Python爬虫爬取豆瓣不同分类书籍详细信息

最新推荐文章于 2024-08-27 16:42:51 发布
最新推荐文章于 2024-08-27 16:42:51 发布
阅读量2.4k 收藏 18
点赞数 2
分类专栏： Python 文章标签： 爬虫 python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_41821963/article/details/105446196
版权

文章目录

1.问题来源

这学期有一门软件开发实战的课程，我们组在做一个书籍交易平台。既然是书籍交易平台重要的图书的获取肯定必不可少，而豆瓣上的丰富的图书信息，自然就是我们需要获取资料的重要来源，由于后期项目的完成需要大量的图书信息来帮助我们完成关于知识图谱和推荐算法的应用，所以图书信息的获取就成了一件重要的事，由于没有学习过python，也是从网上学习了很多有关的知识，中途也遇到了很多次的错误，终于找到了适合我这个爬虫新手适用的方法，刚开始是爬top250图书的网页练手，后来觉得获取的信息不全面，有关于图书的ISBN等信息还是只有在书籍详情页才能有，于是便搜集了一些资料以后，自己尝试写了一下代码。个人觉得以下代码比较适合新手来了解爬虫的相关知识，也把一些重要的点注释清楚了。

2.爬虫代码的组成

因为豆瓣上是有反爬的，我搜了很久也没有彻底解决，但是现在基本上一天搜集近万条图书信息是没有问题的。代码主要分为以下三部分：

  • user.py
    这部分是用来写UserAgent的，这个UserAgent就是一个用户代理，每个浏览器都会有的，爬虫如果不加这个UserAgent，会被网页默认为不通过浏览器来访问，认为是机器，就会限制访问，这里请求头部分最好加上信息完整一点比较好，我这里是只加了UserAgent的

  • proxy.py
    这部分用来存动态代理的ip信息，因为有的网站当你用同一个ip获取大量数据以后且速度很快，也会认为这是机器在进行操作，而不属于用户的正常访问，此时ip被禁，就连访问网页也不能了，所以得使用动态代理，让网站认为是不同的ip访问，免费的代理网站有好几个，在这里推荐一下我用的两个

    • 链接1: 西刺代理.https://www.xicidaili.com/nn/
    • 链接2: 快代理. http://www.kuaidaili.com/free/inha/6
      后面的6是网页代理的第六页，改变数字也就是不同的页，每一页都有15个代理ip，可根据需要选用

