|
作者：徐麟，某互联网公司数据分析狮
我们此次通过爬取2019年2W+条热搜数据，包括内容以及搜索指数，为大家揭开微博热搜2019的诸多秘密，一起利用数据“硬核吃瓜”，包括：2019微博热搜最大的瓜，微博程序员集体加班的日子，微博热搜的常客，热搜里的2019互联网……
获取数据来源
我们此次并没有直接去爬取微博的原始数据，而是从一个专门记录微博热搜历史数据的网站获取，网站界面如下： 通过网站的数据接口，我们获取到了今年1月1日至今的2W多条数据，爬取代码如下：
resou = pd.DataFrame(columns=['date','title','searchCount','rank'])
resou_date = getBetweenDay('2019/01/01','2019/07/12')
for i in resou_date:
print(i)
url= 'https://www.enlightent.cn/research/top/getWeiboHotSearchDayAggs.do?date={}'.format(str(i))
html = requests.get(url=url, cookies=cookie, headers=header).content
data = json.loads(html.decode('utf-8'))
for j in range(100):
resou = resou.append({'date':i,'title':data[j]['keyword'],
'searchCount':data[j]['searchCount'],'rank':j+1},ignore_index=True)
最终获取到的吃瓜数据如下：  有了前面的瓜源获取过程，我们获取到了2W+吃瓜数据，下面就可以开始利用这些数据愉快地开始我们的吃瓜之旅
2019微博热搜最火事件
说到吃瓜，大家首先关注的一定是那些最大的瓜，要吃就吃最大的瓜也是广大吃瓜群众所遵从的基本原则，我们通过对比热搜数据的搜索指数，选取出了15个最大的瓜，数据如下： 
2019最让微博程序员抓狂的日子
为何“今天到底是什么日子”这种看似没有任何营养的内容，都会有那么高的搜索指数。为了回答这个问题，我们统计了2019年每天的TOP100热搜话题平均指数，并绘制了日历热度图：  可以看到6月27日的指数远高于其他天数，而且基本上是其他时间的两到三倍，这一天就是“今天到底是什么日子”这个话题的诞生之日，并且这一天微博服务器毫无疑问地“应声倒地”，我想这一定是让微博程序员怀疑人生的日子
下面我们就来具体看看，这一天到底发生了些什么：  看到这份榜单，我们仿佛看到了程序员们6月27日的绝望。宋慧乔&宋仲基离婚这个巨型瓜的出现，程序员们还可以用自己的信念支撑着服务器不要崩溃，然而正当程序员们以为稳操胜券的时候，范冰冰&李晨分手这个更加巨大的瓜出现了，我想程序员们内心一定是这样的： 
2019最勤劳的瓜生产商
前面提到了6月27日是微博程序员最为抓狂的日子，那么又有那些生产商为广大吃瓜群众源源不断地创造吃瓜素材呢，我们也统计了相关数据，想必这些生产商也是广大程序员们最怕的人： 榜单中易烊千玺以80次的出现次数荣登榜首，也就是说平均每两天他就会为广大群众生产一次“吃瓜素材”，也是非常地勤劳，想到作者一个月一篇原创的节奏，默默留下了悔恨的泪水。周董也在榜单中以78次的数据位居次席，毕竟周董是一代人的青春记忆，大家也都在时刻关注着周董。
或许大家会认为榜单都被娱乐圈所霸占，没啥新意之时，东哥站了出来，成为荣登本榜单的唯一互联网人士，不过个人还是希望今后不要在榜单中再看到东哥的身影，毕竟老话说得好“no news is good news”。
那些专属热搜的词语
如同“*，是怎样的体验”这样的知乎体，“震惊！”这样的uc体，热搜也有一些比较常出现，能代表热搜独特气质的词语，我们从中选取了一些比较有代表的词语并统计其出现次数 华为在榜单中出现了86次，也印证了大家在上半年对于华为的关注度，未来也希望有更多类似于“华为**系统上线”这样振奋人心的消息出现在热搜中。
同时在小编看来否认，道歉，心疼这三个词是非常有特色的热搜词语，毕竟很难在其他的地方会时不时就看“心疼**”这种标题，我们针对于这三个词语制作了相应的词云：
否认版  道歉版  心疼版 
完整代码
# -*- coding: utf-8 -*-
'''
更多Python学习资料以及源码教程资料，可以在群1136201545免费获取
'''
## 调用要使用的包
import json
import random
import requests
import time
import pandas as pd
import os
import jieba
from scipy.misc import imread # 这是一个处理图像的函数
from wordcloud import WordCloud, ImageColorGenerator
import matplotlib.pyplot as plt
import datetime
from collections import Counter
os.chdir('D:/爬虫/微博热搜')
## 获得日期
def getBetweenDay(begin_date,end_date):
date_list = []
begin_date = datetime.datetime.strptime(begin_date, "%Y/%m/%d")
end_date = datetime.datetime.strptime(end_date, "%Y/%m/%d")
while begin_date 'searchCount':['max']})
word_title.columns = ['title','count']
data = [(word_title['title'][i],word_title['count'][i]/1000000) for i in range(word_title.shape[0])]
wc = (WordCloud(init_opts=opts.InitOpts(theme=ThemeType.ROMA))
.add("",data, word_size_range=[20, 50], shape='pentagon')
.set_global_opts(title_opts=opts.TitleOpts(title=''))
.render('{}词云.html'.format(word))
)
## 设置headers和cookie，数据爬取
header = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win32; x32; rv:54.0) Gecko/20100101 Firefox/54.0',
'Connection': 'keep-alive'}
cookies ='v=3; iuuid=1A6E888B4A4B29B16FBA1299108DBE9CDCB327A9713C232B36E4DB4FF222CF03; webp=true; ci=1%2C%E5%8C%97%E4%BA%AC; __guid=26581345.3954606544145667000.1530879049181.8303; _lxsdk_cuid=1646f808301c8-0a4e19f5421593-5d4e211f-100200-1646f808302c8; _lxsdk=1A6E888B4A4B29B16FBA1299108DBE9CDCB327A9713C232B36E4DB4FF222CF03; monitor_count=1; _lxsdk_s=16472ee89ec-de2-f91-ed0%7C%7C5; __mta=189118996.1530879050545.1530936763555.1530937843742.18'
cookie = {}
for line in cookies.split(';'):
name, value = cookies.strip().split('=', 1)
cookie[name] = value
resou = pd.DataFrame(columns=['date','title','searchCount','rank'])
