爬取网易云音乐欧美歌单及数据分析

本文转载自查看原文 2021-12-27 16:03 1441

网易云音乐欧美歌单数据分析

一、选题背景

如今听音乐成为我们日常生活中的一部分，听音乐方式从磁带→光盘、黑胶唱片→数字专辑。目前主流音乐平台有：网易云音乐、QQ音乐、酷狗音乐、酷我音乐。网易云音乐，是一款由网易开发的音乐产品，是网易杭州研究院的成果，依托专业音乐人、DJ、好友推荐及社交功能，在线音乐服务主打歌单、社交、大牌推荐和音乐指纹，以歌单、DJ节目、社交、地理位置为核心要素，主打发现和分享。本次作业选择对网易云音乐平台进行爬取并数据可视化分析。

二、主题式网络爬虫设计方案

　　1 .主题式爬虫名称

　　　　名称：网易云音乐歌单爬虫系统

　　2. 主题式网络爬虫爬取内容与数据特征分析

　　　　爬取内容：歌单、播放数、收藏数、标签、歌曲数

　　　　数据特征分析：网页文本

　　3. 主题式网络爬虫设计方案概述

　　　（一）思路　　

　 1.对网页进行解析

2.将数据储存

　　　　　　3.查看网页结构

　　　　　　4.查看网页爬取内容的位置

　　　　　　5.取出数据

　　　　　　6.遍历数据

　　　（二）技术难点

　　　　　　1.异常处理

　　　　　　2.网页内容读取

　　　　　　3.数据遍历

　　　　　　4.数据批量存储

　　　　　　5.整体系统设计

三、主题页面的结构特征分析

　　(1)主题页面的结构特征与特征分析

　　()Htmls 页面解析

第一个页面只需要获取歌单的url

url：'https://music.163.com/discover/playlist/?cat=欧美&order=hot&limit=35&offset=' + str(i)

　　　　　第二个页面需要获取歌单名、播放数、收藏数、评论数、歌曲数。

　　　　查找节点：

通过F12定位元素、使用Beatifulsoup.select()获取标签定位

 1 title = soup.select('h2')[0].get_text().replace(',', '，')
 2 # 获取标签
 3 tags = [ ]
 4 tags_message = soup.select('.u-tag i')
 5 text = '无'
 6 # 获取歌单收藏量
 7 collection = soup.select('#content-operation i')[1].get_text().replace('(', '').replace(')', '')
 8 # 歌单播放量
 9 play = soup.select('.s-fc6')[0].get_text()
10 # 歌单内歌曲数
11 songs = soup.select('#playlist-track-count')[0].get_text()
12 # 歌单评论数
13 comments = soup.select('#cnt_comment_count')[0].get_text()

