Python爬取豆瓣读书top250

Question

使用Python网络爬虫获取豆瓣读书top250数据，并使用NumPy和Pandas对数据进行处理，最后使用Matplotlib的Pyplot进行数据可视化展示。
要求：
1．使用Python网络爬虫从豆瓣读书网站上爬取某top250的数据（书名，作者，出版社，发行年份，价格，评分，评价人数），并将数据统计写入数据表格中，按照发行年份升序保存。
2．根据数据，进行数据
（1）根据评分计算最小值，最大值，均值以及标准差
（2）根据价格，自定义价格区间，统计各区间的书籍数量
3．绘制折线图
（1）根据年份绘制价格折线图。
（2）根据发行年份，绘制电影数量折线图。

Answer 1

基于Monster 组和AIGC的调写：若有帮助，还望采纳~~：

import pandas as pd
import matplotlib.pyplot as plt
import matplotlib.pyplot as plt
plt.rcParams['font.family'] = 'SimHei'
# 数据加载
file_path = 'douban_books_sorted.csv'
df = pd.read_csv(file_path)

def clean_price_v2(price_str):
    price_str = price_str.replace('CNY', '').replace('NT$', '').replace('元', '').strip()
    price_str = price_str.split('/')[0]
    try:
        return float(price_str)
    except ValueError:
        return None

# 应用新的价格清洗函数
df['价格'] = df['价格'].apply(clean_price_v2)

# 移除价格列中的NaN值
df = df.dropna(subset=['价格'])

# 定义价格区间
price_bins = [0, 10, 20, 30, 50, 100, df['价格'].max()]
price_labels = ['0-10元', '10-20元', '20-30元', '30-50元', '50-100元', '100元以上']

# 统计各价格区间的书籍数量
df['价格区间'] = pd.cut(df['价格'], bins=price_bins, labels=price_labels, right=False)
price_interval_counts = df['价格区间'].value_counts().sort_index()

# 处理出版年份
df['出版年份'] = pd.to_datetime(df['出版年份'], errors='coerce')
df = df.dropna(subset=['出版年份'])
df['出版年份'] = df['出版年份'].dt.year

# 平均价格折线图
yearly_avg_price = df.groupby('出版年份')['价格'].mean()

# 书籍数量折线图
yearly_book_count = df['出版年份'].value_counts().sort_index()

# 绘图
plt.figure(figsize=(14, 6))

# 价格折线图
plt.subplot(1, 2, 1)
plt.plot(yearly_avg_price, marker='o', linestyle='-', color='b')
plt.title('年份与平均价格')
plt.xlabel('年份')
plt.ylabel('平均价格 (元)')
plt.xticks(rotation=45)

# 书籍数量折线图
plt.subplot(1, 2, 2)
plt.plot(yearly_book_count, marker='o', linestyle='-', color='r')
plt.title('年份与书籍数量')
plt.xlabel('年份')
plt.ylabel('书籍数量')
plt.xticks(rotation=45)

plt.tight_layout()
plt.show()

# 输出价格区间统计结果
print(price_interval_counts)