python如何爬取微博热搜并实现数据可视化

小编给大家分享一下python如何爬取微博热搜并实现数据可视化，相信大部分人都还不怎么了解，因此分享这篇文章给大家参考一下，希望大家阅读完这篇文章后大有收获，下面让我们一起去了解一下吧！

前言

先上视频看看效果：

一、爬取微博热搜内容

微博热搜网址为：

https://s.weibo.com/top/summary

经分析，微博热搜数据就在网页中，可以直接requests请求，然后BeautifulSoup解析获取内容，最后存入表格中，代码如下（完整代码在文末）：

for i, item in enumerate(items[1:11]):    result = []    rank = '第{0}名'.format(i+1)     # 微博排名    num = str(item.find('span')).replace('', '').replace('', '')  # 微博热度    title = item.find('a').text  # 微博内容    result.append(time_stamp)    result.append(rank)    result.append(num)    result.append(title)    with open('1.csv', 'a+',newline='') as f:        f_csv = csv.writer(f)        f_csv.writerow(result)

微博热搜一般是1分钟更新一次，所以再给代码加个定时器：

schedule.every(1).minutes.do(run)  #run为自定义热搜爬虫函数，设置1分钟爬取1次while True:    schedule.run_pending()

让程序跑一会，我们的数据就弄好了

二、开始画动态图

1.pandas读取数据

import pandas as pddata=pd.read_csv('微博热搜.csv',encoding='gbk')

2.基本动态图画法

from pyecharts import options as optsfrom pyecharts.charts import Bar, Timelinefrom pyecharts.faker import Fakerx = Faker.choose()tl = Timeline()for i in range(2015, 2020):    bar = (        Bar()        .add_xaxis(x)        .add_yaxis("", Faker.values())        .set_global_opts(title_opts=opts.TitleOpts("某商店{}年营业额".format(i)))    )    tl.add(bar, "{}年".format(i))tl.render_notebook()

2.将图形反转，导入横坐标（排名）、纵坐标（热度）

tl = Timeline()for i in range(20):    bar = (        Bar()        .add_xaxis(list(data['内容'])[i*10:i*10+10][::-1])        .add_yaxis("微博热搜榜", list(data['热度'])[i*10:i*10+10][::-1])        .reversal_axis()        .set_global_opts(title_opts=opts.TitleOpts("某商店{}年营业额".format(i)))    )    tl.add(bar, "{}年".format(i))tl.render_notebook()` 

3.将标签放置在图形右边，将图形整体右移

from pyecharts.charts import Bar, Timeline,Gridtl = Timeline()for i in range(20):    bar = (        Bar()        .add_xaxis(list(data['内容'])[i*10:i*10+10][::-1])        .add_yaxis("微博热搜榜", list(data['热度'])[i*10:i*10+10][::-1])        .reversal_axis()        .set_global_opts(title_opts=opts.TitleOpts("某商店{}年营业额".format(i)))        .set_series_opts(label_opts=opts.LabelOpts(position="right"))  #将标签放置在图形右边    )    tl.add(bar, '')    grid = (        Grid()        .add(bar, grid_opts=opts.GridOpts(pos_left="25%",pos_right="0%"))  #将图形整体右移    )    tl.add(grid, '')tl.render_notebook()

4.设置播放速度，隐藏timeline组件，设置自动播放

tl = Timeline()for i in range(20):    bar = (        Bar()        .add_xaxis(list(data['内容'])[i*10:i*10+10][::-1])        .add_yaxis("微博热搜榜", list(data['热度'])[i*10:i*10+10][::-1])        .reversal_axis()        .set_global_opts(title_opts=opts.TitleOpts("某商店{}年营业额".format(i)))        .set_series_opts(label_opts=opts.LabelOpts(position="right"))  #将标签放置在图形右边    )    tl.add(bar, "")    grid = (        Grid()        .add(bar, grid_opts=opts.GridOpts(pos_left="25%",pos_right="0%"))  #将图形整体右移    )    tl.add(grid, "")    tl.add_schema(        play_interval=100,   #播放速度        is_timeline_show=False,  #是否显示 timeline 组件        is_auto_play=False,)     #是否自动播放tl.render_notebook()

5.设置主题，增加时间标签

tl = Timeline({"theme": ThemeType.MACARONS})for i in range(20):    bar = (        Bar({"theme": ThemeType.MACARONS})        .add_xaxis(list(data['内容'])[i*10:i*10+10][::-1])        .add_yaxis("微博热搜榜", list(data['热度'])[i*10:i*10+10][::-1])        .reversal_axis()        .set_global_opts(            title_opts=opts.TitleOpts("{}".format(list(data['时间'])[i*10]),pos_right='0%',pos_bottom='15%'),            xaxis_opts=opts.AxisOpts(                splitline_opts=opts.SplitLineOpts(is_show=True)),            yaxis_opts=opts.AxisOpts(splitline_opts=opts.SplitLineOpts(is_show=True),                                     axislabel_opts=opts.LabelOpts(color='#FF7F50')),)        .set_series_opts(label_opts=opts.LabelOpts(position="right",color='#9400D3'))    )    grid = (        Grid()        .add(bar, grid_opts=opts.GridOpts(pos_left="25%",pos_right="0%"))    )    tl.add(grid, "{}年".format(i))  #设置标签    tl.add_schema(        play_interval=100,   #播放速度        is_timeline_show=False,  #是否显示 timeline 组件        is_auto_play=True,    )tl.render_notebook()

以上是"python如何爬取微博热搜并实现数据可视化"这篇文章的所有内容，感谢各位的阅读！相信大家都有了一定的了解，希望分享的内容对大家有所帮助，如果还想学习更多知识，欢迎关注行业资讯频道！