送书 | Python 3 爬虫、数据清洗与可视化实战

又到了每周三的送书时刻啦，今天给大家带来一本爬虫的书。

（文末查看送书规则）

这本Python爬虫技术书是一个完整大数据应用框架：从数据收集、分析到数据可视化、数据建模。各章节以实际案例为出发点，适合对大数据分析、爬虫技术应用感兴趣的小伙伴们学习。

本书是一本通过实战教初学者学习爬取数据、清洗和组织数据进行分析和可视化的Python 读物。书中案例均经过实战检验，笔者在实践过程中深感采集数据、清洗和组织数据的重要性，作为一名数据行业的“码农”，数据就是沃土，没有数据，我们将无田可耕。

本书共13 章，包括6 个核心主题，其一是Python 基础入门，包括环境配置、基本操作、数据类型、语句和函数；其二是Python 爬虫的构建，包括网页结构解析、爬虫流程设计、代码优化、爬虫效率优化、无线端的数据采集、容错处理、反防爬虫、表单交互和模拟页面点击；其三是Python数据库应用，包括MongoDB、MySQL 在Python 中的连接与应用；其四是数据清洗和组织，包括NumPy 数组知识，以及pandas 数据的读写、分组、变形，缺失值、异常值和重复值处理，时序数据处理和正则表达式的使用等；其五是综合应用实例，帮助读者贯穿爬虫、数据清洗与组织的过程；最后是数据可视化，包括matplotlib 和pyecharts 两个库的使用，涉及饼图、柱形图、线图、词云图等图形，帮助读者进入可视化的殿堂。

本书以实战为主，适合Python 初学者及高等院校相关专业的学生阅读，也适合Python 培训机构作为实验教材。

Python 是军刀型的开源工具，被广泛应用于Web 开发、爬虫、数据清洗、自然语言处理、机器学习和人工智能等方面，而且Python 的语法简洁易读，这让许多编程入门者不再望而却步，因此，Python 在最近几年非常受欢迎，各行各业的技术人员都开始使用Python。

本书内容来自笔者在高校授课的内容，主要介绍如何运用Python 工具获取电商平台的页面数据，并对数据进行清洗和存储。本书简化了Python 基础部分，从而保证有足够的篇幅来介绍爬虫、数据清洗和可视化的内容。

本书第１版自出版以来受到各界人士的青睐，为了给读者更好的体验，第2 版的代码和数据都保存在Gitee 上，读者可通过访问笔者的Gitee 主页获取资料。第2 版在内容上新增了习题、手机App 数据的采集方法和Selenium 的基础操作，其中习题包含选择题、判断题、填空题、实操题和应用题。

本书采用的Python 版本是Python 3.6.2。虽然目前一些高校和开发者在使用Python 2.7，但是Python 团队在2020 年1 月1 日停止了对Python 2.7 的支持、更新，因此Python 2.X 转向Python 3.X是大势所趋。

本书第1 章简单介绍Python 和相关的IDE，如果读者完全没有Python 基础，那么建议选购一本基础书作为辅助。第2～7 章介绍爬虫的实例，实现从最简单的爬虫到相对较复杂的爬虫，涉及的爬虫包有requests、Scrapy 和Selenium，采集对象有PC 网页和手机App。鉴于实例的限制，本书的爬虫内容没有涉及代理服务器和验证码处理等问题。第8 章介绍了4 个知名网站的采集案例。

第9 章介绍在Python 中如何连接并操作数据库。第10 章介绍了NumPy 及其用法。第11 章详细介绍了pandas 的功能，pandas 是Python 数据清洗和建模中非常重要的库。第12 章用两个完整的案例展示了从爬虫到建模的过程。第13 章介绍了Python 的数据可视化，选用的库是matplotlib 和pyecharts，其中详细介绍了pyecharts。鉴于笔者水平有限，书中不足之处请读者不吝指教。

网络爬虫作为一项技术，更应该服务于社会。在使用该技术的过程中，应遵守Robots 协议。同时，需要注意对数据所涉及的知识产权和隐私信息进行保护。另外，在采集数据时，需要注意礼貌，即不频繁地请求网页，以防止给数据提供者的服务器造成不良影响。在使用所采集的数据时，需要注意是否涉及商业利益和相关法律。本书中所使用的案例皆为测试案例，仅供读者学习使用，本书中的URL 均做了处理。

点击即可查看本书详情

【扫一扫添加小编】

【扫一扫关注我】