“

阅读本文大概需要 5 分钟。

”

对于做爬虫和数据分析方向的小伙伴来说，对于数据的获取是十分重要的，尤其是关于大数据分析的数据，非常难以获取，最近小编在浏览 Github 时，就发现了一个宝库——gopup。是由一个国内的大神开源的python库，该库包含了大量的大数据分析相关的数据，一起来看看吧。

01.神器 GoPup

项目的地址为：https://github.com/justinzm/gopup。该库所采集的数据都是公开的数据源，作者也指出了通过该库所获取的数据主要目的是用于学术的研究。

该项目所涉及到的数据库包含了微博指数数据、百度指数数据、头条指数数据、新经济公司、生活数据、疫情数据等信息。

可以看到，上述的数据中，都包含了大量的大数据分析数据，可以通过该项目库直接获取来使用。gopup 的安装也十分的便捷，在终端运行pip install gopup即可安装。

02.如何使用

接下来，我们通过程序来看一下如何使用 gopup 来获取数据。首先来看一下，百度指数的数据获取，程序和结果如下图所示：

上图中，可以看到，首先我们需要先在网页端登录百度指数，然后获取 cookie 数据，拿到 cookie 数据后，就可以调用 gopup 库的 baidu_search_index 函数来查询指定时间段内的指定关键词的搜索热度。这里我们搜索的就是 2020 年 10 月 1 号到 2020 年 12 月 1 号的 62 天的 “口罩” 搜索指数。返回的是 DataFrame 格式的数据。那么如何获得 cookie 呢？

首先打开百度指数网站并登录，然后点击 F12 进入开发者模式后，点击 Network 后，点击任意一个 url 的链接，翻到最下方就可以获取到 cookie 数据。

接下来我们来获取一下汽油和柴油的历史调价信息，程序和结果如下所示：

可以看到，对于调价信息，只需要一行代码即可帮助我们搞定。

gopup 不仅仅可以抓取到生活信息，还可以帮助我们抓取影视信息方面的数据，例如实时的电影票房数据、实时电视剧播映指数、艺人商业价值等信息，程序和结果如下图所示：

上述的程序给出的是实时电视剧播映指数数据，可以看到，最近比较火的电视剧为张鲁一、段奕宏领衔主演的《大秦赋》和李易峰、金晨主演的《隐秘而伟大》。这两部剧在豆瓣上的评分都在 8 分以上，可谓是收视率和口碑的双丰收。

上图给出的是艺人商业价值的排行榜(详细的 csv 可以在文末获取)，杨紫、易烊千玺和杨幂分列前三位，这份榜单是根据商业价值来进行排序，在专业热度、关注热度等信息方面，不同的明星热度排名也是不相同的。

03.详细的文档

作者在项目中不仅给出了安装方式，而且还出了中文文档(http://doc.gopup.cn/)，大家可以直接到作者提供的中文文档中进行学习，作者给出的中文文档非常的详尽。

以百度的搜索数据为例，我们需要重点关注的有四个点，分别是目标地址、输入参数、输出参数和接口示例，其中接口示例给出了程序如何调用的详细说明，让大家一看就明白该如何使用。

还要注意的是，影视数据获取的程序，必须在 Ubuntu 环境下运行，否则 js 数据无法正确返回结果。

以上就是小编为大家带来的 gopup 库的介绍，大家也赶快安装 gopup ，发现更多更有趣的大数据应用吧。

另外使用这个库需要一个js补丁，小编已经为大家准备好了！

原公号「菜鸟学 Python」后台直接输入：补丁

爆文推荐

• 万万没想到，“红孩儿” 竟然做了程序员，还是 CTO!
  

• 95 后程序员月薪 2 万背着电脑送外卖，送单途中改 Bug

• Chrome 更新了，反爬又变强了，该怎么破？
  

点下在看，你最好看