Python爬取近十年TIOBE编程语言热度数据并可视化

时间:2022-05-24 02:06:05

本文介绍如何利用requests+正则表达式爬取TIOBE编程语言热度数据,并使用openpyxl写入数据pyecharts时间轮播图进行可视化。

Python爬取近十年TIOBE编程语言热度数据并可视化

一、数据获取

我们需要爬取的目标url为https://www.tiobe.com/tiobe-index/打开之后如下

Python爬取近十年TIOBE编程语言热度数据并可视化

分析网页源代码可以找到想要的数据,利用正则表达式提取出想要的数据,并保存到Excel中,便于后续数据处理和可视化。

Python爬取近十年TIOBE编程语言热度数据并可视化

完整爬虫代码如下,其中大多数语句都给出了详细注释,感兴趣的读者可以进一步研究。

# -*- coding: UTF-8 -*- 

""

@File    :spider.py 

@Author  :叶庭云 

@CSDN    :https://yetingyun.blog.csdn.net/ 

""

import requests 

import re 

import openpyxl 

import logging 

 

logging.basicConfig(level=logging.INFO, format='%(asctime)s - %(levelname)s: %(message)s'

headers = { 

    "User-Agent""Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.1 (KHTML, like Gecko) Chrome/21.0.1180.89 Safari/537.1" 

 

wb = openpyxl.Workbook()    # 创建工作簿对象 

sheet = wb.active           # 获取活动的工作表 

# 编程语言   时间    热度 

sheet.append(['Programing''Date''data_per']) 

 

url = 'https://www.tiobe.com/tiobe-index/' 

rep = requests.get(url, headers=headers).text 

 

# 正则匹配提取数据 

data = re.findall('{name : (.*?),data : (.*?)}', rep) 

programing = [eval(k[0]) for k in data]     # 编程语言 

dates = [i[1] for i in data] 

 

# 正则表达式处理 提取出想要的数据 

for x in range(len(dates)): 

    name = programing[x] 

    datas = re.findall(r'\[Date.UTC(.*?)\]', dates[x], re.DOTALL) 

    for m in datas: 

        date1 = re.findall(r'\d+', m)       # 正则提取出数字 

        date2 = '-'.join(date1[:3])         # 拼接得到时间 

        data_per = '.'.join(date1[-2:])     # 得到热度数据 

        sheet.append([name, date2, data_per]) 

        logging.info([name, date2, data_per]) 

 

wb.save('language_data.xlsx'

最终运行效果如下:

Python爬取近十年TIOBE编程语言热度数据并可视化

可以看到成功提取出想要的数据,并保存到Excel,在jupyter notebook 环境中查看数据:

Python爬取近十年TIOBE编程语言热度数据并可视化

Python爬取近十年TIOBE编程语言热度数据并可视化

二、 数据可视化

本节使用pyecharts绘制时间轮播图数据可视化,展示现在热度排 Top10 的编程语言 2009-2019 年每年的平均热度变化。

# -*- coding: UTF-8 -*- 

""

@File    :轮播图.py 

@Author  :叶庭云 

@CSDN    :https://yetingyun.blog.csdn.net/ 

""

 

import pandas as pd 

import xlrd 

import pyecharts.options as opts 

from pyecharts.charts import Timeline, Bar 

from pyecharts.globals import CurrentConfig 

 

 

CurrentConfig.ONLINE_HOST = 'D:/python/pyecharts-assets-master/assets/' 

 

# 提取编程语言名字 

name = list(pd.read_excel('language_data.xlsx')['Programing'].drop_duplicates()) 

 

data = xlrd.open_workbook('language_data.xlsx'

table = data.sheets()[0] 

 

dic1 = {k: [] for k in name

# 各编程语言对应每年里不同时间的热度 

for i in range(1, table.nrows): 

 x = table.row_values(i) 

 dic1[x[0]].append((x[1], x[2])) 

 