  • searchBook.py
    这部分是用来写爬虫的详细代码了，就不细说了 ，在代码里都给了注释

3.代码实现

user.py

import random

def getuser():
    USER_AGENTS = [
        "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/53.0.2785.104 Safari/537.36 Core/1.53.4295.400"
        # Opera
        "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/39.0.2171.95 Safari/537.36 OPR/26.0.1656.60",
        "Opera/8.0 (Windows NT 5.1; U; en)",
        "Mozilla/5.0 (Windows NT 5.1; U; en; rv:1.8.1) Gecko/20061208 Firefox/2.0.0 Opera 9.50",
        "Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1; en) Opera 9.50",
        # Firefox
        "Mozilla/5.0 (Windows NT 6.1; WOW64; rv:34.0) Gecko/20100101 Firefox/34.0",
        "Mozilla/5.0 (X11; U; Linux x86_64; zh-CN; rv:1.9.2.10) Gecko/20100922 Ubuntu/10.10 (maverick) Firefox/3.6.10",
        # Safari
        "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/534.57.2 (KHTML, like Gecko) Version/5.1.7 Safari/534.57.2",
        # chrome
        "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/39.0.2171.71 Safari/537.36",
        "Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.11 (KHTML, like Gecko) Chrome/23.0.1271.64 Safari/537.11",
        "Mozilla/5.0 (Windows; U; Windows NT 6.1; en-US) AppleWebKit/534.16 (KHTML, like Gecko) Chrome/10.0.648.133 Safari/534.16",
        # 360
        "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/30.0.1599.101 Safari/537.36",
        "Mozilla/5.0 (Windows NT 6.1; WOW64; Trident/7.0; rv:11.0) like Gecko",
        # 淘宝浏览器
        "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/536.11 (KHTML, like Gecko) Chrome/20.0.1132.11 TaoBrowser/2.0 Safari/536.11",
        # 猎豹浏览器
        "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.1 (KHTML, like Gecko) Chrome/21.0.1180.71 Safari/537.1 LBBROWSER",
        "Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; WOW64; Trident/5.0; SLCC2; .NET CLR 2.0.50727; .NET CLR 3.5.30729; .NET CLR 3.0.30729; Media Center PC 6.0; .NET4.0C; .NET4.0E; LBBROWSER)",
        "Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1; SV1; QQDownload 732; .NET4.0C; .NET4.0E; LBBROWSER)",
        # QQ浏览器
        "Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; WOW64; Trident/5.0; SLCC2; .NET CLR 2.0.50727; .NET CLR 3.5.30729; .NET CLR 3.0.30729; Media Center PC 6.0; .NET4.0C; .NET4.0E; QQBrowser/7.0.3698.400)",
        "Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1; SV1; QQDownload 732; .NET4.0C; .NET4.0E)",
        # sogou浏览器
        "Mozilla/5.0 (Windows NT 5.1) AppleWebKit/535.11 (KHTML, like Gecko) Chrome/17.0.963.84 Safari/535.11 SE 2.X MetaSr 1.0",
        "Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1; Trident/4.0; SV1; QQDownload 732; .NET4.0C; .NET4.0E; SE 2.X MetaSr 1.0)",
        # maxthon浏览器
        "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Maxthon/4.4.3.4000 Chrome/30.0.1599.101 Safari/537.36",
        # UC浏览器
        "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/38.0.2125.122 UBrowser/4.0.3214.0 Safari/537.36",



    ]
    user_agent = random.choice(USER_AGENTS)
    return user_agent

proxy.py(代理二选一即可）

#快代理
import requests
from lxml.html import etree

url = 'http://www.kuaidaili.com/free/inha/6'#快代理
data =requests.get(url)
html = etree.HTML(data.text)

#找xpath
ip_xpath = '//*[@id="list"]/table/tbody/tr/td[1]/text()'
port_xpath = '//*[@id="list"]/table/tbody/tr/td[2]/text()'
http_or_https_xpath ='//*[@id="list"]/table/tbody/tr/td[4]/text()'

#匹配内容
ip_list = rp_html.xpath(ip_xpath)
port_list = rp_html.xpath(port_xpath)
http_or_https_list = rp_html.xpath(http_or_https_xpath)

#进行组合
list_zip = zip(ip_list,port_list,http_or_https_list)
proxy_dict= {}
proxy_list = []
for ip,port,http_or_https in list_zip:
    proxy_dict[http_or_https] = f'{ip}:{port}'
    proxy_list.append(proxy_dict)
    proxy_dict = {}

#西刺代理
# import re
#
# import requests
# from bs4 import BeautifulSoup
#
# import user
#
# import random
#
#
# def getListProxies():
#     session = requests.session()
#     headers = {'User-Agent': user.getuser()}
#     proxies = random.choice(proxy_list)
#     page = session.get("http://www.xicidaili.com/nn/2", headers = headers,proxies = proxies)#西刺代理
#     soup = BeautifulSoup(page.text, 'lxml')
#
#     proxyList = []
#     taglist = soup.find_all('tr', attrs={'class': re.compile("(odd)|()")})
#     for trtag in taglist:
#         tdlist = trtag.find_all('td')
#         proxy = {'http': tdlist[1].string + ':' + tdlist[2].string}
#
#         proxyList.append(proxy)
#         # 设定代理ip个数
#         if len(proxyList) >= 20:
#             break
#
#     return proxyList

searchBook.py

from lxml import etree
import json
import random
import requests
import time
import proxy
import user

