商務(wù)數(shù)據(jù)分析與應(yīng)用實(shí)訓(xùn)教程 課件 項(xiàng)目10 數(shù)據(jù)采集

項(xiàng)目10數(shù)據(jù)采集場景描述數(shù)據(jù)是數(shù)據(jù)分析的基礎(chǔ)，電商數(shù)據(jù)可以從多個(gè)渠道進(jìn)行獲取，如后臺的數(shù)據(jù)下載、生意參謀各模塊的數(shù)據(jù)下載、網(wǎng)頁數(shù)據(jù)采集等。學(xué)會如何在網(wǎng)頁中采集目標(biāo)數(shù)據(jù)是數(shù)據(jù)分析中不可或缺的一步。項(xiàng)目目標(biāo)通過Excel的PowerQuery采集網(wǎng)頁端的靜態(tài)和動態(tài)數(shù)據(jù)。項(xiàng)目任務(wù)分析維度數(shù)據(jù)采集任務(wù)1：靜態(tài)數(shù)據(jù)采集（一）如何使用PowerQuery數(shù)據(jù)清洗數(shù)據(jù)保存任務(wù)2：靜態(tài)數(shù)據(jù)采集（二）獲取靜態(tài)數(shù)據(jù)的url在PowerQuery中輸入公式及M函數(shù)數(shù)據(jù)清洗數(shù)據(jù)保存任務(wù)3：動態(tài)數(shù)據(jù)采集如何使用PowerQuery獲取動態(tài)數(shù)據(jù)的url在PowerQuery中輸入公式及M函數(shù)數(shù)據(jù)清洗數(shù)據(jù)保存分析思路判斷方式：復(fù)制部分目標(biāo)數(shù)據(jù)，進(jìn)入網(wǎng)頁源代碼頁面，利用快速查找（Ctrl+F）功能確定是否能夠定位到目標(biāo)數(shù)據(jù)，定位成功則目標(biāo)數(shù)據(jù)屬于靜態(tài)數(shù)據(jù)，否則為動態(tài)數(shù)據(jù)。數(shù)據(jù)采集步驟判斷目標(biāo)數(shù)據(jù)是靜態(tài)數(shù)據(jù)還是動態(tài)數(shù)據(jù)采集目標(biāo)數(shù)據(jù)保存數(shù)據(jù)靜態(tài)數(shù)據(jù)：在加載網(wǎng)頁時(shí)，數(shù)據(jù)內(nèi)容就已經(jīng)存儲在網(wǎng)頁的源代碼中，可以直接從源代碼中提取出來。動態(tài)數(shù)據(jù)：在網(wǎng)頁加載時(shí)，并不會立即顯示出來，而是需要進(jìn)行一些特定的動作，如滑動鼠標(biāo)滾輪、點(diǎn)擊按鈕等，才會觸發(fā)加載動作，將數(shù)據(jù)動態(tài)地加載到網(wǎng)頁中。數(shù)據(jù)采集步驟判斷目標(biāo)數(shù)據(jù)是靜態(tài)數(shù)據(jù)還是動態(tài)數(shù)據(jù)采集目標(biāo)數(shù)據(jù)保存數(shù)據(jù)確定采集目標(biāo)的url：靜態(tài)數(shù)據(jù)的url與網(wǎng)址相同，而動態(tài)數(shù)據(jù)需要找到對應(yīng)加載包中請求頭頁面下的RequestURL。明確目標(biāo)所在位置：選中目標(biāo)數(shù)據(jù)，鼠標(biāo)右擊選擇“檢查”，使用開發(fā)者工具（如瀏覽器的開發(fā)者工具）定位目標(biāo)數(shù)據(jù)在網(wǎng)頁中的位置，了解數(shù)據(jù)在網(wǎng)頁中的呈現(xiàn)方式、存儲形式。采集目標(biāo)數(shù)據(jù)：編寫代碼，向網(wǎng)頁發(fā)送請求，針對網(wǎng)頁返回的內(nèi)容并提取目標(biāo)數(shù)據(jù)。將采集到的目標(biāo)數(shù)據(jù)以文件的形式存儲到本地電腦當(dāng)中，也可以存儲至云端數(shù)據(jù)庫。項(xiàng)目10數(shù)據(jù)采集任務(wù)1靜態(tài)數(shù)據(jù)采集(一)網(wǎng)址：/team/HOU.html（1）在NBA數(shù)據(jù)網(wǎng)頁上采集休斯敦火箭隊(duì)球員最新賽季的歷史數(shù)據(jù)。靜態(tài)數(shù)據(jù)采集（一）①利用Excel從“自網(wǎng)站”中獲取數(shù)據(jù)。②選擇目標(biāo)數(shù)據(jù)“Table0”表，點(diǎn)擊“編輯”進(jìn)入PowerQuery編輯器。（1）在NBA數(shù)據(jù)網(wǎng)頁上采集休斯敦火箭隊(duì)球員最新賽季的歷史數(shù)據(jù)。③刪除第一列空列。④篩選數(shù)據(jù)。