手把手教你利用Pyecharts库对IP代理数据进行数据可视化分析

Posted 2021-02-20 dcpeng

/1 前言/

前几天小编发布了手把手教你使用Python爬取西次代理数据（上篇）和手把手教你使用Python爬取西次代理数据（下篇），木有赶上车的小伙伴，可以戳进去看看。今天小编带对爬取的数据进行可视化操作，数据可视化主要利用 pyecharts 库进行操作，具体步骤如下。

本次爬虫的目的主要是想分析代理在全国各城市的分布情况。小编的思路是对所有城市的代理数量进行一个统计，然后通过可视化技术构建一个代理热力分布图。整体思路是使用 pyecharts 构建一张热力分布图，用以直观展现各个城市的代理分布情况。

/2 代理分布统计/

Pyecharts 在进行热力图绘制的时候，需要提供城市名，但实际上从网上爬取到的位置数据并不是标准的城市名:

这个时候需要我们对这些数据进行处理，从位置中将城市名提取出来，例如：湖北十堰 需要提取出 十堰 来。

为了达到这个目的，我使用开源的** cpca** 库进行提取，该库主要使用结巴分词对数据进行处理，然后比对数据库，将省市县提取出来，一个直观的例子如下：

通过这种方式，我们就可以提取出城市名了，在然后在代码中实现如下：

提取完城市数据之后，需要对城市的代理数量进行一个统计，总体思路是，构建一个列表。然后循环遍历抓取的城市，如果找到一个列表中没有的城市，就在列表中加入该城市，并把代理设置为 1，如果有该城市，则数量加 1。

通过这种方式，就将代理在各个城市的分布情况统计完毕了。接下来就是使用 pyecharts 进 行热力图绘制了。

/3 代理热力图绘制/

有了代理在各个城市的分布情况，接下来就需要进行热力图绘制，使用 pyecharts 加载我们之前统计好的列表即可， 代码如下：

程序执行完毕后，会在当前页面生成一个名叫全国代理分布.html的网页，使用 chrome或者 firefox 打开该网页即可看到热力分布结果， 如下图所示，其中颜色越深的地方代表代理数量越多。

全国代理分布图

数据视图

统计发现，代理主要分布在东部地区，东部地区又集中分布在广州、江浙、山东一带，而西部地区几乎没有，这也从另外以角度说明了互联网硬件设施在我国发展的很不均衡，绝大多数资源集中到了东部地区。

/4 小结/

本次任务主要爬取了代理网站上的代理数据，对代理在各个城 市的分布进行了统计分析，并利用可视化的技术进行代理分布热力图绘制。主要做了以下方 面的工作：

学习使用 pyecharts 库进行数据可视化；

学习使用 cpca 库进行中文数据分词。

得出了以下结论：

全国各地的网络代理主要分布在东部地区，东部地区又集中分布在广州、江浙、山东一带，而西部地区几乎没有，这也从一个角度说明了互联网硬件设施在我国发展的很不均衡，绝大多数资源集中到了东部地区。

Python 爬虫是一项综合技能，在爬取网站的过程中能够学到很多知识，希望大家多多专研。

如果有需要代码的小伙伴，可以在公众号【Python爬虫与数据挖掘】后台回复“代理”二字，即可获取。