IPython Notebookで梅田のラーメン屋さんの統計情報を抽出するというハンズオンに行ってきました

2016/01/23 2016/09/18

IPython Notebookで梅田のラーメン屋さんの情報をWebスクレイピングして抽出して統計情報にするというハンズオンに行ってきました。

環境構築はLinux Mint 17 MATE 64bit にIPython Notebookをインストールするをご参照ください。
※Mac、Windowsでの環境はWeb検索でお願いいたします。。。。。

ハンズオン本編

Webスクレイピングに必要なライブラリをインポートします

import scrapelib
from bs4 import BeautifulSoup

import scrapelib

from bs4 import BeautifulSoup

お店ごとの要素を配列にします

URLを見れば丸わかりですがとあるサイトから情報をとっています

s = scrapelib.Scraper(requests_per_minute=10)
r = s.get('http://tabelog.com/osaka/A2701/A270101/rstLst/ramen/')
soup = BeautifulSoup(r.text, "lxml")
omises = soup.find_all("li", class_="js-cassette js-rstlst-cassete list-rst is-blocklink js-bookmark")

s = scrapelib.Scraper(requests_per_minute=10)

r = s.get('http://tabelog.com/osaka/A2701/A270101/rstLst/ramen/')

soup = BeautifulSoup(r.text, "lxml")

omises = soup.find_all("li", class_="js-cassette js-rstlst-cassete list-rst is-blocklink js-bookmark")

お店情報の要素配列をループして欲しい情報だけの配列にします

for omise in omises:
    omise_tsuika = {}
    namae = omise.find("a", class_="list-rst__rst-name-target js-click-rdlog")
    omise_tsuika["name"] = namae.string
    point_strong = omise.find_all("span", class_="list-rst__rating-val tb-rating__val tb-rating__val--strong")
    if len(point_strong) > 0:
        if(point_strong[0].string != "-"): 
            omise_tsuika["point_gokei"] = float(point_strong[0].string)
    comment = omise.find("em",class_="list-rst__rvw-count-num")
    if(comment.string != "-"):
                              omise_tsuika["comment"] = int(comment.string)
    data.append(omise_tsuika)

for omise in omises:

omise_tsuika = {}

namae = omise.find("a", class_="list-rst__rst-name-target js-click-rdlog")

omise_tsuika["name"] = namae.string

point_strong = omise.find_all("span", class_="list-rst__rating-val tb-rating__val tb-rating__val--strong")

if len(point_strong) > 0:

if(point_strong[0].string != "-"):

omise_tsuika["point_gokei"] = float(point_strong[0].string)

comment = omise.find("em",class_="list-rst__rvw-count-num")

if(comment.string != "-"):

omise_tsuika["comment"] = int(comment.string)

data.append(omise_tsuika)

データ配列を見てみます

print(data)

1 2	print(data)

こんなデータが取れました。

comment : コメント数
name : 店名
point_gokei : 評価点

Screenshot-DataSicenceStudy01-2

統計分析に必要なライブラリをインポートします

%matplotlib inline
import matplotlib.pyplot as plt
import numpy as np
from pandas import Series,DataFrame
import pandas as pd

%matplotlib inline

import matplotlib.pyplot as plt

import numpy as np

from pandas import Series,DataFrame

import pandas as pd

データフレームを作成します

df = DataFrame(data,
              columns=['name',
                      'point_gokei','comment'])

df = DataFrame(data,

columns=['name',

'point_gokei','comment'])

要約統計量を計算します

df.describe()

1 2	df.describe()

Screenshot-DataSicenceStudy01-3

相関係数を計算します

df.point_gokei.corr(df.comment)

1 2	df.point_gokei.corr(df.comment)

0.54091975491834943

散布図を出力します

plt.scatter(df.comment,df.point_gokei)

1 2	plt.scatter(df.comment,df.point_gokei)

Screenshot-DataSicenceStudy01 -4

面白い！

最後までお読みいただきましてありがとうございました！

「AWS認定資格試験テキスト＆問題集　AWS認定ソリューションアーキテクト - プロフェッショナル改訂第2版」という本を書きました。

「AWS認定資格試験テキスト AWS認定クラウドプラクティショナー改訂第3版」という本を書きました。

「ポケットスタディ AWS認定デベロッパーアソシエイト［DVA-C02対応］」という本を書きました。

「要点整理から攻略するAWS認定ソリューションアーキテクト-アソシエイト」という本を書きました。

「AWSではじめるLinux入門ガイド」という本を書きました。

@yamamanx

開発ベンダー5年、ユーザ企業システム部門通算9年、ITインストラクター5年目でプロトタイプビルダーもやりだしたSoftware Engineerです。
質問はコメントかSNSなどからお気軽にどうぞ。
出来る限りなるべく答えます。