將“總計(jì)”“全隊(duì)數(shù)據(jù)”“對手?jǐn)?shù)據(jù)”的勾去掉，只選擇需要的數(shù)據(jù)。靜態(tài)數(shù)據(jù)采集（一）（1）在NBA數(shù)據(jù)網(wǎng)頁上采集休斯敦火箭隊(duì)球員最新賽季的歷史數(shù)據(jù)。⑤關(guān)閉并上載數(shù)據(jù)。靜態(tài)數(shù)據(jù)采集（一）項(xiàng)目10數(shù)據(jù)采集任務(wù)2靜態(tài)數(shù)據(jù)采集(二)靜態(tài)數(shù)據(jù)采集（二）①選中數(shù)據(jù)中任一單元格，選擇“自表格/區(qū)域”，進(jìn)入PowerQuery編輯器。（1）通過設(shè)置URL規(guī)則，一次性對多個(gè)球隊(duì)的數(shù)據(jù)進(jìn)行采集。（1）通過設(shè)置URL規(guī)則，一次性對多個(gè)球隊(duì)的數(shù)據(jù)進(jìn)行采集。②添加自定義列，創(chuàng)建url。靜態(tài)數(shù)據(jù)采集（二）（1）通過設(shè)置URL規(guī)則，一次性對多個(gè)球隊(duì)的數(shù)據(jù)進(jìn)行采集。③再次添加自定義列。公式中的M函數(shù)說明：函數(shù)1：“Web.Page”是以網(wǎng)頁的方式加載數(shù)據(jù)。函數(shù)2：“Web.Contents”是將網(wǎng)頁以二進(jìn)制文件的格式下載。{0}[Data]是打開網(wǎng)頁中的第一張表格，也就是上一個(gè)采集的“Table0”。靜態(tài)數(shù)據(jù)采集（二）靜態(tài)數(shù)據(jù)采集（二）（1）通過設(shè)置URL規(guī)則，一次性對多個(gè)球隊(duì)的數(shù)據(jù)進(jìn)行采集。④展開table，空列可以直接取消勾選，并且取消勾選“使用原始列名作為前綴”復(fù)選框。⑤展開數(shù)據(jù)后，取消勾選“總計(jì)”“全隊(duì)數(shù)據(jù)”“對手?jǐn)?shù)據(jù)”復(fù)選框。⑥刪除不需要的列。⑦關(guān)閉并上載數(shù)據(jù)。靜態(tài)數(shù)據(jù)采集（二）（1）通過設(shè)置URL規(guī)則，一次性對多個(gè)球隊(duì)的數(shù)據(jù)進(jìn)行采集。項(xiàng)目10數(shù)據(jù)采集任務(wù)3動態(tài)數(shù)據(jù)采集網(wǎng)址：/team/HOU.html（1）在NBA數(shù)據(jù)網(wǎng)頁上采集不同球隊(duì)中不同球員的賽季比賽記錄。動態(tài)數(shù)據(jù)采集①F12進(jìn)入開發(fā)者模式NetWork(網(wǎng)絡(luò))界面,選擇不同年份賽季，此時(shí)右側(cè)的NetWork窗口的左側(cè)會新增文件鏈接，單擊該新增文件，在Preview窗口可查看文件內(nèi)容。②單擊“Headers”按鈕，從“Headers”窗口可以看到請求RequestURL:/team/stat_box_team.php?team=HOU&season=2017&col=pts&order=1&isseason=1。（1）在NBA數(shù)據(jù)網(wǎng)頁上采集不同球隊(duì)中不同球員的賽季比賽記錄。③將需要采集的球隊(duì)和年份數(shù)據(jù)作為參數(shù)導(dǎo)入采集過程。選擇“自表格/區(qū)域”選項(xiàng)，將數(shù)據(jù)導(dǎo)入PowerQuery編輯器。④將年份的格式設(shè)置為文本，方便參數(shù)傳入U(xiǎn)RL中。動態(tài)數(shù)據(jù)采集（1）在NBA數(shù)據(jù)網(wǎng)頁上采集不同球隊(duì)中不同球員的賽季比賽記錄。⑤添加自定義列，創(chuàng)建目標(biāo)URL。動態(tài)數(shù)據(jù)采集⑥根據(jù)url下載文件，用自定義列實(shí)現(xiàn)。M函數(shù)說明：Text.FromBinary是將二進(jìn)制文件轉(zhuǎn)成文本，其語法結(jié)構(gòu)為：Text.FromBinary(binaryasnullablebinary,optionalencodingasnullablenumber)asnullabletext。本例使用該函數(shù)是為了解決亂碼問題，第二個(gè)參數(shù)65001表示UTF8編碼。動態(tài)數(shù)據(jù)采集（1）在NBA數(shù)據(jù)網(wǎng)頁上采集不同球隊(duì)中不同球員的賽季比賽記錄。⑦展