　　遍历方法：

　　　　内容取出用for循环

四、网络爬虫程序设计

（一）数据爬取与采集

 1 保存url：
 2 url='https://music.163.com/discover/playlist/?cat=欧美&order=hot&limit=35&offset=' + str(i)
 3 response = requests.get(url=url, headers=headers)
 4 html = response.text
 5 soup = BeautifulSoup(html, 'html.parser')
 6 # 获取包含歌单详情页网址的标签
 7 ids = soup.select('.dec a')
 8 # 获取包含歌单索引页信息的标签
 9 lis = soup.select('#m-pl-container li')
10 print(len(lis))
11 for j in range(len(lis)):
12     # 获取歌单详情页地址
13     url = ids[j]['href']
14     print(url)
15     # 将信息写入CSV文件中
16     with open('playlist.csv', 'a+', encoding='utf-8-sig') as f:
17         f.write(url + '\n')
18 保存歌单内容：
19 for i in data['url']:
20     # time.sleep(2)
21     url = 'https://music.163.com' + str(i)
22     print(url)
23     response = requests.get(url=url, headers=headers)
24     html = response.text
25     soup = BeautifulSoup(html, 'html.parser')
26     # 获取歌单标题
27     title = soup.select('h2')[0].get_text().replace(',', '，')
28     # 获取标签
29     tags = []
30     tags_message = soup.select('.u-tag i')
31     for p in tags_message:
32         tags.append(p.get_text())
33     # 对标签进行格式化
34     if len(tags) > 1:
35         tag = '-'.join(tags)
36     else:
37         tag = tags[0]
38     # 获取歌单介绍
39     text = '无'
40     # 获取歌单收藏量
41     collection = soup.select('#content-operation i')[1].get_text().replace('(', '').replace(')', '')
42     # 歌单播放量
43     play = soup.select('.s-fc6')[0].get_text()
44     # 歌单内歌曲数
45     songs = soup.select('#playlist-track-count')[0].get_text()
46     # 歌单评论数
47     comments = soup.select('#cnt_comment_count')[0].get_text()
48     # 输出歌单详情页信息
49     print(title, tag, text, collection, play, songs, comments)
50     # 将详情页信息写入CSV文件中
51     with open('muslist_message.csv', 'a', encoding='utf-8-sig') as f:
52         f.write(
53             title + ',' + tag + ',' + text + ',' + collection + ',' + play + ',' + songs + ',' + comments + '\n')

　爬虫系统运行演示

（二）对数据进行清洗和处理

1.导入数据

1 import numpy as np
2 import pandas as pd
3 import matplotlib.pyplot as plt
4 muc = pd.read_csv(r'C:/Users/Bling/Desktop/muslist_message1.csv')

2.数据清洗

1 # 重复值处理
2 muc = muc.drop_duplicates('title')
3 # Nan处理
4 muc = muc.dropna(axis = 0)
5 #删除无效行
6 muc = muc.drop(['text'], axis = 1)
7 #替换值
8 muc.replace('评论', '0',inplace = True)
9 muc.replace('收藏', '0',inplace = True)

3.文本分析

 1 # 词云
 2 import numpy as np
 3 import wordcloud as wc
 4 from PIL import Image
 5 import matplotlib.pyplot as plt
 6 
 7 bk = np.array(Image.open("wyymuc.jpg"))
 8 mask = bk
 9 # 定义尺寸
10 word_cloud = wc.WordCloud(
11    mask = mask,
12    background_color='mintcream',  
13    font_path='msyhbd.ttc',  
14    max_font_size=300, 
15    random_state=50,  
16                        )
17 text = muc["tag"]
18 text = " ".join(text)
19 word_cloud.generate(text)
20 plt.imshow(word_cloud)
21 plt.show()

 1 标签分析：
 2 import squarify
 3 import pandas as pd
 4 import matplotlib.pyplot as plt
 5 
 6 df = pd.read_csv(r'C:/Users/Bling/Desktop/muslist_message1.csv', header=None)
 7 # 处理标签信息
 8 tags = []
 9 dom2 = []
10 for i in df[1]:
11     c = i.split('-')
12     for j in c:
13         if j not in tags:
14             tags.append(j)
15         else:
16             continue
17 for item in tags:
18     num = 0
19     for i in df[1]:
20         type2 = i.split('-')
21         for j in range(len(type2)):
22             if type2[j] == item:
23                 num += 1
24             else:
25                 continue
26     dom2.append(num)
27 # 数据创建
28 data = {'tags': tags, 'num': dom2}
29 frame = pd.DataFrame(data)
30 df1 = frame.sort_values(by='num', ascending=False)
31 name = df1['tags'][:10]
32 income = df1['num'][:10]
33 # 绘图details
34 colors = ['#FFB6C1', '#B0C4DE',  '#FFFF00', '#FF4500', '#DCDCDC', '#009966', '#FF6600', '#FF0033', '#009999', '#333366']
35 plot = squarify.plot(sizes=income, label=name, color=colors, alpha=1, value=income, edgecolor='white', linewidth=1.5)
36 # 设置图片显示属性,字体及大小
37 plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']
38 plt.rcParams['font.size'] = 8
39 plt.rcParams['axes.unicode_minus'] = False
40 # 设置标签大小为1
41 plt.rc('font', size=6)
42 # 设置标题大小
43 plot.set_title('网易云音乐欧美歌单标签图', fontsize=13, fontweight='light')
44 # 除坐标轴
45 plt.axis('off')
46 # 除上边框和右边框刻度
47 plt.tick_params(top=False, right=False)
48 # 图形展示
49 plt.show()

