粗餅·中國魔方賽事網中國三階魔方速盲前100爬蟲分析

本文轉載自查看原文 2021-12-29 11:34 1599

粗餅·中國魔方賽事網中國三階魔方速盲前100爬蟲分析

一、選題背景

魔方，又叫魯比克方塊，最早是由匈牙利布達佩斯建築學院厄爾諾·魯比克教授於1974年發明的機械益智玩具。WCA(World Cube Association,世界魔方協會)每年都會在世界各地舉辦各類大小魔方賽事。1991年十一月中國國內首次魔方比賽在廣州進行，2004年元月中國選手首次參加世界魔方協會比賽，2009年5月中國選手首次在官方比賽中打破世界紀錄，2014年6月粗餅•中國魔方賽事網(Cubing China)正式上線，為國內魔方事業的發展起到了關鍵的作用，如今在三階魔方上中國人也取得了優秀的成績。本次課程將會對粗餅網的三階魔方速擰與盲擰的前100名的相關數據進行爬蟲分析。

二、主題式網絡爬蟲設計方案

1.主題式網絡爬蟲名稱

粗餅·中國魔方賽事網中國三階魔方單次速盲前100爬蟲分析

2.主題式網絡爬蟲爬取的內容與數據特征分析

爬取粗餅網中國三階魔方單次速擰與盲擰前100名的排名，姓名，地區，成績，比賽，日期，年份數據，對其進行分析。

數據來源：https://cubing.com/(數據截止至2021年12月27日)

3.主題式網絡爬蟲設計方案概述

（1）實現思路

通過對粗餅網的頁面進行分析，利用Requests爬蟲庫和BeautifulSoup庫爬取到我們所需要的粗餅網中國三階魔方單次速擰與盲擰前100名的排名，姓名，地區，成績，比賽，日期，年份數據，然后再保存為.csv文件，最后進行可視化分析。

（2）技術難點

爬取數據中的一些困難，在利用Matplotlib與PyEcharts進行數據可視化分析時遇到了難點。

三、主題頁面的結構特征分析

1.主題頁面的結構與特征分析

需要爬取的相關頁面截圖

三階單次成績前100(截圖僅展示部分)

三階單次盲擰成績前100(截圖僅展示部分)

我們需要爬取的數據如圖所示。

2.Htmls 頁面解析

通過對頁面審查元素觀察分析，可以得知我們所需要爬取的數據在body標簽下的div標簽中(三階盲擰單次的數據也是一樣的)

