Python爬虫（入门+进阶）学习笔记 1-5 使用pandas保存豆瓣短评数据

1. Python数据分析的工具包

• numpy： (Numerical Python的简称)，是高性能科学计算和数据分析的基础包
• pandas：基于Numpy创建的Python包，含有使数据分析工作变得更加简单的高级数据结构和操作工具
• matplotlib：是一个用于创建出版质量图表的绘图包（主要是2D方面）

import pandas as pd #导入pandas
import numpy as np #导入numpy
import matplotlib.pypolt as plt #导入matplotlib

2. pandas保存数据到Excel

to_excel() 实例方法：用于将DataFrame保存到Excel

df.to_excel('文件名.xlsx', sheet_name = 'Sheet1') #其中df为DataFrame结构的数据，sheet_name = 'Sheet1'表示将数据保存在Excel表的第一张表中

read_excel() 方法：从excel文件中读取数据

pd.read_excel('文件名.xlsx', 'Sheet1', index_col=None, na_values=['NA'])

3. pandas保存数据到csv文件

import pandas as pd
import numpy as np
df = pd.DataFrame(np.random.randn(6,3)) #创建随机值并保存为DataFrame结构
print(df.head())
df.to_csv('numpppy.csv')

实战环节

结合之前学习的获取数据、解析数据的知识，爬取《小王子》豆瓣短评的数据，并把数据保存为本地的excel表格

#!/usr/bin/env python3
# -*- coding: utf-8 -*-
"""
Created on Sat Mar 17 17:18:35 2018

@author: Jackie
"""

import requests
from lxml import etree
import pandas as pd


urls = ['https://book.douban.com/subject/1084336/comments/hot?p={}'.format(str(i)) for i in range(1,6)]

comments = []

for url in urls:
    r = requests.get(url).text
    s = etree.HTML(r)
    file = s.xpath('//div[@class="comment"]/p/text()')
    comments += file


df = pd.DataFrame(comments)
print(df.head())
#df.to_excel('comment.xlsx')

结果：