4.数据分析与可视化

柱状图

 1 # 设置图片显示属性,字体及大小
 2 plt.rcParams['font.sans-serif'] = ['STXihei']
 3 plt.rcParams['font.size'] = 12
 4 plt.rcParams['axes.unicode_minus'] = False
 5 # 设置图片显示属性
 6 fig = plt.figure(figsize=(16, 8), dpi=80)
 7 ax = plt.subplot(1, 1, 1)
 8 ax.patch.set_color('white')
 9 # 设置坐标轴属性
10 lines = plt.gca()
11 plt.ylabel("播放/万")#纵坐标名字
12 plt.xticks([])
13 # 绘制直方图,设置直方图颜色
14 ax.hist(muc['play'], bins=30, alpha=0.7, color='plum')
15 ax.set_title('欧美歌单播放数量分布情况', fontsize=20)
16 # 显示图片
17 plt.show()

 1 # 设置图片显示属性,字体及大小
 2 plt.rcParams['font.sans-serif'] = ['STXihei']
 3 plt.rcParams['font.size'] = 12
 4 plt.rcParams['axes.unicode_minus'] = False
 5 # 设置图片显示属性
 6 fig = plt.figure(figsize=(16, 8), dpi=80)
 7 ax = plt.subplot(1, 1, 1)
 8 ax.patch.set_color('white')
 9 # 设置坐标轴属性
10 lines = plt.gca()
11 plt.ylabel("播放量/万")#纵坐标名字
12 plt.xticks([])
13 # 绘制直方图,设置直方图颜色
14 ax.hist(muc['comments'], bins=30, alpha=0.7, color='wheat')
15 ax.set_title('欧美歌单评论数分布情况', fontsize=20)
16 # 显示图片
17 plt.show()

 1 # 设置图片显示属性,字体及大小
 2 plt.rcParams['font.sans-serif'] = ['STXihei']
 3 plt.rcParams['font.size'] = 12
 4 plt.rcParams['axes.unicode_minus'] = False
 5 # 设置图片显示属性
 6 fig = plt.figure(figsize=(16, 8), dpi=80)
 7 ax = plt.subplot(1, 1, 1)
 8 ax.patch.set_color('white')
 9 # 设置坐标轴属性
10 lines = plt.gca()
11 plt.ylabel("播放量/万")#纵坐标名字
12 plt.xticks([])
13 # 绘制直方图,设置直方图颜色
14 ax.hist(muc['collection'], bins=30, alpha=0.7, color='m')
15 ax.set_title('欧美歌单收藏数分布情况', fontsize=20)
16 # 显示图片
17 plt.show()

水平图

 1 # 水平图
 2 plt.rcParams['font.sans-serif'] = ['STXihei']
 3 fig = plt.figure(figsize=(16, 8), dpi=80)
 4 ax = plt.subplot(1, 1, 1)
 5 ax.patch.set_color('white')
 6 x=muc['collection'].head(20)
 7 y=muc['title'].head(20)
 8 plt.barh(y,x, alpha=0.2,color='tan',label="热度", lw=3)
 9 plt.xticks(rotation=90)
10 plt.title("网易云欧美歌单趋势",fontsize=18,)
11 plt.legend(loc = "best")#图例
12 plt.show()