3.節點（標簽）查找方法與遍歷方法

通過for循環進行節點(標簽)的查找與遍歷。

四、網絡爬蟲程序設計

1.數據爬取與采集

 1 #導入我們所需要的庫#
 2 import requests
 3 from bs4 import BeautifulSoup
 4 import csv
 5 main_url = 'https://cubingchina.com'
 6 def get_html(url):
 7 #根據url返回相應的html對象#
 8 #寫入請求標頭#
 9     headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/86.0.4240.198 Safari/537.36'}
10     response = requests.get(url, headers=headers)
11     response.encoding='utf-8-sig'
12     html = response.text
13     return html
14 def get_soup(html):
15 #根據HTML返回beautifulsoup對象#
16     soup = BeautifulSoup(html, 'lxml')
17     return soup
18 def get_rank_list(soup):
19 #使用beautifulsoup解析網頁，取得選手信息，並返回選手信息列表#
20     rank_text_list = soup.find('table', {'class': 'table table-bordered table-condensed table-hover table-boxed'})
21     rank_text_list = rank_text_list.find_all('tr')[1:]
22     rank_list = []
23     for rank_text in rank_text_list:
24         rank_text = rank_text.find_all('td')
25         rank = rank_text[1].extract().text
26         name = rank_text[2].extract().text
27         region = rank_text[3].extract().text
28         result = rank_text[4].extract().text
29         competitive = rank_text[5].extract().text
30         date = rank_text[6].extract().text
31         item = (rank, name, region, result, competitive, date)
32         rank_list.append(item)
33     return rank_list
34 def writer_file(rank_list, flag=''):
35 #將三階速擰的數據寫入csv文件#
36     header = ('排名', '姓名','地區', '成績', '比賽', '日期')
37     with open('333_single_china.csv', 'a',encoding='utf-8-sig',newline='') as file:
38         writer = csv.writer(file)
39         if flag == 'first':
40             writer.writerow(header)
41         for rank in rank_list:
42             writer.writerow(rank)
43 def main():
44     start_url = 'https://cubing.com/results/rankings'
45     html = get_html(start_url)
46     soup = get_soup(html)
47     # 將三階單次排名寫入文件#
48     rank_list = get_rank_list(soup)
49     writer_file(rank_list, 'first')
50     print('三階單次速擰排名數據爬取成功，已保存！')
51 if __name__=="__main__":
52     main()
53 def writer_file(rank_list, flag=''):
54 #將三階盲擰的數據寫入csv文件#
55     header = ('排名', '姓名','地區', '成績', '比賽', '日期')
56     with open('333bf_single_china.csv', 'a',encoding='utf-8-sig',newline='') as file:
57         writer = csv.writer(file)
58         if flag == 'first':
59             writer.writerow(header)
60         for rank in rank_list:
61             writer.writerow(rank)
62 def main():
63     start_url = 'https://cubing.com/results/rankings?region=China&event=333bf&gender=all&type=single'
64     html = get_html(start_url)
65     soup = get_soup(html)
66     # 三階盲擰排名寫入文件#
67     rank_list = get_rank_list(soup)
68     writer_file(rank_list, 'first')
69     print('三階盲擰單次排名數據爬取成功，已保存！')
70 if __name__=="__main__":
71     main()

運行結果：

保存的csv文件如下

2.對數據進行清洗和處理

1 #導入三階魔方速擰單次中國前100排名數據#
2 import pandas as pd
3 df=pd.DataFrame(pd.read_csv('C:\\Users\\Lenovo\\Desktop\\中國三階魔方數據\\333_single_china.csv'))
4 df

運行結果：

1 #導入三階魔方盲擰單次中國前100排名數據#
2 import pandas as pd
3 df2=pd.DataFrame(pd.read_csv('C:\\Users\\Lenovo\\Desktop\\中國三階魔方數據\\333bf_single_china.csv'))
4 df2

運行結果：

1 #刪除三階速擰單次排名數據中我們不需要的行和列#
2 df.drop('比賽',axis=1,inplace=True)
3 df
4 df.drop('地區',axis=1,inplace=True)
5 df

運行結果：

1 #刪除三階單次盲擰排名中我們不需要的行和列#
2 df2.drop('比賽',axis=1,inplace=True)
3 df2
4 df2.drop('地區',axis=1,inplace=True)
5 df2

運行結果：

1 # 查看數據是否存在有空值，有空值返回True，沒有空值返回False#
2 df.isnull().value_counts()

運行結果：

1 df2.isnull().value_counts()

運行結果：

1 # 查看爬取的數據是否有重復行，有重復行返回True，沒有重復行返回False#
2 df.duplicated()

運行結果:

1 df2.duplicated()