このブログの内容/発言の一切は個人の見解であり、所属する組織とは関係ありません。
このブログは経験したことなどの共有を目的としており、手順や結果などを保証するものではありません。
ご参考にされる際は、読者様自身のご判断にてご対応をお願いいたします。

また、勉強会やイベントのレポートは自分が気になったことをメモしたり、聞いて思ったことを書いていますので、登壇者の意見や発表内容ではありません。

- Python, study data, python

: 隣の芝生は青かった？！VoiceUI/UXデザイナーがスキル解剖して気づいたいくつかのこと(Alexa Day 2019でのブログ)

以下は、気になったことのメモとか感想を書いています。登壇者、発表者、主催企業な …

: Rapidminerハンズオン勉強会に行ってきました

機械学習 OSSのRapidminerの勉強会に行ってきました。 OSS BI …

: Java SE 7 Silver模擬テストの結果気になる問題をメモ 2015/2/13

違う種類の模擬テスト1回目。 90問中77問正解。正解率85%。まだまだ不安 …

: Alexa Skills Kit 最新アップデート(Alexa Day 2019 でのブログ)

以下は、気になったことのメモとか感想を書いています。登壇者、発表者、主催企業な …

: 「JAWS-UG千葉支部オンライン#9 AWS re:Invent 2020 re:Cap＆LT大会」に参加しました

今日は千葉支部におじゃましました。 re:Invent2020振り返り〜はじめ …

: Developers Summit 2024 「アーキテクチャから学ぶKubernetesの全体像」を見ました

株式会社スリーシェイク bells17さん Kubernetesの基盤となるCo …

: AWS認定のバッジ管理が新しくなったみたいです

ふと、メールが届きました。なんでしょうね。いきなりリンクを踏むのもあれなんで …

: JP_Stripes Connect 2019で決済サービスの事例を聞いてきた

JP_Stripes Connect 2019が大阪で開催されるということで、行 …

: 久しぶりにMonotaROさんの話しを聞いて興奮した「MonotaRO Tech Talk #6 (大阪梅田オフィスオープン記念)」

エンジニア人生というか、普通に仕事に対する考え方とか、自分に大きな影響を与えてく …

: JAWS FESTA 2017 Reverse X re:Birth

JAWS FESTA 2017 中四国今年はブログタイトル「JAWS FEST …

PREV: Linux Mint 17 MATE 64bit にTensorFlowをインストールする
NEXT: PentahoでMySQLテーブルデータソースを作成しようとした時のエラー対応

IPython Notebookで梅田のラーメン屋さんの統計情報を抽出するというハンズオンに行ってきました

ハンズオン本編

Webスクレイピングに必要なライブラリをインポートします

お店ごとの要素を配列にします

お店情報の要素配列をループして欲しい情報だけの配列にします

データ配列を見てみます

統計分析に必要なライブラリをインポートします

データフレームを作成します

要約統計量を計算します

相関係数を計算します

散布図を出力します

ad

ad

関連記事

隣の芝生は青かった？！VoiceUI/UXデザイナーがスキル解剖して気づいたいくつかのこと(Alexa Day 2019でのブログ)

Rapidminerハンズオン勉強会に行ってきました

Java SE 7 Silver模擬テストの結果気になる問題をメモ 2015/2/13

Alexa Skills Kit 最新アップデート(Alexa Day 2019 でのブログ)

「JAWS-UG千葉支部オンライン#9 AWS re:Invent 2020 re:Cap＆LT大会」に参加しました

Developers Summit 2024 「アーキテクチャから学ぶKubernetesの全体像」を見ました

AWS認定のバッジ管理が新しくなったみたいです

JP_Stripes Connect 2019で決済サービスの事例を聞いてきた

久しぶりにMonotaROさんの話しを聞いて興奮した「MonotaRO Tech Talk #6 (大阪梅田オフィスオープン記念)」

JAWS FESTA 2017 Reverse X re:Birth