 1 # 降序排列
 2 muc.sort_values(by='collection', inplace=True,ascending=False)
 3 muc
 4 # 水平图
 5 plt.rcParams['font.sans-serif'] = ['STXihei']
 6 fig = plt.figure(figsize=(16, 8), dpi=80)
 7 ax = plt.subplot(1, 1, 1)
 8 ax.patch.set_color('white')
 9 x=muc['collection'].head(10)
10 y=muc['title'].head(10)
11 plt.barh(y,x, alpha=0.2,color='pink',label="热度", lw=3)
12 plt.xticks(rotation=90)
13 plt.title("网易云欧美歌单最受欢迎Top10",fontsize=18)
14 plt.legend(loc = "best")#图例
15 plt.show()

散点图

1 #散点图
2 x=muc['collection']
3 y=muc['play']
4 fig = plt.figure(figsize=(18,7))
5 plt.scatter(x,y,color='lightgreen',marker='o',s=40,alpha=0.5)
6 plt.xticks(rotation=90)
7 plt.title("网易云歌单散点图")

盒图

1 #盒图
2 plt.boxplot(y)
3 plt.title("网易云歌单盒图")
4 plt.show()

5.线性回归方程

散点图

1 #散点图
2 import seaborn as sns
3 import matplotlib.pyplot as plt
4 import pandas as pd
5 import numpy as np
6 import warnings
7 warnings.filterwarnings("ignore")
8 four=pd.DataFrame(pd.read_csv('C:/Users/Bling/Desktop/muslist_message1.csv'))
9 sns.regplot(x='play',y='songs',data=four,color='r')

构建线性回归模型　

 1 #构建线性回归模型
 2 from sklearn import datasets
 3 from sklearn.linear_model import LinearRegression
 4 import pandas as pd
 5 import numpy as np
 6 import seaborn as sns
 7 predict_model = LinearRegression()
 8 three=pd.DataFrame(pd.read_csv('C:/Users/Bling/Desktop/muslist_message1.csv'))
 9 X = three['play'].values
10 X = X.reshape(-1,1)
11 predict_model.fit(X , three['songs'])
12 np.set_printoptions(precision = 3, suppress = True)
13 a = predict_model.coef_
14 b = predict_model.intercept_
15 print("回归方程系数{}".format(predict_model.coef_))
16 print("回归方程截距{0:2f}".format(predict_model.intercept_))
17 print("线性回归预测模型表达式为{}*x+{}".format(predict_model.coef_,predict_model.intercept_))

