Python爬虫学习记录——5.使用pandas保存豆瓣短评数据

保存数据的方法

• open函数保存
• pandas包保存（重点）
• csv模块保存
• numpy包保存

使用open函数保存数据

1. open函数用法

   1. 使用with open()新建对象
   2. 写入数据

   import requests
   from lxml import etree
   
   url = 'https://book.douban.com/subject/1084336/comments/'
   r = requests.get(url).text
   
   s = etree.HTML(r)
   file = s.xpath('//div[@class="comment"]/p/text()')
   
   with open('pinglun.txt', 'w', encoding='utf-8') as f: #使用with open()新建对象f
   	for i in file:
       	print(i)
       	f.write(i) #写入数据，文件保存在当前工作目录
   

   3. 可以使用以下方法得到当前工作目录或者修改当前工作目录

   import os
   os.getcwd()#得到当前工作目录
   os.chdir()#修改当前工作目录，括号中传入工作目录的路径
   

2. open函数的打开模式

参数	用法
r	只读。若不存在文件会报错。
w	只写。若不存在文件会自动新建。
a	附加到文件末尾。
rb, wb, ab	操作二进制
r+	读写模式打开

使用pandas保存数据

1. Python数据分析的工具包

   • numpy： (Numerical Python的简称)，是高性能科学计算和数据分析的基础包
   • pandas：基于Numpy创建的Python包，含有使数据分析工作变得更加简单的高级数据结构和操作工具
   • matplotlib：是一个用于创建出版质量图表的绘图包（主要是2D方面）
   • 常见的导入方法：

   import pandas as pd #导入pandas
   import numpy as np #导入numpy
   import matplotlib.pypolt as plt #导入matplotlib
   

   注意：pandas 、numpy和matplotlib都需要事先安装

2. pandas保存数据到Excel

   • 导入相关的库
   • 将爬取到的数据储存为DataFrame对象（DataFrame 是一个表格或者类似二维数组的结构，它的各行表示一个实例，各列表示一个变量）
   • to_excel() 实例方法：用于将DataFrame保存到Excel

   df.to_excel('文件名.xlsx', sheet_name = 'Sheet1') #其中df为DataFrame结构的数据，sheet_name = 'Sheet1'表示将数据保存在Excel表的第一张表中
   

   4. read_excel() 方法：从excel文件中读取数据

   pd.read_excel('文件名.xlsx', 'Sheet1', index_col=None, na_values=['NA'])
   

3. pandas保存数据到csv文件

   1. 导入相关的库
   2. 将数据储存为DataFrame对象
   3. 保存数据到csv文件

   import pandas as pd
   import numpy as np
   df = pd.DataFrame(np.random.randn(6,3)) #创建随机值并保存为			DataFrame结构
   print(df.head())
   df.to_csv('numpppy.csv')
   

实战

结合之前学习的获取数据、解析数据的知识，爬取《小王子》豆瓣短评的数据，并把数据保存为本地的excel表格

import requests
from lxml import etree

url = 'https://book.douban.com/subject/1084336/comments/'
r = requests.get(url).text

s = etree.HTML(r)
file = s.xpath('//div[@class="comment"]/p/text()')

import pandas as pd
df = pd.DataFrame(file)
df.to_excel('pinglun.xlsx')

注意：如果运行以上程序出现ImportError: No module named ‘openpyxl’错误，那么需要先安装“openpyxl”模块。