time()
        print('时间:',end-start)
'''        
import pandas as pd
df=pd.DataFrame(total)
df.to_excel('nongzuowu2.xls',columns=['品名','规格','品牌','仓库','起订量(吨)','持仓量(吨)','走势','箭头','价格(元/吨)'])

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
使用Python进行农产品价格预测可以通过机器学习和统计分析的方法来实现。 首先,需要收集相关的农产品历史价格数据和与价格相关的特征数据,如季节、气候、种植面积、产出量等。这些数据可以通过爬虫技术从互联获取,或者从政府、农业部门等机构处获取。 然后,可以使用Python中的pandas库进行数据清洗和预处理,包括缺失值处理、异常值检测和处理、特征工程等。可以使用matplotlib库进行数据可视化,帮助了解数据的分布和趋势。 接着,可以选择合适的机器学习算法来建立价格预测模型。常用的算法包括线性回归、决策树、支持向量机、随机森林等。可以使用scikit-learn库来实现这些算法,并利用交叉验证和调参技术选择最优模型。 在模型建立完成后,可以使用历史数据的一部分作为训练集,剩余部分作为测试集来评估模型的性能。可以使用各种评估指标来评判模型的准确性和稳定性,如均方根误差、平均绝对误差、决定系数等。 最后,可以使用训练好的模型进行农产品价格的预测。输入新的特征数据,即可得到对应的价格预测结果。可以将结果进行可视化展示,以辅助决策和监控。 总之,使用Python进行农产品价格预测是一个全面的过程,需要数据收集、数据处理、模型建立和评估等多个步骤的综合应用。通过结合机器学习和统计分析的方法,能够提高农产品价格预测的准确性和稳定性,为相关决策提供参考。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值