2022年全国各省地级市GDP均值(除港澳台及直辖市)数据可视化实战

本文介绍了如何在Linux环境中配置Java和MySQL,通过Python爬取并处理来自https://www.hongheiku.com的数据,包括数据获取、清洗、聚合、上传至Hive,以及使用PyHive和Pyecharts进行数据可视化的过程。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

一、环境配置

linux环境

java -version
# java version "1.8.0_391"
# Java(TM) SE Runtime Environment (build 1.8.0_391-b13)
# Java HotSpot(TM) 64-Bit Server VM (build 25.391-b13, mixed mode)
mysql --version
# mysql  Ver 8.0.35 for Linux on x86_64 (MySQL Community Server - GPL)
ls -l /opt
# 总用量 8
# drwxr-xr-x  28 root  root 4096 1月  27 00:48 anaconda3
# drwxr-xr-x  11 root  root  227 1月  26 19:23 hadoop-3.3.6
# drwxr-xr-x   5 root  root  114 2月  12 12:35 hadoop-snappy-master
# drwxr-xr-x  10 root  root  205 2月  12 18:53 hive-3.1.3
# drwxr-xr-x   6 root  root   99 2月  12 12:23 maven-3.9.6
# drwxr-xr-x   6 60692 5000 4096 2月  12 12:21 snappy-1.1.1
# drwxrwxrwx  15 root  root  235 2月   7 20:40 spark-3.5.0
# drwxrwxrwx.  4 root  root   32 2月  11 22:19 tmp
hdfs dfs -ls /
# Found 3 items
# drwxrwxrwx   - root supergroup          0 2024-02-21 13:48 /sparklog
# drwxrwxrwx   - root supergroup          0 2024-02-17 01:28 /tmp
# drwxrwxrwx   - root supergroup          0 2024-02-17 01:04 /user

conda创建并激活虚拟环境

conda create -n pyspark python=3.*.*
conda activate pyspark

python导包

import re
import time
import requests
import pandas as pd
from tqdm import tqdm
from lxml import etree
from pyhive import hive
from pyspark.sql import SparkSession
from pyecharts import charts
from pyecharts import options as opts
二、获取数据

确定目标网址:https://www.hongheiku.com/category/gdjsgdp
获取伪装参数:‘user-agent’:‘Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/99.0.4844.51 Safari/537.36’
通过requests构造get请求获取单页html数据。
使用xpath解析式解析html标签数据获得省份、GDP列表数据和总页数整数数据。
通过pandas将列表数据转为数据帧dataframe。

# 获取单页数据
def get_page_data(page):
    urls = {
   
        'page=1':'https://www.hongheiku.com/category/gdjsgdp',
        'page>1':'https://www.hongheiku.com/category/gdjsgdp/page/{}'.format(page)}
    headers = {
   
        'user-agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/99.0.4844.51 Safari/537.36'}
    url = urls['page=1'] if page==1 else urls['page>1']
    response = requests.get(url=url,headers=headers)
    if response.status_code != 200:
        return response.status_code
    if response.status_code == 200:
        text = response.text
    # with open('data.html','w',encoding='utf-8') as file:
    #     file.write(text)
    # with open('data.html','r',encoding='utf-8') as file:
    #     text = file.read()
    element = etree.HTML(text)
    id = element.xpath('//tr[@class="even"]/td[@class="column-1"]//center//text()')
    pro = element.xpath('
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