python爬虫外贸客户_我用Python爬了一个零售网站，分析了一千多种葡萄酒！

本文作者是一名地地道道的程序员，最大的乐趣就是爬各种网站。特别是在过去的一年里，为了娱乐和利润而爬掉了无数网站。从小众到主流电子商店再到新闻媒体和文学博客，通过使用简单的工具(如BeautifulSoup)获得了很多有趣且干净的数据—我也很喜欢Chrome 的Headless模式。

本文，作者将分析从Greek wine e-shop商店(一个希腊葡萄酒网站)中获得的数据，来看看哪种葡萄酒最受欢迎。

scraper本身相当简单，可以在GitHub页面(https://github.com/Florents-Tselai/greek-wines-analysis)找到。作者将着重于通过使用标准的Python包对得到的数据(1125个独特的标签)做一些快速的探索性分析。

scraper本身暴露了一个相当简单的API。首先，请求葡萄酒页面的数据，并将数据返回给nicedict，如下所示：

In [2]:

Out[3]:

加载由houseofwine_gr.dump模块生成的数据转储，开发者也可以在GitHub页面找到.json，.csv和.xlsx的数据集。

In [5]:

Out[6]:

重命名一些包含特殊字符的列名，以便将它们用作本机DataFrame存储器。

In [8]:

让我们将color列值从希腊语翻译成英语。

In [10]:

似乎每个标签列表可以给出有关葡萄酒的各种属性(品种，甜味等)的信息。接下来，作者将这些属性分开，将tags列元素从list 转换为set列表元素，因为这样会使操作更简单。也就是说，不是在一个if x in -else-try-except-IndexError中，我们将使用set操作。

以下是4个属性中每一个属性的直方图：

在这一点上，开发者可以(几乎)安全地假设所有剩下的标签显示每种葡萄酒的品种信息，所以定义一个新的列来存储它们。

我们也可以添加一个布尔变量varietal。酒中的混合物只有一种的称为varietal，至少有两种混合物的称作blends。

让我们来看看Varietal / Blend的分布是怎样的。

上面的代码简单地从这里得到：

这些是blends中出现频率最高的品种。

In [30]:

这里是一个热图，显示哪些品种通常混合在一起。

In [31]:

In [32]:

如果你有兴趣，欢迎来Github页面与作者交流。

文章知识点与官方知识档案匹配，可进一步学习相关知识Python入门技能树网络爬虫urllib208856 人正在系统学习中 相关资源：糖烟茶酒行业管理软件 烟酒进销存店铺销售收银管理系统

来源：Asuka177