def getResqutes():
    # 获取诗词类图书的请求
    urls = ["https://book.douban.com/tag/%E8%AF%97%E8%AF%8D?start={}".format(str(i)) for i in
            range(0, 1000, 20)]#豆瓣分类图书每页20本，搜索一千本，每次搜索完一页，数字加20表示跳转到下一页继续搜索
    for url in urls:
        # 每搜索1页20本书更换一次请求头信息和代理ip
        # 动态设置请求头信息
        headers = {'User-Agent': user.getuser()}
        # 动态设置代理ip信息
        List = proxy.proxy_list
        proxies = random.choice(List)
        # 打印搜索时代理ip信息
        print(proxies)
        data = requests.get(url, headers=headers, proxies=proxies)  # 此处是请求
        html = etree.HTML(data.text)  # 网页的解析
        count = html.xpath("//li[@class='subject-item']")
        for info in count:
            # 把页面获取的详情页面的信息转化成字符串link作为下面请求的url，有些网页比如京东在转化成字符串的同时需要在前面拼接"https://"
            link = ''.join(info.xpath("div[2]/h2/a/@href"))
            # 每爬取一本书线程休息随机时间，模拟人类行为
            time.sleep(random.random())
            # 控制台输出书籍详情页地址，便于观察爬取过程中的bug
            print(link)
            # author_name在类别页获取，因为详情页每个页面的作者对应的块位置不同，存在获取不到作者情况，导致书籍信息获取失败
            # author_name =''.join(info.xpath("div[2]/div[1]/text()")[0].split('/')[0]).replace(" ","")
            # print(author_name)
            # author_name = author_name.split()
            link_data = requests.get(link, headers=headers, proxies=proxies)
            html = etree.HTML(link_data.text)
            # 书名
            book_name = html.xpath("//*[@id='mainpic']/a/@title")
            # 图片url
            book_img = html.xpath("//*[@id='mainpic']/a/img/@src")
            # 作者信息，因为不同页面位置不同做判断
            author_name = html.xpath("//*[@id='info']/span[1]/a/text()")
            temp = ''.join(html.xpath("//*[@id='info']/span[1]/a/text()"))
            if temp is None or len(temp) == 0:
                author_name = html.xpath("//*[@id='info']/a[1]/text()")
            # 作者人数大于1时候用/分隔，并去除多余空格和换行符
            sum = ""
            if len(author_name) > 1:
                for item in author_name:
                    sum += (str(item) + "/")
                    author_name = sum
            else:
            author_name = author_name
            author_name = "".join(author_name)
            author_name = author_name.replace(" ", "")
            author_name = author_name.replace("\n", "")
            author_name = author_name.split()

            # 出版社
            press = html.xpath(u'//span[./text()="出版社:"]/following::text()[1]')
            # 出版年
            press_year = html.xpath(u'//span[./text()="出版年:"]/following::text()[1]')
            # 页数
            pages = html.xpath(u'//span[./text()="页数:"]/following::text()[1]')
            # 价格
            price = html.xpath(u'//span[./text()="定价:"]/following::text()[1]')
            # 图书ISBN
            ISBN = html.xpath(u'//span[./text()="ISBN:"]/following::text()[1]')
            # 评分
            score = html.xpath("//*[@id='interest_sectl']/div/div[2]/strong/text()")
            # 评价人数
            number_reviewers = html.xpath("//*[@id='interest_sectl']/div/div[2]/div/div[2]/span/a/span/text()")
            # 图书简介
            introduction = html.xpath("//*[@class='intro']/p/text()")

            for book_name, book_img, author_name, press, press_year, pages, price, ISBN, score, number_reviewers, introduction in zip(
                    book_name, book_img, author_name, press, press_year, pages, price, ISBN, score, number_reviewers,
                    introduction):
                result = {
                    "book_name": book_name,
                    "book_img": book_img,
                    "author_name": author_name,
                    "press": press,
                    "press_year": press_year,
                    "pages": pages,
                    "price": price,
                    "ISBN": ISBN,
                    "score": score,
                    "number_reviewers": number_reviewers,
                    "introduction": introduction
                }
                print(result)
                # 以json形式保存输出结果
                with open('诗词.json', 'a', encoding='utf-8') as file:
                    file.write(json.dumps(result, ensure_ascii=False) + '\n')
        
if __name__ == '__main__':
    getResqutes()