6.数据持久化

7.代码汇总

  1 4.5.1 爬虫系统
  2 from bs4 import BeautifulSoup
  3 import requests
  4 import time
  5 import pandas as pd
  6 
  7 
  8 def playlist ():
  9     headers = {
 10         'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.132 Safari/537.36'
 11     }
 12     count = 1
 13     for i in range(0, 1330, 35):
 14         print("正在爬取第{}页.".format(count))
 15         time.sleep(2)
 16         url = 'https://music.163.com/discover/playlist/?cat=欧美&order=hot&limit=35&offset=' + str(i)
 17         response = requests.get(url=url, headers=headers)
 18         html = response.text
 19         soup = BeautifulSoup(html, 'html.parser')
 20         # 获取包含歌单详情页网址的标签
 21         ids = soup.select('.dec a')
 22         # 获取包含歌单索引页信息的标签
 23         lis = soup.select('#m-pl-container li')
 24         print(len(lis))
 25         for j in range(len(lis)):
 26             # 获取歌单详情页地址
 27             url = ids[j]['href']
 28             print(url)
 29             # 将信息写入CSV文件中
 30             with open('playlist.csv', 'a+', encoding='utf-8-sig') as f:
 31                 f.write(url + '\n')
 32         count += 1
 33 
 34 
 35 
 36 def singlist():
 37     file = open("muslist_message.csv", "a",encoding='utf-8-sig')
 38     file.write("title" + "," + "tag" + "," + "text" + "," + "collection" + "," + "play" + "," + "songs" + "," + "comments" + "," + '\n')
 39     file = file.close()
 40     data = pd.read_csv('playlist.csv', header=None, error_bad_lines=False, names=['url'])
 41 
 42     headers = {
 43         'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.132 Safari/537.36'
 44     }
 45     for i in data['url']:
 46         # time.sleep(2)
 47         url = 'https://music.163.com' + str(i)
 48         print(url)
 49         response = requests.get(url=url, headers=headers)
 50         html = response.text
 51         soup = BeautifulSoup(html, 'html.parser')
 52         # 获取歌单标题
 53         title = soup.select('h2')[0].get_text().replace(',', '，')
 54         # 获取标签
 55         tags = []
 56         tags_message = soup.select('.u-tag i')
 57         for p in tags_message:
 58             tags.append(p.get_text())
 59         # 对标签进行格式化
 60         if len(tags) > 1:
 61             tag = '-'.join(tags)
 62         else:
 63             tag = tags[0]
 64         # 获取歌单介绍
 65         text = '无'
 66         # 获取歌单收藏量
 67         collection = soup.select('#content-operation i')[1].get_text().replace('(', '').replace(')', '')
 68         # 歌单播放量
 69         play = soup.select('.s-fc6')[0].get_text()
 70         # 歌单内歌曲数
 71         songs = soup.select('#playlist-track-count')[0].get_text()
 72         # 歌单评论数
 73         comments = soup.select('#cnt_comment_count')[0].get_text()
 74         # 输出歌单详情页信息
 75         print(title, tag, text, collection, play, songs, comments)
 76         # 将详情页信息写入CSV文件中
 77         with open('muslist_message.csv', 'a', encoding='utf-8-sig') as f:
 78             f.write(
 79                 title + ',' + tag + ',' + text + ',' + collection + ',' + play + ',' + songs + ',' + comments + '\n')
 80 
 81 if __name__ == '__main__':
 82     # playlist()
 83     singlist()
 84 
 85 
 86 4.5.2 数据分析
 87 import numpy as np
 88 import pandas as pd
 89 import matplotlib.pyplot as plt
 90 muc = pd.read_csv(r'C:/Users/Bling/Desktop/muslist_message1.csv')
 91 muc
 92 # 重复值处理
 93 muc = muc.drop_duplicates('title')
 94 # Nan处理
 95 muc = muc.dropna(axis = 0)
 96 #删除无效行
 97 muc = muc.drop(['text'], axis = 1)
 98 #替换值
 99 muc.replace('评论', '0',inplace = True)
100 muc.replace('收藏', '0',inplace = True)
101 # 降序排列
102 muc.sort_values(by=["play"],inplace=True,ascending=[False])
103 muc
104 # 设置图片显示属性,字体及大小
105 plt.rcParams['font.sans-serif'] = ['STXihei']
106 plt.rcParams['font.size'] = 12
107 plt.rcParams['axes.unicode_minus'] = False
108 # 设置图片显示属性
109 fig = plt.figure(figsize=(16, 8), dpi=80)
110 ax = plt.subplot(1, 1, 1)
111 ax.patch.set_color('white')
112 # 设置坐标轴属性
113 lines = plt.gca()
114 plt.ylabel("播放/万")#纵坐标名字
115 plt.xticks([])
116 # 绘制直方图,设置直方图颜色
117 ax.hist(muc['play'], bins=30, alpha=0.7, color='plum')
118 ax.set_title('欧美歌单播放数量分布情况', fontsize=20)
119 # 显示图片
120 plt.show()
121 # 对播放数取对数
122 # 设置图片显示属性,字体及大小
123 plt.rcParams['font.sans-serif'] = ['STXihei']
124 plt.rcParams['font.size'] = 12
125 plt.rcParams['axes.unicode_minus'] = False
126 # 设置图片显示属性
127 fig = plt.figure(figsize=(16, 8), dpi=80)
128 ax = plt.subplot(1, 1, 1)
129 ax.patch.set_color('white')
130 # 设置坐标轴属性
131 lines = plt.gca()
132 plt.ylabel("播放量/万")#纵坐标名字
133 plt.xticks([])
134 # 绘制直方图,设置直方图颜色
135 ax.hist(muc['comments'], bins=30, alpha=0.7, color='wheat')
136 ax.set_title('欧美歌单评论数分布情况', fontsize=20)
137 # 显示图片
138 plt.show()
139 # 设置图片显示属性,字体及大小