resou_date = getBetweenDay('2019/01/01','2019/07/12')
for i in resou_date:
print(i)
url= 'https://www.enlightent.cn/research/top/getWeiboHotSearchDayAggs.do?date={}'.format(str(i))
html = requests.get(url=url, cookies=cookie, headers=header).content
data = json.loads(html.decode('utf-8'))
for j in range(100):
resou = resou.append({'date':i,'title':data[j]['keyword'],
'searchCount':data[j]['searchCount'],'rank':j+1},ignore_index=True)
## 按天统计
resou = resou.apply(get_words_list,axis=1)
resou.to_excel('热搜数据.xlsx')
resou_dt = resou.groupby('date',as_index=False).agg({'searchCount':['mean']})
resou_dt.columns = ['date','avg_count']
## 绘制日历图
from pyecharts import options as opts
from pyecharts.charts import Calendar,Pie
from pyecharts import GraphicShapeOpts
from pyecharts.globals import SymbolType
from pyecharts.charts import Page, WordCloud,TreeMap
data = [
[resou_dt['date'][i], resou_dt['avg_count'][i]]
for i in range(resou_dt.shape[0])
]
calendar = (
Calendar(init_opts=opts.InitOpts(width='1800px',height='1500px'))
.add("", data,calendar_opts=opts.CalendarOpts(range_=['2019-01-01', '2019-07-12']))
.set_global_opts(
title_opts=opts.TitleOpts(title="2019每日热搜平均指数",pos_left='15%'),
visualmap_opts=opts.VisualMapOpts(
max_=3600000,
min_=0,
orient="horizontal",
is_piecewise=False,
pos_top="230px",
pos_left="100px",
pos_right="10px"
)
)
.render('日期热力图.html')
)
## 词频统计
resou_word = dataframe_explode(resou,'words_list')
resou_word_stat = resou_word.groupby(['words_list'],as_index=False).agg({'title':['count']})
resou_word_stat.columns = ['word','num']
resou_word_stat.to_excel('词频统计.xlsx')
func = pd.read_excel('名词.xlsx')
love = pd.read_excel('婚恋.xlsx')
person = pd.read_excel('人物.xlsx')
resou_word_func = pd.merge(resou_word_stat,func,how='inner',on='word')
resou_word_love = pd.merge(resou_word_stat,love,how='inner',on='word')
resou_word_person = pd.merge(resou_word_stat,person,how='inner',on='word')
resou_word_func = resou_word_func.sort_values('count',ascending=False).reset_index()
words = [(resou_word_func['word'][i],resou_word_func['num'][i]) for i in range(resou_word_func.shape[0])]
pie = (
Pie(init_opts=opts.InitOpts(theme=ThemeType.CHALK))
.add("", words)
.set_global_opts(title_opts=opts.TitleOpts(title="微博常用词出现次数",pos_left='center'),
legend_opts=opts.LegendOpts(is_show=False))
.set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}",font_size=16),)
.render('热搜词饼图.html')
)
resou_word_love = resou_word_love.sort_values('count',ascending=False).reset_index()
words = [(resou_word_love['word'][i],resou_word_love['num'][i]) for i in range(resou_word_love.shape[0])]
pie = (
Pie(init_opts=opts.InitOpts(theme=ThemeType.CHALK))
.add("", words)
.set_global_opts(title_opts=opts.TitleOpts(title="微博婚恋类词语出现次数",pos_left='center'),
legend_opts=opts.LegendOpts(is_show=False))
.set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}",font_size=16),)
.render('婚恋类热搜词饼图.html')
)
resou_word_person = resou_word_person.sort_values('num',ascending=False).reset_index()
words = [{'"value": {}, "name": {}"'.format(str(resou_word_person['num'][i]),
resou_word_person['name'][i])} for i in range(resou_word_person.shape[0])]
tree = (
TreeMap(init_opts=opts.InitOpts(theme=ThemeType.ESSOS))
.add("", words,pos_left=0,pos_right=0,pos_top=50,pos_bottom=50)
.set_global_opts(title_opts=opts.TitleOpts(title="热搜明星出现次数排名",pos_left='center'),
legend_opts=opts.LegendOpts(is_show=False))
.set_series_opts(label_opts=opts.LabelOpts(formatter="{b}\n\n {c}",font_size=17,
color='black',position='inside',font_weight='bolder'))
.render('排序.html')
)
|