4.运行结果

在这里插入图片描述
控制台打印输出可以方便观察爬虫是否意外停止和起到检测程序运行作用，代码最后将信息以json格式保存。当然如果需要保存图片和和将信息写进数据库也是可以实现的。这是第一次使用python写个爬虫，写个博客记录一下。

Python 图书分类
weihouye00的博客
11-03 1743
li=[2,45,1,68,41,10] li.sort() print(’----------排序之前--------{}’.format(li)) newlist=sorted(li) print(’----------排序之后升序--------{}’.format(newlist)) newlist=sorted(li,reverse=True) print(’----------排序之后降序--------{}’.format(newlist)) tupArray=(2,45,1,68,41,10
使用Python爬虫 爬取豆瓣top250
ChinaBILI6的博客
05-13 9058
Python爬虫 文章目录Python爬虫@[toc]1）任务介绍2）爬虫知识3）基本流程3.1) 准备工作3.2)获取数据3.3)解析内容3.4)保存数据 1）任务介绍 需求分析 爬取豆瓣电影Top250的基本信息，包括电影的名称、豆瓣评分、评价数、电影概况、电影链接等。 链接：https://movie.douban.com/top250 2）爬虫知识 什么是爬虫 网络爬虫，是一种按照一定规则，自动抓取互联网信息的程序或者脚本。由于互联网数据的多样性和资源的有限性，根据用户需求定向抓
python爬虫——豆瓣图书（根据类别）信息
ROJS的博客
06-04 687
python爬虫——豆瓣图书（根据类别）信息 提示：爬取数据过多需要登录 常量： 1.分析url,设计url，可以根据书籍类型爬取 2.获取HTML文本，异常处理，status_code 为状态码，200为成功 3.分析HTML文本用BeautifulSoup提取当前页数据 4.批量提取数据，转化为pandas数据结构并保存为csv文件 5.分析数据，统计各个评分段书籍数量 ...
利用scrapy抓取读书网站关于多级分类书的信息,通过pipeline保存到MongoDB、Redis、MySQL数据库和本地表格
執筆冩回憶
10-30 395
1、创建Scrapy项目 scrapy startproject Dushu 2.进入项目目录，使用命令genspider创建Spider scrapy genspider dushu dushu.com 3、定义要抓取的数据（处理items.py文件） import scrapy class DushuItem(scrapy.Item): # 书籍ID book_id = scrapy.Field() # 书的链接地址 book_url = scrap..
Python-爬虫（Scrapy爬虫框架，爬取豆瓣读书和评分）
dodamce的博客
09-29 5849
Scrapy是爬虫框架。它分为一下部分，其中引擎是核心通过pip install scrapy在终端上下载这个爬虫框架。注意：框架不能像包一样直接导入，需要生成框架结构，在这个结构上操作启动框架：首先在终端上进入到要生成项目的路径.然后输入启动框架 此时项目路径下会有一个框架生成的文件夹之后生成爬虫文件命令如图： 先进入爬虫spiders文件夹中，输入命令生成爬虫文件。这里以豆瓣读书为例最后使用scrapy crawl +爬虫名（book）来启动爬虫，因为在终端不方便数据查询，所以一般会使用其他方式启动。
Python爬虫学习之scrapy框架（一）爬取豆瓣图书榜
JYKgo的博客
01-01 1602
Python爬虫学习之scrapy框架（一）爬取豆瓣图书榜 一.什么是Scrapy Scrapy是一个为了爬取网站数据，提取结构性数据而编写的应用框架。 可以应用在包括数据挖掘，信息处理或存储历史数据等一系列的程序中。自己写Python爬虫程序不是不可，但有框架可以用，为什么不用呢？相信Scrapy可以起到事半功倍的效果，相比与request，scrapy重点在于爬虫框架而不是页面下载。 二.准备环境 scrapy爬虫需要的库pypiwin32，lxml，twisted，scrapy，Microsoft V
python爬取豆瓣书籍_python爬虫学习，爬取豆瓣各分类书单
weixin_39609170的博客
11-27 185
点击蓝字“python教程”关注我们哟！代码展示：pachon2.5.py# -- coding: utf-8 --import urllibimport urllib2import reimport sysreload(sys)sys.setdefaultencoding('utf-8')class book: #豆瓣书籍的类def init(self, types, page):sel...
