数据分析实战丨基于pygal与requests分析GitHub最受欢迎的Python库

写在前面

本期内容： 基于pygal与requests分析GitHub最受欢迎的30个Python库

实验环境：

• python
• requests
• pygal

下载地址：https://download.csdn.net/download/m0_68111267/88719839

实验目标

在现实的应用中，我们经常会使用爬虫分析网络数据，本期博主将用pygal＋requests简单对github最受欢迎的30个python库做可视化分析（以stars数量进行排序）。

实验内容

1.配置实验环境

在正式开始之前，我们需要先安装本次实验用到的依赖库：

requests：一个Python第三方库，用于发送HTTP请求，并且提供了简洁而友好的API。它支持各种HTTP方法，并具有自动化的内容解码、会话管理、文件上传下载等功能，是进行Web开发和网络爬虫的常用工具。

pygal：一个开源的Python图表库，用于制作统计图表和可视化数据。它支持多种图表类型，包括折线图、柱状图、饼图等，并且具有丰富的样式和可定制性。通过pygal，用户可以轻松地创建漂亮、交互式的图表，用于数据分析和展示。

安装命令：

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple requests
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pygal

2.GitHub知识点

GitHub官方提供了一个JSON网页，其中存储了按照某个标准排列的项目信息，我们可以通过以下网址查看关键字是python且按照stars数量排列的项目信息：

https://api.github.com/search/repositories?q=language:python&sort=stars

这个网址的JSON数据中，items保存了前30名stars最多的Python项目信息。

重点关注以下信息：

其中：

• name：表示库名称
• login：表示库的拥有者
• html_url：表示库的网址
• stargazers_count：该库被star的数量

3.爬取重要信息

我们先尝试着简单爬取一下本次实验所需要的几个重要信息

程序设计

"""
作者：Want595
微信号：Want_595
公众号：Want595
"""
import requests

url = 'https://api.github.com/search/repositories?q=language:python&sort=stars'
reponse = requests.get(url)
print(reponse.status_code, "响应成功！")
response_dict = reponse.json()
total_repo = response_dict['total_count']
repo_list = response_dict['items']
print("总仓库数：", total_repo)
print('top：', len(repo_list))
for repo_dict in repo_list:
    print('\n名字：', repo_dict['name'])
    print('作者：', repo_dict['owner']['login'])
    print('Stars：', repo_dict['stargazers_count'])
    print('网址：', repo_dict['html_url'])
    print('简介：', repo_dict['description'])

程序分析

该代码使用Python的requests模块来访问GitHub的API，并搜索使用Python语言的仓库，并按照stars数量进行排序。代码首先发送GET请求，然后将响应转换为JSON格式。接着打印总仓库数和top仓库数。然后遍历仓库列表，并打印每个仓库的名称、作者、stars数量、网址和简介。这段代码的作用是获取GitHub上使用Python语言的仓库中的一些基本信息，并打印出来。

运行结果

4.可视化分析

程序设计

"""
作者：Want595
微信号：Want_595
公众号：Want595
"""
import requests
import pygal
from pygal.style import LightColorizedStyle, LightenStyle

url = 'https://api.github.com/search/repositories?q=language:python&sort=stars'
reponse = requests.get(url)
print(reponse.status_code, "响应成功！")
response_dict = reponse.json()
total_repo = response_dict['total_count']
repo_list = response_dict['items']
print("总仓库数：", total_repo)
print('top：', len(repo_list))

names, plot_dicts = [], []

……具体代码请下载后查看哦

程序分析

该程序使用了requests库向GitHub的API发送请求，获取了Python语言的仓库列表，并对返回的数据进行处理和分析。

具体的程序分析如下：

1. 导入需要使用的库：requests、pygal以及相关的样式库。
2. 设置GitHub的API请求URL，其中指定了查询语言为Python，并按照星标数（即stars）排序。
3. 发送GET请求，并获取返回的响应对象。
4. 打印响应状态码，用于验证请求是否成功。
5. 将响应对象的JSON数据转换为字典形式。
6. 获取仓库的总数和仓库列表。
7. 打印总仓库数和仓库列表长度。
8. 初始化用于绘图的变量：names（存储仓库名称）、plot_dicts（存储每个仓库的相关信息）。
9. 遍历仓库列表，分别获取仓库名称、仓库的星标数、仓库的描述和仓库的URL，并将相关信息添加到对应的变量中。
10. 初始化绘图的样式和配置。
11. 创建柱状图对象，并设置标题、横坐标、数据等属性。
12. 将数据添加到柱状图中。
13. 将柱状图渲染为SVG文件。

最终的结果是生成了一个包含前30名最受欢迎的Python库的柱状图，并将图表保存为SVG文件。

运行结果

写在后面

我是一只有趣的兔子，感谢你的喜欢！