運行結果：

3.數據分析與可視化

 1 #利用Matplotlib繪制截止至2021年12月27日中國三階魔方速擰前100排名柱狀圖#
 2 #導入庫#
 3 import pandas as pd
 4 import matplotlib
 5 import matplotlib.pyplot as plt
 6 plt.figure(figsize=(15, 7),dpi=600)
 7 # 解決中文和負號顯示問題#
 8 plt.rcParams['font.sans-serif']=['SimHei']
 9 plt.rcParams['axes.unicode_minus'] = False
10 #讀取中國三階魔方單次速擰前100數據csv文件#
11 df = pd.read_csv("C:\\Users\\Lenovo\\Desktop\\中國三階魔方數據\\333_single_china.csv")
12 #設置x軸與y軸顯示內容#
13 plt.bar(df['姓名'], df['成績'])
14 #設置標題#
15 plt.title(r'截止至2021年12月27日中國三階魔方速擰前100排名(單位:s)')
16 #設置x軸標簽#
17 plt.xlabel('選手姓名')
18 #設置y軸標簽#
19 plt.ylabel(r'選手成績')
20 #將x軸標簽字體調整為7#
21 plt.tick_params(labelsize=7)
22 #將x軸標簽字體順時針旋轉90度#
23 plt.xticks(rotation=90)
24 #數據持久化#
25 plt.savefig('截止至2021年12月27日中國三階魔方速擰前100排名.jpg')
26 #顯示可視化結果#
27 plt.show()

運行結果：

 1 #利用pyecharts繪制截止至2021年12月27日中國三階魔方盲擰前100排名柱狀圖#
 2 #導入庫#
 3 import time
 4 import json
 5 import pandas as pd
 6 import numpy as np
 7 from pyecharts import options as opts
 8 data=df2
 9 bar = (
10     Bar()
11     .add_xaxis(df2["姓名"].tolist())
12     .add_yaxis("成績", df2["成績"].tolist())
13     .set_global_opts(
14         #圖形標題的設置#
15         title_opts=opts.TitleOpts(
16             title="截止至2021年12月27日中國三階魔方盲擰前100排名",
17             subtitle="(圖中僅展示部分)",
18             pos_left="center",
19             pos_top="7%"),
20          #'shadow'：陰影指示器#
21         tooltip_opts=opts.TooltipOpts(
22             is_show=True, 
23             trigger="axis", 
24             axis_pointer_type="shadow"
25             ),
26         #x軸坐標配置項,x軸標簽，順時針旋轉90度#
27         xaxis_opts=opts.AxisOpts(name="姓名",axislabel_opts={"interval":"0","rotate":90}),
28         #y軸配置項#
29         yaxis_opts=opts.AxisOpts(
30             name="成績",min_=0,
31             type_="value",axislabel_opts=opts.LabelOpts(formatter="{value} 秒"),),
32         #區域縮放配置項#
33         datazoom_opts=opts.DataZoomOpts(range_start=0,range_end=10),
34     )
35 )
36 bar.render_notebook()

運行結果：

 1 #利用Matplotlib繪制截止至2021年12月27日中國三階魔方速擰前100創造時間散點圖#
 2 import pandas as pd
 3 import matplotlib.pyplot as plt
 4 plt.figure(figsize=(15, 6.5),dpi=600)
 5 plt.title('截止至2021年12月27日中國三階魔方速擰前100創造時間散點圖',size=25,color="black")
 6 #畫出散點圖#
 7 plt.scatter(df['日期'], df['創造年份'])
 8 plt.xticks(rotation=90)
 9 #數據持久化#
10 plt.savefig('截止至2021年12月27日中國三階魔方速擰前100創造時間散點圖.jpg')
11 #將散點圖顯示出來
12 plt.show()

運行結果：

 1 #利用Matplotlib繪制截止至2021年12月27日中國三階魔方盲擰前100創造時間散點圖#
 2 import pandas as pd
 3 import matplotlib.pyplot as plt
 4 plt.figure(figsize=(15, 6.5),dpi=600)
 5 plt.title('截止至2021年12月27日中國三階魔方盲擰前100創造時間散點圖',size=25,color="black")
 6 #畫出散點圖#
 7 plt.scatter(df2['日期'], df2['創造年份'])
 8 plt.xticks(rotation=90)
 9 #數據持久化#
10 plt.savefig('截止至2021年12月27日中國三階魔方盲擰前100創造時間散點圖.jpg')
11 #將散點圖顯示出來
12 plt.show()

