parent
13260e9c9d
commit
2f01243c9a
@ -0,0 +1,100 @@
|
|||||||
|
# -*- coding: utf-8 -*-
|
||||||
|
"""
|
||||||
|
Created on Sat May 21 21:38:27 2022
|
||||||
|
|
||||||
|
@author: dell
|
||||||
|
"""
|
||||||
|
|
||||||
|
# 首先我们需要导入 requests 库
|
||||||
|
import requests
|
||||||
|
# 请求的url
|
||||||
|
url = "https://top.chinaz.com/gongsi/index_zhuce.html"
|
||||||
|
# 设置请求头信息
|
||||||
|
headers = {
|
||||||
|
"user-agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/95.0.4638.69 Safari/537.36"
|
||||||
|
}
|
||||||
|
# 使用reqeusts模快发起 GET 请求
|
||||||
|
response = requests.get(url, headers=headers)
|
||||||
|
# 获取请求的返回结果
|
||||||
|
html = response.text
|
||||||
|
print(html)
|
||||||
|
# 导入 re 模快
|
||||||
|
import re
|
||||||
|
# 使用 findall 函数来获取数据
|
||||||
|
# 公司名
|
||||||
|
company = re.findall('<a.*?target="_blank">(.+?)</a></h3>', html)
|
||||||
|
|
||||||
|
#注册资本
|
||||||
|
money=re.findall('<em>(.+?)</em>注册资本</div>', html)
|
||||||
|
|
||||||
|
pageOne = list(zip(company,money))
|
||||||
|
|
||||||
|
|
||||||
|
# 存储内容
|
||||||
|
message = []
|
||||||
|
# 总共16个页面的数据
|
||||||
|
for page in range(17):
|
||||||
|
# 组装url
|
||||||
|
if page == 0:
|
||||||
|
url = "https://top.chinaz.com/gongsi/index_zhuce.html"
|
||||||
|
else:
|
||||||
|
url = "https://top.chinaz.com/gongsi/index_zhuce_{}.html".format(page + 1)
|
||||||
|
# 使用reqeusts模快发起 GET 请求
|
||||||
|
response = requests.get(url, headers=headers)
|
||||||
|
html = response.text
|
||||||
|
# 使用 findall 函数来获取数据
|
||||||
|
# 公司名
|
||||||
|
company = re.findall('<a.*?target="_blank">(.+?)</a></h3>', html)
|
||||||
|
money=re.findall('<em>(.+?)</em>注册资本</div>', html)
|
||||||
|
|
||||||
|
pageOne = list(zip(company,money))
|
||||||
|
# 合并列表
|
||||||
|
message.extend(pageOne)
|
||||||
|
|
||||||
|
|
||||||
|
|
||||||
|
# 导入python中的内置模块csv
|
||||||
|
import csv
|
||||||
|
with open("content.csv", "w") as f:
|
||||||
|
w = csv.writer(f)
|
||||||
|
w.writerows(message)
|
||||||
|
|
||||||
|
|
||||||
|
import pandas as pd
|
||||||
|
|
||||||
|
# 读取数据
|
||||||
|
df = pd.read_csv("content.csv", names=["company",'money'],encoding='gbk')
|
||||||
|
df.head()
|
||||||
|
df.info()
|
||||||
|
|
||||||
|
#数据预处理
|
||||||
|
df['money']=df['money'].apply(lambda x:x.replace('亿','') )
|
||||||
|
df['money']=df['money'].apply(lambda x: float(x) )
|
||||||
|
#获取top20
|
||||||
|
df1=df.sort_values(by='money',ascending=False)
|
||||||
|
df2=df1.iloc[0:20]
|
||||||
|
#数据可视化 绘制水平条形图
|
||||||
|
import matplotlib.pyplot as plt
|
||||||
|
x=df2['company']
|
||||||
|
y=df2['money']
|
||||||
|
plt.barh(x,y,height=0.8)
|
||||||
|
for i,j in zip(x,y):
|
||||||
|
plt.text(j,i,j)
|
||||||
|
plt.title('中国500强注册资金top20企业')
|
||||||
|
plt.show()
|
||||||
|
|
||||||
|
|
||||||
|
|
||||||
|
|
||||||
|
|
||||||
|
|
||||||
|
|
||||||
|
|
||||||
|
|
||||||
|
|
||||||
|
|
||||||
|
|
||||||
|
|
||||||
|
|
||||||
|
|
||||||
|
|
Loading…
Reference in new issue