140 plt.rcParams['font.sans-serif'] = ['STXihei']
141 plt.rcParams['font.size'] = 12
142 plt.rcParams['axes.unicode_minus'] = False
143 # 设置图片显示属性
144 fig = plt.figure(figsize=(16, 8), dpi=80)
145 ax = plt.subplot(1, 1, 1)
146 ax.patch.set_color('white')
147 # 设置坐标轴属性
148 lines = plt.gca()
149 plt.ylabel("播放量/万")#纵坐标名字
150 plt.xticks([])
151 # 绘制直方图,设置直方图颜色
152 ax.hist(muc['collection'], bins=30, alpha=0.7, color='m')
153 ax.set_title('欧美歌单收藏数分布情况', fontsize=20)
154 # 显示图片
155 plt.show()
156 # 水平图
157 plt.rcParams['font.sans-serif'] = ['STXihei']
158 fig = plt.figure(figsize=(16, 8), dpi=80)
159 ax = plt.subplot(1, 1, 1)
160 ax.patch.set_color('white')
161 x=muc['collection'].head(20)
162 y=muc['title'].head(20)
163 plt.barh(y,x, alpha=0.2,color='tan',label="热度", lw=3)
164 plt.xticks(rotation=90)
165 plt.title("网易云欧美歌单趋势",fontsize=18,)
166 plt.legend(loc = "best")#图例
167 plt.show()
168 # 降序排列
169 muc.sort_values(by='collection', inplace=True,ascending=False)
170 muc
171 # 水平图
172 plt.rcParams['font.sans-serif'] = ['STXihei']
173 fig = plt.figure(figsize=(16, 8), dpi=80)
174 ax = plt.subplot(1, 1, 1)
175 ax.patch.set_color('white')
176 x=muc['collection'].head(10)
177 y=muc['title'].head(10)
178 plt.barh(y,x, alpha=0.2,color='pink',label="热度", lw=3)
179 plt.xticks(rotation=90)
180 plt.title("网易云欧美歌单最受欢迎Top10",fontsize=18)
181 plt.legend(loc = "best")#图例
182 plt.show()
183 #散点图
184 x=muc['collection']
185 y=muc['play']
186 fig = plt.figure(figsize=(18,7))
187 plt.scatter(x,y,color='lightgreen',marker='o',s=40,alpha=0.5)
188 plt.xticks(rotation=90)
189 plt.title("网易云歌单散点图")
190 #盒图
191 plt.boxplot(y)
192 plt.title("网易云歌单盒图")
193 plt.show()
194 import squarify
195 import pandas as pd
196 import matplotlib.pyplot as plt
197 
198 df = pd.read_csv(r'C:/Users/Bling/Desktop/muslist_message1.csv', header=None)
199 #线性回归方程散点图
200 import seaborn as sns
201 import matplotlib.pyplot as plt
202 import pandas as pd
203 import numpy as np
204 import warnings
205 warnings.filterwarnings("ignore")
206 four=pd.DataFrame(pd.read_csv('C:/Users/Bling/Desktop/muslist_message1.csv'))
207 sns.regplot(x='play',y='songs',data=four,color='r')
208 #建立线性回归方程模型
209 from sklearn import datasets
210 from sklearn.linear_model import LinearRegression
211 import pandas as pd
212 import numpy as np
213 import seaborn as sns
214 predict_model = LinearRegression()
215 three=pd.DataFrame(pd.read_csv('C:/Users/Bling/Desktop/muslist_message1.csv'))
216 X = three['play'].values
217 X = X.reshape(-1,1)
218 predict_model.fit(X , three['songs'])
219 np.set_printoptions(precision = 3, suppress = True)
220 a = predict_model.coef_
221 b = predict_model.intercept_
222 print("回归方程系数{}".format(predict_model.coef_))
223 print("回归方程截距{0:2f}".format(predict_model.intercept_))
224 print("线性回归预测模型表达式为{}*x+{}".format(predict_model.coef_,predict_model.intercept_))
225 # 处理标签信息
226 tags = []
227 dom2 = []
228 for i in df[1]:
229     c = i.split('-')
230     for j in c:
231         if j not in tags:
232             tags.append(j)
233         else:
234             continue
235 for item in tags:
236     num = 0
237     for i in df[1]:
238         type2 = i.split('-')
239         for j in range(len(type2)):
240             if type2[j] == item:
241                 num += 1
242             else:
243                 continue
244     dom2.append(num)
245 # 数据创建
246 data = {'tags': tags, 'num': dom2}
247 frame = pd.DataFrame(data)
248 df1 = frame.sort_values(by='num', ascending=False)
249 name = df1['tags'][:10]
250 income = df1['num'][:10]
251 # 绘图details
252 colors = ['#FFB6C1', '#B0C4DE',  '#FFFF00', '#FF4500', '#DCDCDC', '#009966', '#FF6600', '#FF0033', '#009999', '#333366']
253 plot = squarify.plot(sizes=income, label=name, color=colors, alpha=1, value=income, edgecolor='white', linewidth=1.5)
254 # 设置图片显示属性,字体及大小
255 plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']
256 plt.rcParams['font.size'] = 8
257 plt.rcParams['axes.unicode_minus'] = False
258 # 设置标签大小为1
259 plt.rc('font', size=6)
260 # 设置标题大小
261 plot.set_title('网易云音乐欧美歌单标签图', fontsize=13, fontweight='light')
262 # 除坐标轴
263 plt.axis('off')
264 # 除上边框和右边框刻度
265 plt.tick_params(top=False, right=False)
266 # 图形展示
267 plt.show()
268 # 词云
269 import numpy as np
270 import wordcloud as wc
271 from PIL import Image
272 import matplotlib.pyplot as plt
273 
274 bk = np.array(Image.open("wyymuc.jpg"))
275 mask = bk
276 # 定义尺寸
277 word_cloud = wc.WordCloud(
278    mask = mask,
279    background_color='mintcream',  
280    font_path='msyhbd.ttc',  
281    max_font_size=300, 
282    random_state=50,  
283                        )
284 text = muc["tag"]
285 text = " ".join(text)
286 word_cloud.generate(text)
287 plt.imshow(word_cloud)
288 plt.show()

