Update 2.py

2.py

@@ -1,68 +1,68 @@
-# -*- coding: utf-8 -*-
+# -*- coding: utf-8 -*-
-"""
+"""
-Created on Thu Jun  6 14:36:59 2024
+Created on Thu Jun  6 14:36:59 2024
-
+
-@author: Asus
+@author: Asus
-"""
+"""
-import requests
+import requests
-url = "https://top.chinaz.com/gongsi/index_shizhi.html"
+url = "https://top.chinaz.com/gongsi/index_shizhi.html"
-# 设置请求头信息
+# 设置请求头信息
-headers = {
+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"
+    "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
+# 使用reqeusts模快发起 GET 请求
-response = requests.get(url, headers=headers)
+response = requests.get(url, headers=headers)
-# 获取请求的返回结果
+# 获取请求的返回结果
-html = response.text
+html = response.text
-
+
-import re
+import re
-# 公司名
+# 公司名
-company = re.findall('<a.*?target="_blank">(.+?)</a></h3>', html)
+company = re.findall('<a.*?target="_blank">(.+?)</a></h3>', html)
-# 注册资本
+# 注册资本
-money = re.findall('<em>(.+?)</em>市值</div>', html)
+money = re.findall('<em>(.+?)</em>市值</div>', html)
-pageOne = list(zip(company, money))
+pageOne = list(zip(company, money))
-# 存储内容
+# 存储内容
-message = []
+message = []
-# 总共16个页面的数据
+# 总共16个页面的数据
-for page in range(16):
+for page in range(16):
-    # 组装url
+    # 组装url
-    if page == 0:
+    if page == 0:
-        url = "https://top.chinaz.com/gongsi/index_shizhi.html"
+        url = "https://top.chinaz.com/gongsi/index_shizhi.html"
-    else:
+    else:
-        url = "https://top.chinaz.com/gongsi/index_shizhi_{}.html".format(page + 1)
+        url = "https://top.chinaz.com/gongsi/index_shizhi_{}.html".format(page + 1)
-    # 使用reqeusts模快发起 GET 请求
+    # 使用reqeusts模快发起 GET 请求
-    response = requests.get(url, headers=headers)
+    response = requests.get(url, headers=headers)
-    html = response.text
+    html = response.text
-    # 使用 findall 函数来获取数据
+    # 使用 findall 函数来获取数据
-    # 公司名
+    # 公司名
-    company = re.findall('<a.*?target="_blank">(.+?)</a></h3>', html)
+    company = re.findall('<a.*?target="_blank">(.+?)</a></h3>', html)
-    # 注册资本
+    # 注册资本
-    money = re.findall('<em>(.+?)</em>市值</div>', html)
+    money = re.findall('<em>(.+?)</em>市值</div>', html)
-    pageOne = list(zip(company, money))
+    pageOne = list(zip(company, money))
-    # 合并列表
+    # 合并列表
-    message.extend(pageOne)
+    message.extend(pageOne)
-import csv
+import csv
-with open("content.csv", "w",encoding="utf-8") as f:
+with open("content.csv", "w",encoding="utf-8") as f:
-    w = csv.writer(f)
+    w = csv.writer(f)
-    w.writerows(message)
+    w.writerows(message)
-
+
-import pandas as pd
+import pandas as pd
-
+
-# 读取数据
+# 读取数据
-df = pd.read_csv("content.csv", names=["company", "money"])
+df = pd.read_csv("content.csv", names=["company", "money"])
-df.head()
+df.head()
-df.info()
+df.info()
-df1 = df.groupby("money").count()["company"]
+df1 = df.groupby("money").count()["company"]
-top20=df.sort_values(by='money',ascending=False).head(20)
+top20=df[:20]
-    
+    
-import matplotlib.pyplot as plt
+import matplotlib.pyplot as plt
-plt.rcParams['font.sans-serif'] = ['SimHei'] # 步骤一（替换sans-serif字体）
+plt.rcParams['font.sans-serif'] = ['SimHei'] # 步骤一（替换sans-serif字体）
-plt.rcParams['axes.unicode_minus'] = False  # 步骤二（解决坐标轴负数的负号显示问题）
+plt.rcParams['axes.unicode_minus'] = False  # 步骤二（解决坐标轴负数的负号显示问题）
-plt.figure(figsize=(10, 6))  # 设置图像大小
+plt.figure(figsize=(10, 6))  # 设置图像大小
-plt.bar(top20['company'], top20['money'], color='skyblue')  # 绘制条形图
+plt.bar(top20['company'], top20['money'], color='skyblue')  # 绘制条形图
-plt.title('市值最多的公司TOP20')  # 设置标题
+plt.title('市值最多的公司TOP20')  # 设置标题
-plt.xlabel('公司名称')  # 设置x轴标签
+plt.xlabel('公司名称')  # 设置x轴标签
-plt.ylabel('市值')  # 设置y轴标签
+plt.ylabel('市值')  # 设置y轴标签
-plt.xticks(rotation=45)  # 设置x轴标签旋转角度，以便更好地显示
+plt.xticks(rotation=45)  # 设置x轴标签旋转角度，以便更好地显示
-plt.tight_layout()  # 调整布局，避免标签重叠
+plt.tight_layout()  # 调整布局，避免标签重叠
 plt.show()  # 显示图像