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！

【PR】「AWS認定試験対策 AWS クラウドプラクティショナー」という本を書きました。

【PR】「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3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

: Java SE 7 Silver対策勉強をしながらメモ 2015/2/9

練習問題2日目。同じ問題にひっかかる。つまづく。集中力が足りない。途中から …

: 実録 JAWS DAYS 2017 ~RoadTrip,スタッフ,ハンズオンメンターで参加しまして~

今年もJAWS DAYSにいってまいりました。 RoadTripの話去年に引き …

: 「Einsteinボット構築体験ハンズオン」でボットをノーコードで構築した

Salesforce World Tour Tokyoで基調講演の後、最近のニー …

: LINEとAWSとTwilioとkintoneでBOTを作ってみるハンズオン (1)LambdaからSlackへ通知する1

作る部分 SlackのWebURLを確認する Slackでチームを作成してbot …

: Java SE 7 Silver対策勉強をしながらメモ 2015/2/4

本日は継承をどっぷりと。一気に詰め込んで正解だったかも。いつものごとくマーク …

: Java SE 7 Silver対策勉強をしながらメモ 2015/2/1

本日は繰り返し処理。配列や演算でひっかけてくる問題に苦戦。繰り返しだけに頭を …

: AWS認定オンライン受験をしてみました(OnVUE)

本日2020年5月28日より、AWS認定試験のオンライン受験が、日本国内でも可能 …

: 「XP祭り in 関西 2016 〜アジャイル15周年ふりかえり〜」に行ってきました

「XP祭り in 関西 2016 〜アジャイル15周年ふりかえり〜」に行ってきま …

: JAWS DAYS 2018 「Cost-Driven AWS クラウドアーキテクチャデザインとコスト最適化方法 – Cost-Driven AWS Cloud Architecture Design : The Lean Startup on AWS」を聞きました

以下は、思ったことや気になったことをメモしていますので、必ずしも登壇者の発表内容 …

: 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 …

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