五、总结

1.经过对主题数据的分析与可视化，可以得到哪些结论？是否达到预期的目标？

通过分析播放量、收藏量、评论量可以让我们清楚的得知一个歌单的受欢迎程度，达到了预期的目标。

2.在完成此设计过程中，得到哪些收获？以及要改进的建议？

在本次设计过程中，使我在数据处理方面有了很大的收获，能够达到自己的想要的效果。对数据分析有一定认知的同时，让我对数据分析所要用到的程序语言更加熟悉。

需要改进的地方可能就是不能够自主的编写程序，需要借鉴网络或者书本来编写程序；编写程序的效率不够高，花费的时间比较长。

免责声明！

本站转载的文章为个人学习借鉴使用，本站对版权不负任何法律责任。如果侵犯了您的隐私权益，请联系本站邮箱yoyou2525@163.com删除。

猜您在找 python爬取数据分析 Scrapy爬取网易云音乐和评论（一、思路分析） Python对QQ音乐进行爬取并进行数据分析 qq音乐热播榜的爬取和数据分析爬虫实战(二) 用Python爬取网易云歌单 python | 爬取网易云音乐下载前程无忧——数据分析岗位爬取对国内GDP的爬取及数据分析对微博热搜的爬取及数据分析爬取网易云音乐评论并使用词云展示