運行結果：

 1 #利用Matplotlib繪制截止至2021年12月27日中國三階魔方速擰前100成績創造時間分布圖#
 2 #導入庫#
 3 import pandas as pd
 4 import matplotlib
 5 import matplotlib.pyplot as plt
 6 #設置圖形大小#
 7 plt.figure(figsize=(15,7),dpi=80)
 8 #設置各部分顯示比例#
 9 finance=[len(df[df["創造年份"]==2015]["創造年份"]),
10          len(df[df["創造年份"]==2017]["創造年份"]),
11          len(df[df["創造年份"]==2018]["創造年份"]),
12          len(df[df["創造年份"]==2019]["創造年份"]),
13          len(df[df["創造年份"]==2020]["創造年份"]),
14          len(df[df["創造年份"]==2021]["創造年份"])]
15 
16 #設置中文顯示，解決亂碼問題#
17 font = {'family' : 'MicroSoft YaHei',
18         'weight': 'bold',
19         'size': '12'}
20 matplotlib.rc("font",**font)
21 matplotlib.rc("font",
22               family='MicroSoft YaHei',
23               weight="bold")
24 labels = ["2015",
25           "2017",
26           "2018",
27           "2019",
28           "2020",
29           "2021"]
30 explode = [0.1, 0.1, 0.1, 0.1,0.1,0.1]
31 colors = ['mistyrose', 'salmon', 'tomato', 'darksalmon','mistyrose','orangered']
32 #設置餅圖相關參數#
33 plt.pie(finance, explode=explode, labels=labels,
34         colors=colors,autopct='%.2f%%',
35         pctdistance=0.8, labeldistance=1.1,
36         startangle=180,  radius=1.2,
37         counterclock=False,
38         wedgeprops={'linewidth':1.5, 'edgecolor':'white'},
39         textprops={'fontsize':10, 'color':'black'} )
40 #設置標題#
41 plt.title('中國三階魔方速擰前100成績創造年份分布餅圖')
42 #數據持久化#
43 plt.savefig('中國三階魔方速擰前100成績創造年份分布餅圖.jpg')
44 #顯示可視化圖像#
45 plt.show()

運行結果：

 1 #利用Matplotlib繪制截止至2021年12月27日中國三階魔方盲擰前100成績創造時間分布圖#
 2 #導入庫#
 3 import pandas as pd
 4 import matplotlib
 5 import matplotlib.pyplot as plt
 6 #設置圖形大小#
 7 plt.figure(figsize=(15,7),dpi=80)
 8 #設置各部分顯示比例#
 9 finance=[len(df2[df2["創造年份"]==2009]["創造年份"]),
10          len(df2[df2["創造年份"]==2010]["創造年份"]),
11          len(df2[df2["創造年份"]==2012]["創造年份"]),
12          len(df2[df2["創造年份"]==2013]["創造年份"]),
13          len(df2[df2["創造年份"]==2014]["創造年份"]),
14          len(df2[df2["創造年份"]==2015]["創造年份"]),
15          len(df2[df2["創造年份"]==2016]["創造年份"]),
16          len(df2[df2["創造年份"]==2017]["創造年份"]),
17          len(df2[df2["創造年份"]==2018]["創造年份"]),
18          len(df2[df2["創造年份"]==2019]["創造年份"]),
19          len(df2[df2["創造年份"]==2021]["創造年份"])]
20 
21 #設置中文顯示，解決亂碼問題#
22 font = {'family' : 'MicroSoft YaHei',
23         'weight': 'bold',
24         'size': '12'}
25 matplotlib.rc("font",**font)
26 matplotlib.rc("font",
27               family='MicroSoft YaHei',
28               weight="bold")
29 #設置餅圖顯示#
30 labels = ["2009",
31           "2010",
32           "2012",
33           "2013",
34           "2014",
35           "2015",
36           "2016",
37           "2017",
38           "2018",
39           "2019",
40           "2021"]
41 explode = [0.1, 0.1, 0.1, 0.1,0.1,0.1,0.1, 0.1, 0.1, 0.1,0.1]
42 colors = ['plum', 'violet', 'purple', 'darkmagenta','m','thistle','magenta','orchid','mediumvioletred','deeppink','hotpink']
43 #設置餅圖相關參數#
44 plt.pie(finance, explode=explode, labels=labels,
45         colors=colors,autopct='%.2f%%',
46         pctdistance=0.8, labeldistance=1.1,
47         startangle=180,  radius=1.2,
48         counterclock=False,
49         wedgeprops={'linewidth':1.5, 'edgecolor':'white'},
50         textprops={'fontsize':10, 'color':'black'} )
51 #設置標題#
52 plt.title('中國三階魔方盲擰前100成績創造年份分布餅圖')
53 #數據持久化#
54 plt.savefig('中國三階盲擰速擰前100成績創造年份分布餅圖.jpg')
55 #顯示可視化圖像#
56 plt.show()