python爬虫爬取豆瓣图书
weixin_53736624的博客
06-06 3813
爬取豆瓣图书top250的第一页 我最终爬取的是图书的书名,链接 先要做个说明,如果你是编程高手的话,这边文章你就不用看了,如果你是个python爬虫小白的话,可以看看这篇原创 我将用到的软件是pycharm,将要用到的模块是requets, BeautifulSoup. 爬虫很关键的是对网页原代码的分析,在这里我选择的网页是https://book.douban.com/top250,用的浏览器是谷歌浏览器. 1. 我们进入网页后,按鼠标右键—检查—进入网页代码 ...
python爬虫爬取豆瓣TOP250用csv文件
life12345678910的博客
06-06 1475
print('------------------------------------------爬虫结束！---------------------------------------------')['电影中文名','电影英文名','电影详情页链接','导演','演员','上映年份','国际','类型','评分','评分人数']print(f'————————————第{int((i / 25) + 1)}页爬取完毕！——————————————')一、爬取数据并用csv文件保存。
python 爬虫，爬取豆瓣图书--源码【超详细】
04-11
1、本爬虫是爬取豆瓣网站上的TOP 250 图书信息，相关网址：https://book.douban.com/top250 2、本爬虫用到的模块 有 requests,lxml,time 注： 本程序只作为业余学习，程序中，对于“IndexError: list index out of ...
python爬虫教学（爬取豆瓣top250名单和数据）
daoliuweisong12的博客
08-27 586
最终输出效果：那么这种效果如何实现呢？
使用python的scrapy框架简单的爬取豆瓣读书top250
qq_43163694的博客
09-16 2346
使用python的scrapy框架简单的爬取豆瓣读书top250 一、配置scrapy环境 1. 配置相应模块 如果没有配置过scrapy环境的一般需要安装lxml、PyOpenssl、Twisted、Pywin32、scrapy这几样模块，都可以 pip install *方式安装，如pip install lxml。 2. **测试是否安装成功 ** 直接在cmd输入scrapy，出现版本号...
Python Scrapy爬虫实战（1）：豆瓣网站图书信息案例- Scrapy初体验
段智华的博客
07-02 1908
     Scrapy，Python开发的一个快速、高层次的屏幕抓取和web抓取框架，用于抓取web站点并从页面中提取结构化的数据。Scrapy用途广泛，可以用于数据挖掘、监测和自动化测试。Scrapy吸引人的地方在于它是一个框架，任何人都可以根据需求方便的修改。它也提供了多种类型爬虫的基类，如BaseSpider、sitemap爬虫等，最新版本又提供了web2.0爬虫的支持。     我们将通过...
爬取豆瓣图书 使用pyquery库解析
m0_54184060的博客
06-01 441
使用requests库请求网页源代码，pyquery库进行解析获取含有数据的节点。本项目为爬取豆瓣图书首页中展示的图书，获取其书名、作者和作品链接，仅供学习。结果保存在一个字典里面，最后保存到JSON文件中。有不足或者想法的欢迎指正，共同学习。
Python通过作品名字判断小说类型（标签分类）
毕业作品网站
07-03 806
通过来进行文本分类使用爬虫爬取了小说网站的收藏榜（因为此榜单人气高），扔到里去训练。同时使用 分词库来提高准确率。起点、创世爬的都是收藏榜，长期人气高。爬虫代码（以起点玄幻为例）： 其中晋江用的是本地，因为那个排行榜不分页，而且用上面的代码获取过来会乱码（试了几个编码照样乱码），就存到本地再读取了。笔趣阁有一部分页面会乱码，只能获取一部分，但是数量是真的多。网上说的那些词向量什么的我也不懂，一堆语料库扔进去训练就是了。调整了一下几个参数，不知道准确性如何。训练过程： 运行示例 运行之前，先合并需要用到的语
通过图书编号查询python_Python图书分类
weixin_39789094的博客
12-08 999
li=[2,45,1,68,41,10]li.sort()print(’----------排序之前--------{}’.format(li))newlist=sorted(li)print(’----------排序之后升序--------{}’.format(newlist))newlist=sorted(li,reverse=True)print(’----------排序之后降序----...
