pandas入門 .head()で先頭から要素を抜き出す
03 03, 2019
データをいろいろ扱いたい
google Colaboratoryは、環境構築不要で色々できるのが魅力です。 スクレイピングで得たデータもPythonでごにょごにょしたい。そういう時はpandasを使うようです。 今回はスクレイピングデータから最初から任意の要素を抜き出します。
元となるデータ
元となるデータはCrieitさんのタイトル一覧です。
from bs4 import BeautifulSoup
import requests
import pandas as pd
columns = ['title']
df = pd.DataFrame(columns=columns)
base_url = "https://crieit.net/posts?page="
num = 1
while num <= 1:
url=base_url+ str(num)
r = requests.get(url)
soup = BeautifulSoup(r.text)
titles =soup.select("h5 a")
if len(titles) == 0:
print("これ以上記事はありません")
break
num += 1
for title in titles:
se= pd.Series(title.text, columns)
df = df.append(se, ignore_index=True)
df.head
.head()を使うことで先頭から5つの要素を抜き出すことが可能です。 任意の数を表示させる場合はdf.head(10)などのように引数を渡します。
出来たコード
試しに６つまで取得するコードを書いています。
from bs4 import BeautifulSoup
import requests
import pandas as pd
columns = ['title']
df = pd.DataFrame(columns=columns)
base_url = "https://crieit.net/posts?page="
num = 1
while num <= 1:
url=base_url+ str(num)
r = requests.get(url)
soup = BeautifulSoup(r.text)
titles =soup.select("h5 a")
if len(titles) == 0:
print("これ以上記事はありません")
break
num += 1
for title in titles:
se= pd.Series(title.text, columns)
df = df.append(se, ignore_index=True)
df.head(6)