運行結果：

4.數據持久化

1 #數據持久化#
2 plt.savefig('截止至2021年12月27日中國三階魔方速擰前100排名.jpg')
3 plt.savefig('截止至2021年12月27日中國三階魔方速擰前100創造時間散點圖.jpg')
4 plt.savefig('截止至2021年12月27日中國三階魔方盲擰前100創造時間散點圖.jpg')
5 plt.savefig('中國三階魔方速擰前100成績創造年份分布餅圖.jpg')
6 plt.savefig('中國三階盲擰速擰前100成績創造年份分布餅圖.jpg')

運行結果：

5.附上完整代碼

  1 #導入我們所需要的庫#
  2 import requests
  3 from bs4 import BeautifulSoup
  4 import csv
  5 main_url = 'https://cubingchina.com'
  6 def get_html(url):
  7 #根據url返回相應的html對象#
  8 #寫入請求標頭#
  9     headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/86.0.4240.198 Safari/537.36'}
 10     response = requests.get(url, headers=headers)
 11     response.encoding='utf-8-sig'
 12     html = response.text
 13     return html
 14 def get_soup(html):
 15 #根據HTML返回beautifulsoup對象#
 16     soup = BeautifulSoup(html, 'lxml')
 17     return soup
 18 def get_rank_list(soup):
 19 #使用beautifulsoup解析網頁，取得選手信息，並返回選手信息列表#
 20     rank_text_list = soup.find('table', {'class': 'table table-bordered table-condensed table-hover table-boxed'})
 21     rank_text_list = rank_text_list.find_all('tr')[1:]
 22     rank_list = []
 23     for rank_text in rank_text_list:
 24         rank_text = rank_text.find_all('td')
 25         rank = rank_text[1].extract().text
 26         name = rank_text[2].extract().text
 27         region = rank_text[3].extract().text
 28         result = rank_text[4].extract().text
 29         competitive = rank_text[5].extract().text
 30         date = rank_text[6].extract().text
 31         item = (rank, name, region, result, competitive, date)
 32         rank_list.append(item)
 33     return rank_list
 34 def writer_file(rank_list, flag=''):
 35 #將三階速擰的數據寫入csv文件#
 36     header = ('排名', '姓名','地區', '成績', '比賽', '日期')
 37     with open('333_single_china.csv', 'a',encoding='utf-8-sig',newline='') as file:
 38         writer = csv.writer(file)
 39         if flag == 'first':
 40             writer.writerow(header)
 41         for rank in rank_list:
 42             writer.writerow(rank)
 43 def main():
 44     start_url = 'https://cubing.com/results/rankings'
 45     html = get_html(start_url)
 46     soup = get_soup(html)
 47     # 將三階單次排名寫入文件#
 48     rank_list = get_rank_list(soup)
 49     writer_file(rank_list, 'first')
 50     print('三階單次速擰排名數據爬取成功，已保存！')
 51 if __name__=="__main__":
 52     main()
 53 def writer_file(rank_list, flag=''):
 54 #將三階盲擰的數據寫入csv文件#
 55     header = ('排名', '姓名','地區', '成績', '比賽', '日期')
 56     with open('333bf_single_china.csv', 'a',encoding='utf-8-sig',newline='') as file:
 57         writer = csv.writer(file)
 58         if flag == 'first':
 59             writer.writerow(header)
 60         for rank in rank_list:
 61             writer.writerow(rank)
 62 def main():
 63     start_url = 'https://cubing.com/results/rankings?region=China&event=333bf&gender=all&type=single'
 64     html = get_html(start_url)
 65     soup = get_soup(html)
 66     # 三階盲擰排名寫入文件#
 67     rank_list = get_rank_list(soup)
 68     writer_file(rank_list, 'first')
 69     print('三階盲擰單次排名數據爬取成功，已保存！')
 70 if __name__=="__main__":
 71     main()
 72     
 73 #利用Matplotlib繪制截止至2021年12月27日中國三階魔方速擰前100排名柱狀圖#
 74 #導入庫#
 75 import pandas as pd