基于Requests的Python爬虫入门实例------爬取豆瓣图书排行榜的前25本图书（小白福利）
daimashiren的博客
05-26 1658
话不多说，先上代码： # -*- coding:utf-8 -*- import sys import requests import lxml from bs4 import BeautifulSoup from requests.cookies import RequestsCookieJar #设置请求头，伪装成浏览器 headers = {'User-Agent':'Mozil...
Python图书概览 -- 分类指引电子书 swords
11-18 1070
Python 电子书本地收集 -- 啄木鸟空间分享了大部分 请大家一一 对应指引本地下载链接是也乎……ZoomQuiet   前言 本页面收集整理了 Python 相关的书籍信息书名一般链接至其主页或 Amazon/China-Pub 相关页面，往往包括试读、书评、勘误、源码、补充内容等相关资源，国内出版的书也可直接在线购买。Python 安装包中附带的官方文档永远是最有价
Python基础之爬取某瓣图书信息
绳锯木断，水滴石穿，专心写文，无问西东！！！
07-28 2498
概述 所谓爬虫，就是帮助我们从互联网上获取相关数据并提取有用的信息。在大数据时代，爬虫是数据采集非常重要的一种手段，比人工进行查询，采集数据更加方便，更加快捷。刚开始学爬虫时，一般从静态，结构比较规范的网页入手，然后逐步深入。今天以爬取某瓣最受关注图书为例，简述Python在爬虫方面的初步应用，仅供学习分享使用，如有不足之处，还请指正。 涉及知识点 如果要实现爬虫，需要掌握的Pyhton相关知识点如下所示： requests模块：requests是python实现的最简单易用的HTTP库，建议爬虫使
python爬虫爬取豆瓣图书可视化
最新发布
12-23
Python爬虫爬取豆瓣图书并进行可视化通常涉及以下几个步骤： 1. **安装库**：首先需要安装必要的库，如`requests`用于发送HTTP请求获取网页内容，`BeautifulSoup`或`lxml`处理HTML解析，以及数据可视化库如`matplotlib`、`seaborn`或`plotly`。 ```python pip install requests beautifulsoup4 matplotlib ``` 2. **发送GET请求**：通过`requests.get()`函数访问豆瓣图书页面，例如，豆瓣图书详情页URL加上书籍ID。 3. **解析HTML**：使用BeautifulSoup解析网页内容，找到包含所需信息的部分，比如书名、作者、评分等。 ```python import requests from bs4 import BeautifulSoup url = "https://book.douban.com/subject/<book_id>" response = requests.get(url) soup = BeautifulSoup(response.text, 'html.parser') ``` 4. **提取数据**：使用BeautifulSoup提供的方法查找元素，并提取出你需要的数据。 5. **存储数据**：将数据保存到文件或数据库，以便后续分析。 6. **数据清洗与预处理**：有时需要处理缺失值、异常值，对文本数据进行标准化等。 7. **可视化**：利用Matplotlib或Seaborn绘制图表，展示图书的相关数据，比如书评数、评分分布、用户评论热词云等。 ```python import pandas as pd import seaborn as sns import matplotlib.pyplot as plt # 将数据转换为DataFrame data_df = pd.DataFrame(..., columns=['标题', '作者', '评分']) # 绘制评分分布图 sns.histplot(data=data_df['评分']) plt.show() # 绘制关键词云 from wordcloud import WordCloud wordcloud = WordCloud().generate_from_frequencies(...) plt.imshow(wordcloud, interpolation='bilinear') plt.axis("off") plt.show() ```
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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