# 与编程语言顺序对应  每年编程语言对应的不同时间的热度 

data_per = {k: [[] for x in range(10)] for k in range(2001, 2021)} 

print(data_per) 

 

count = 0 

for k, v in dic1.items(): 

 for j in v:   # v (时间,热度)  热度数据添加进各年对应的列表里 

  data_per[int(j[0][:4])][count].append(eval(j[1]))  # 一年里各编程语言不同时间时的热度  对应起来 

 count += 1 

 

# print(data_per) 

data_per1 = {k: [] for k in list(data_per.keys())} 

 

for k, v in list(data_per.items()): 

 for x in v: 

  if len(x) == 0:                  # 这一年里该语言没有热度数据 

   data_per1[k].append(0) 

  else

   avg = sum(x) / len(x) 

   data_per1[k].append(avg)     # 这一年里的平均热度 

 

# 得到TOBIE现在排Top20的编程语言从2001年开始每年的平均热度 

print(data_per1) 

 

 

def get_year_overlap_chart(year) -> Bar: 

 sum_info = [(m, n) for m, n in zip(name, data_per1[year])] 

 # 编程语言按每年平均热度排序 

 sum_info.sort(key=lambda z: z[1], reverse=True

 name_ = [m[0] for m in sum_info] 

 datas = [m[1] for m in sum_info] 

 # 每根柱子的颜色列表 

 colors = ['#00BFFF''#0000CD''#000000''#008000''#FF1493''#FFD700''#FF4500''#00FA9A''#191970'

     '#9932CC'

 x = [] 

 for i in range(10): 

  x.append( 

   opts.BarItem( 

    name=name_[i], 

    value=datas[i], 

    itemstyle_opts=opts.ItemStyleOpts(color=colors[i])   # 设置每根柱子的颜色 

   ) 

  ) 

 # 绘制柱形图 

 bar = Bar() 

 bar.add_xaxis(name_) 

 bar.add_yaxis(series_name='热度', yaxis_data=x, is_selected=True

                  label_opts=opts.LabelOpts(is_show=False)) 

 bar.set_global_opts(title_opts=opts.TitleOpts( 

      title="2009-2019编程语言热度"), 

      tooltip_opts=opts.TooltipOpts( 

      is_show=Truetrigger="axis", axis_pointer_type="shadow"), 

                  xaxis_opts=opts.AxisOpts(name='编程语言'), yaxis_opts=opts.AxisOpts(name='热度'), 

 ) 

 return bar 

 

# 生成时间轴的图 

timeline = Timeline(init_opts=opts.InitOpts(width="1200px", height="600px")) 

for y in range(2009, 2020): 

 timeline.add(get_year_overlap_chart(y), time_point=str(y)) 

 

timeline.add_schema(is_auto_play=True, play_interval=1000) 

timeline.render("language_2009_2019.html"

运行效果如下,可以看到虽然Python越来越火热,但Java稳坐编程语言热度排行榜第一!(此处一位PHP程序员拍桌)

Python爬取近十年TIOBE编程语言热度数据并可视化

三、补充

本节对有时候pyecharts绘制的图形渲染在网页上无法加载js文件的问题进行说明。

根据网站资源引用说明:pyecharts 使用的所有静态资源文件存放于pyecharts-assets项目中

默认挂载在 https://assets.pyecharts.org/assets/,因为默认优先从远程引用资源,这就导致有的时候无法加载 js 文件,图表显示不出来。

解决办法:下载所需 js 文件到本地,修改资源引用地址,Github地址:https://github.com/pyecharts/pyecharts-assets看网站的介绍,pyecharts 提供了更改全局 HOST 的快捷方式。

from pyecharts.globals import CurrentConfig 

 

CurrentConfig.ONLINE_HOST = 'D:/python/pyecharts-assets-master/assets/' # 本地保存 js 资源的路径 

Python爬取近十年TIOBE编程语言热度数据并可视化

Python爬取近十年TIOBE编程语言热度数据并可视化