 76 import matplotlib
 77 import matplotlib.pyplot as plt
 78 plt.figure(figsize=(15, 7),dpi=600)
 79 
 80 # 解決中文和負號顯示問題#
 81 plt.rcParams['font.sans-serif']=['SimHei']
 82 plt.rcParams['axes.unicode_minus'] = False
 83 
 84 #讀取中國三階魔方單次速擰前100數據csv文件#
 85 df = pd.read_csv("C:\\Users\\Lenovo\\Desktop\\中國三階魔方數據\\333_single_china.csv")
 86 
 87 #設置x軸與y軸顯示內容#
 88 plt.bar(df['姓名'], df['成績'])
 89 
 90 #設置標題#
 91 plt.title(r'截止至2021年12月27日中國三階魔方速擰前100排名(單位:s)')
 92 
 93 #設置x軸標簽#
 94 plt.xlabel('選手姓名')
 95 
 96 #設置y軸標簽#
 97 plt.ylabel(r'選手成績')
 98 
 99 #將x軸標簽字體調整為7#
100 plt.tick_params(labelsize=7)
101 
102 #將x軸標簽字體順時針旋轉90度#
103 plt.xticks(rotation=90)
104 
105 #數據持久化#
106 plt.savefig('截止至2021年12月27日中國三階魔方速擰前100排名.jpg')
107 
108 #顯示可視化結果#
109 plt.show()
110 
111 #利用pyecharts繪制截止至2021年12月27日中國三階魔方盲擰前100排名柱狀圖#
112 #導入庫#
113 import time
114 import json
115 import pandas as pd
116 import numpy as np
117 from pyecharts import options as opts
118 
119 bar = (
120     Bar()
121     .add_xaxis(df2["姓名"].tolist())
122     .add_yaxis("成績", df2["成績"].tolist())
123     .set_global_opts(
124         #圖形標題的設置#
125         title_opts=opts.TitleOpts(
126             title="截止至2021年12月27日中國三階魔方盲擰前100排名",
127             subtitle="(圖中僅展示部分)",
128             pos_left="center",
129             pos_top="7%"),
130          #'shadow'：陰影指示器#
131         tooltip_opts=opts.TooltipOpts(
132             is_show=True, 
133             trigger="axis", 
134             axis_pointer_type="shadow"
135             ),
136         #x軸坐標配置項,x軸標簽，順時針旋轉90度#
137         xaxis_opts=opts.AxisOpts(name="姓名",axislabel_opts={"interval":"0","rotate":90}),
138         #y軸配置項#
139         yaxis_opts=opts.AxisOpts(
140             name="成績",min_=0,
141             type_="value",axislabel_opts=opts.LabelOpts(formatter="{value} 秒"),),
142         #區域縮放配置項#
143         datazoom_opts=opts.DataZoomOpts(range_start=0,range_end=10),
144     )
145 )
146 bar.render_notebook()
147 
148 #利用Matplotlib繪制截止至2021年12月27日中國三階魔方速擰前100創造時間散點圖#
149 import pandas as pd
150 import matplotlib.pyplot as plt
151 plt.figure(figsize=(15, 6.5),dpi=600)
152 plt.title('截止至2021年12月27日中國三階魔方速擰前100創造時間散點圖',size=25,color="black")
153 
154 #畫出散點圖#
155 plt.scatter(df['日期'], df['創造年份'])
156 plt.xticks(rotation=90)
157 
158 #數據持久化#
159 plt.savefig('截止至2021年12月27日中國三階魔方速擰前100創造時間散點圖.jpg')
160 
161 #將散點圖顯示出來
162 plt.show()
163 
164 #利用Matplotlib繪制截止至2021年12月27日中國三階魔方盲擰前100創造時間散點圖#
165 import pandas as pd
166 import matplotlib.pyplot as plt
167 plt.figure(figsize=(15, 6.5),dpi=600)
168 plt.title('截止至2021年12月27日中國三階魔方盲擰前100創造時間散點圖',size=25,color="black")
169 
170 #畫出散點圖#
171 plt.scatter(df2['日期'], df2['創造年份'])
172 plt.xticks(rotation=90)
173 
174 #數據持久化#
175 plt.savefig('截止至2021年12月27日中國三階魔方盲擰前100創造時間散點圖.jpg')
176 
177 #將散點圖顯示出來
178 plt.show()
179 
180 #利用Matplotlib繪制截止至2021年12月27日中國三階魔方速擰前100成績創造時間分布圖#
181 #導入庫#
182 import pandas as pd
183 import matplotlib
184 import matplotlib.pyplot as plt
185 
186 #設置圖形大小#
187 plt.figure(figsize=(15,7),dpi=80)
188 
189 #設置各部分顯示比例#
190 finance=[len(df[df["創造年份"]==2015]["創造年份"]),
191          len(df[df["創造年份"]==2017]["創造年份"]),
192          len(df[df["創造年份"]==2018]["創造年份"]),
