感谢关注天善智能，走好数据之路↑↑↑
欢迎关注天善智能，我们是专注于商业智能BI，人工智能AI，大数据分析与挖掘领域的垂直社区，学习，问答、求职一站式搞定！
本文作者：天善智能社区专家徐麟
天善智能社区地址：https://www.hellobi.com/
前言
几经思考，终于下定决心开设这个公众号，希望在这里与大家分享一些关于数据分析&数据挖掘有意思的事情，如果对于内容有任何的意见或建议，都希望大家在评论中不吝赐教。
言归正传，在今后的几期推送中，会与大家分享一些自己用R语言爬虫+可视化实现的案例，第一期就从本人最喜欢看的电视说起，分析各省级卫视收视率。
相关Package
## 爬虫相关包
library(RCurl)
library(XML)
library(RSelenium)
## 数据读取相关包(表格和地图文件)
library(data.table)
library(maptools)
## R中实现sql代码处理表格
library(sqldf)
## 数据可视化相关包
library(ggplot2)
library(ggthemes)
数据爬取
实时数据可以在欢娱网(http://www.csm-huan.com)中获得，该网站数据的爬取需要借助RSelenium包获得动态页面，网站的界面如下：
爬取的核心代码：
ele_str1<-sprintf('//*[@id="tbody"]/tr[%d]/td[1]/a',i)
elem_1 <- getNodeSet(htmlParse(remDr$findEleent(using="xpath",ele_str1)
$getElementAttrbute("outerHTML")[[1]],ecoding='utf-8'),
'//a[@href="javascript:vid(0);"]')
station <- sapply(elem_1,xmlValue)
剩下要做的就是循环得到每个电视台的数据，其中i为循环变量
地图数据读取、融合
地图数据的处理需要完成两部分工作，包括地图shp文件读取与收视率数据融合
数据读取：
china_map <- readShapePoly("中国地图shp格式/china_basic_map/bou2_4p.shp")
china_map1 <- china_map@data
china_map1$id <-0:(nrow(china_map1)-1)
china_map1$id <-as.character(china_map1$id)
china_map2 <- fortify(china_map)
china_map3 <- left_join(china_map2, china_map1,by='id')
colnames(province_rate)[2] <-'NAME'
china_map3$NAME <-as.character(china_map3$NAME)
收视率数据融合：
province_rate <- sqldf('select b.*,a.*
from tv_rate a
inner join province b on a.station = b.station')
province_rate$rate <-as.numeric(substr(as.character(province_rate$rate),1,6))
china_map4 <- left_join(china_map3,province_rate,by='NAME')
数据可视化-全国地图展示数据
完成了前期数据准备，就要进入到了数据可视化的阶段，我们选取了ggplot包进行数据的可视化，并且结合ggthemes包提供的一些不错的配色方案，提高展示的可读性。
首先绘制的是全国地图数据，我们用颜色的深浅表示收视率的高低，分别选取了ggthems包中theme_economist,theme_wsj,theme_map三种配色方案作图进行对比
附作图代码：
p <- ggplot() +
geom_polygon(data=china_map4,aes(x=long,y=lat,group=group,fill=收视率百分比),col='pink')+coord_map()+
scale_fill_gradient2(low='white',high='#DC143C',mid='orange',
midpoint=max(province_rate$rate,na.rm = TRUE)/2)+
xlim(73,137)+ylim(17,55)+
geom_text(data=province_rate,aes(x=longitude,y=latitude,label=province_name),size=2.8,alpha=0.7)+
ggtitle(label = sprintf('实时收视率%s',format(Sys.time(),format="%Y/%m/%d %H:%M")))+
theme_map()+theme(panel.grid.major = element_blank(),
panel.grid.minor = element_blank(),
axis.ticks = element_blank(),
axis.line = element_blank(),
axis.text = element_blank(),
axis.title = element_blank(),
legend.position ='NONE',
plot.title = element_text(hjust=0.5,size=25)
)
print(p)
数据可视化-分省市对比数据
与上一部分相比，加入了facet_wrap函数，实现了将各个省市轮廓进行切分，并且根据收视率的高低进行排序，提高可读性，以下分别是上午，下午，晚上三个时段的数据。
我们不难发现，不同收视段的排名靠前节目有明显不同，上午收看电视的观众更加关注股市和民生类节目，下午则更加注重养生，晚上则是娱乐节目的天下，我们可以针对于此进行更加深入的分析。
网友评论