本文正在参加「Python主题月」，详情查看 活动链接
今天来和小伙伴们介绍点不一样的~ 哈哈 😝
如下图~
看到这图你想到什么了呢~
其实只是我无聊，找个地方练练爬虫 哈哈，然后对数据进行可视化操作，就有了这么一个3d图表
而且还是有点小收获的，让我来简单介绍下先吧！
爬取的目标
如图所示，此次爬取的目标是 后端排行榜 ，没错 就是这么些数据，然后对作者对应的赞，等级,进行可视化操作
API获取
然后呢，按下浏览器的 F12 就可以从控制台中找到对应的 API 了
从上图红框中我们可以发现，这里使用的是 Http2.0 ，和之前爬公众号的一样，要导入这个包 from hyper.contrib import HTTP20Adapter
Http2.0
Http2.0 有几个新特点：
- 新的二进制格式
- 多路复用（MultiPlexing）
- header压缩
- 服务端推送（server push）
Http2.0 中头部压缩的原理：(谷歌技术专家大佬分享的图片)
简单来说呢,就是客户端和服务端都会维护一个静态表格，然后在传输信息时，就可以直接传递这个 header 对应的索引给到对方，不用像之前那样传输 header:get ，可以减少传输大小
有了APi后，我们就是对获取到的数据进行清洗就好了~
pyecharts
清洗完数据后呢，我们要对数据进行可视化操作
这里就不得不提下这个 pyecharts 了，其实它是 封装了这个 echarts 图表库，类似 vue 封装的 v-charts ，所以很多参数不明白的话，得去 echarts 官方文档查看，还可以在线调试😄
👉 pyecharts 官方文档：pyecharts.org/#/zh-cn/int…
👉 echarts 官方文档： echarts.apache.org/examples/zh…
真的很好看😄
代码
代码在官网就有，直接将上面的 demo 抄过来，进行简单的改造就可以啦
代码也比较简单，这里就简单说下核心步骤啦😄，最后将数据填到上面 demo 的相应位置就可以了
# 填充数据，获取最大的赞
def parse_user_and_got_max_count(users, userNames, b3d_data):
max_digg_count = 0
for user in users:
user_name = dict(user).get('user_name')
userNames.append(user_name)
user_index = len(userNames) - 1
got_digg_count = dict(user).get('got_digg_count')
# got_view_count = dict(user).get('got_view_count')
level = dict(user).get('level')
b3d_data.append([level - 1, user_index, got_digg_count])
if got_digg_count > max_digg_count:
max_digg_count = got_digg_count
return max_digg_count
运行结果如下，打开生成的 html 页面即可。
效果
最后再来看一下这个效果叭~😝 感觉挺炫的
最后
好了，我要减肥去了 绝望啊（没想到有一天我也得为发福焦虑 /(ㄒoㄒ)/~~）