193          len(df[df["創造年份"]==2019]["創造年份"]),
194          len(df[df["創造年份"]==2020]["創造年份"]),
195          len(df[df["創造年份"]==2021]["創造年份"])]
196 
197 #設置中文顯示，解決亂碼問題#
198 font = {'family' : 'MicroSoft YaHei',
199         'weight': 'bold',
200         'size': '12'}
201 matplotlib.rc("font",**font)
202 matplotlib.rc("font",
203               family='MicroSoft YaHei',
204               weight="bold")
205 labels = ["2015",
206           "2017",
207           "2018",
208           "2019",
209           "2020",
210           "2021"]
211 explode = [0.1, 0.1, 0.1, 0.1,0.1,0.1]
212 colors = ['mistyrose', 'salmon', 'tomato', 'darksalmon','mistyrose','orangered']
213 
214 #設置餅圖相關參數#
215 plt.pie(finance, explode=explode, labels=labels,
216         colors=colors,autopct='%.2f%%',
217         pctdistance=0.8, labeldistance=1.1,
218         startangle=180,  radius=1.2,
219         counterclock=False,
220         wedgeprops={'linewidth':1.5, 'edgecolor':'white'},
221         textprops={'fontsize':10, 'color':'black'} )
222 
223 #設置標題#
224 plt.title('中國三階魔方速擰前100成績創造年份分布餅圖')
225 
226 #數據持久化#
227 plt.savefig('中國三階魔方速擰前100成績創造年份分布餅圖.jpg')
228 
229 #顯示可視化圖像#
230 plt.show()
231 
232 #利用Matplotlib繪制截止至2021年12月27日中國三階魔方盲擰前100成績創造時間分布圖#
233 #導入庫#
234 import pandas as pd
235 import matplotlib
236 import matplotlib.pyplot as plt
237 
238 #設置圖形大小#
239 plt.figure(figsize=(15,7),dpi=80)
240 
241 #設置各部分顯示比例#
242 finance=[len(df2[df2["創造年份"]==2009]["創造年份"]),
243          len(df2[df2["創造年份"]==2010]["創造年份"]),
244          len(df2[df2["創造年份"]==2012]["創造年份"]),
245          len(df2[df2["創造年份"]==2013]["創造年份"]),
246          len(df2[df2["創造年份"]==2014]["創造年份"]),
247          len(df2[df2["創造年份"]==2015]["創造年份"]),
248          len(df2[df2["創造年份"]==2016]["創造年份"]),
249          len(df2[df2["創造年份"]==2017]["創造年份"]),
250          len(df2[df2["創造年份"]==2018]["創造年份"]),
251          len(df2[df2["創造年份"]==2019]["創造年份"]),
252          len(df2[df2["創造年份"]==2021]["創造年份"])]
253 
254 #設置中文顯示，解決亂碼問題#
255 font = {'family' : 'MicroSoft YaHei',
256         'weight': 'bold',
257         'size': '12'}
258 matplotlib.rc("font",**font)
259 matplotlib.rc("font",
260               family='MicroSoft YaHei',
261               weight="bold")
262 
263 #設置餅圖顯示#
264 labels = ["2009",
265           "2010",
266           "2012",
267           "2013",
268           "2014",
269           "2015",
270           "2016",
271           "2017",
272           "2018",
273           "2019",
274           "2021"]
275 explode = [0.1, 0.1, 0.1, 0.1,0.1,0.1,0.1, 0.1, 0.1, 0.1,0.1]
276 colors = ['plum', 'violet', 'purple', 'darkmagenta','m','thistle','magenta','orchid','mediumvioletred','deeppink','hotpink']
277 
278 #設置餅圖相關參數#
279 plt.pie(finance, explode=explode, labels=labels,
280         colors=colors,autopct='%.2f%%',
281         pctdistance=0.8, labeldistance=1.1,
282         startangle=180,  radius=1.2,
283         counterclock=False,
284         wedgeprops={'linewidth':1.5, 'edgecolor':'white'},
285         textprops={'fontsize':10, 'color':'black'} )
286 
287 #設置標題#
288 plt.title('中國三階魔方盲擰前100成績創造年份分布餅圖')
289 
290 #數據持久化#
291 plt.savefig('中國三階盲擰速擰前100成績創造年份分布餅圖.jpg')
292 
293 #顯示可視化圖像#
294 plt.show()

五、總結

1.經過對主題數據的分析與可視化，可以得到哪些結論？是否達到預期的目標？

結論：(1)近幾年中國三階速擰和盲擰的成績逐年提升，說明選手的實力逐年增強；

(2)與速擰對比，盲擰的錢100排名成績落差較大，創造成績的時間也較為分散，中國的盲擰成績還有待提高；

(3)總的來說，中國魔方事業發展呈現穩中向好的趨勢。

達到了預期的目標。

2.在完成此設計過程中，得到哪些收獲？以及要改進的建議？

收獲：在設計過程中，了解到了很多關於Python爬蟲的相關知識，也了解到了Python可視化功能的強大以及方便。但是也遇到了一些難點，暴露了自己對Python的不熟練。學習的不夠認真，在爬蟲與可視化的相關內容中遇到了一些難點，但是在多次嘗試之后，也迎刃而解了。

建議：還需要繼續努力，多學習，多嘗試，多思考。

免責聲明！

本站轉載的文章為個人學習借鑒使用，本站對版權不負任何法律責任。如果侵犯了您的隱私權益，請聯系本站郵箱yoyou2525@163.com刪除。

猜您在找 三階魔方公式三階魔方公式速記三階魔方還原公式三階魔方7步還原法詳解簡單 001-三階魔方-概述及層先法三階魔方層先法復原公式中國裁判文書網全網最新爬蟲分析中國排名前100的IC設計公司 Python爬蟲實戰，Scrapy實戰，爬取並簡單分析知網中國專利數據 python, 爬蟲爬取彩票網數據，pandas分析數據並實現可視化餅圖