Python连载04|常用第三方库实战:requests抓数据、pandas做分析

# 安装库pip install requests pandas openpyxl# 安装指定版本pip install requests==2.31.0# 升级库pip install --upgrade requests# 查看已安装的库pip list# 卸载库pip uninstall requests# 国内镜像加速（推荐）pip install requests -i https://pypi.tuna.tsinghua.edu.cn/simple

import requests# 调用免费API：获取随机笑话response = requests.get("https://httpbin.org/json")# 查看状态码print(response.status_code)  # 200 表示成功# 获取返回的JSON数据data = response.json()print(data)

import requests# 模拟查询参数：?city=北京&days=3params = {    "city": "北京",    "days": 3}response = requests.get(    "https://httpbin.org/get",    params=params)print(response.url)  # https://httpbin.org/get?city=北京&days=3print(response.json()["args"])  # {'city': '北京', 'days': '3'}

import requests# 模拟登录提交data = {    "username": "ama",    "password": "123456"}response = requests.post("https://httpbin.org/post", data=data)result = response.json()print(result["form"])  # {'username': 'ama', 'password': '123456'}

import json# Python字典 → JSON字符串student = {    "name": "小明",    "age": 3,    "courses": ["Python", "AI"],    "graduated": False}json_str = json.dumps(student, ensure_ascii=False, indent=2)print(json_str)

{  "name": "小明",  "age": 3,  "courses": ["Python", "AI"],  "graduated": false}

# JSON字符串 → Python字典parsed = json.loads(json_str)print(parsed["name"])      #小明 print(parsed["courses"])    # ['Python', 'AI']print(type(parsed))       # <class 'dict'># 读写JSON文件with open("data.json", "w", encoding="utf-8") as f:    json.dump(student, f, ensure_ascii=False, indent=2)with open("data.json", "r", encoding="utf-8") as f:    loaded = json.load(f)

import os# 获取当前工作目录print(os.getcwd())# 创建目录os.makedirs("output/screenshots", exist_ok=True)# 列出目录下所有文件files = os.listdir(".")print(files)# 判断文件/目录是否存在print(os.path.exists("data.json"))    # True/Falseprint(os.path.isfile("data.json"))    # Trueprint(os.path.isdir("output"))        # True# 获取文件大小（字节）size = os.path.getsize("data.json")print(f"文件大小：{size} 字节")# 拼接路径（跨平台安全）path = os.path.join("output", "screenshots", "img.png")print(path)  # output\screenshots\img.png (Windows)

import os# 把目录下所有 .txt 文件加前缀 "backup_"folder = "./notes"for filename in os.listdir(folder):    if filename.endswith(".txt"):        old_path = os.path.join(folder, filename)        new_path = os.path.join(folder, f"backup_{filename}")        os.rename(old_path, new_path)        print(f"重命名：{filename} → backup_{filename}")

import pandas as pd# 从字典创建数据表data = {    "姓名": ["张三", "李四", "王五", "赵六"],    "语文": [85, 92, 78, 90],    "数学": [90, 88, 95, 72],    "英语": [78, 85, 82, 88]}df = pd.DataFrame(data)print(df)

   姓名  语文  数学  英语0  张三  85  90  781  李四  92  88  852  王五  78  95  823  赵六  90  72  88

# 添加总分和平均分列df["总分"] = df[["语文", "数学", "英语"]].sum(axis=1)df["平均分"] = df[["语文", "数学", "英语"]].mean(axis=1).round(1)print(df[["姓名", "总分", "平均分"]])

   姓名  总分  平均分0  张三  253  84.31  李四  265  88.32  王五  255  85.03  赵六  250  83.3

# 筛选：数学大于80分的同学math_good = df[df["数学"] > 80]print(math_good[["姓名", "数学"]])

   姓名  数学0  张三  901  李四  882  王五  95

# 按总分降序排序ranked = df.sort_values("总分", ascending=False)print(ranked[["姓名", "总分"]])

   姓名  总分1  李四  2652  王五  2550  张三  2533  赵六  250

# 统计每科平均分print(df[["语文", "数学", "英语"]].mean())

语文    86.25数学    86.25英语    83.25dtype: float64

# 保存为CSV文件df.to_csv("成绩表.csv", index=False, encoding="utf-8-sig")# 保存为Excel文件（需要 openpyxl 库）df.to_excel("成绩表.xlsx", index=False, sheet_name="期中考试")# 读取CSV文件df2 = pd.read_csv("成绩表.csv")# 读取Excel文件df3 = pd.read_excel("成绩表.xlsx", sheet_name="期中考试")

import requestsimport jsonimport pandas as pd# 1. 模拟从API获取多个城市的天气数据# （实际开发中替换为真实天气API）weather_data = [    {"city": "北京", "temp": 32, "humidity": 45, "aqi": 85},    {"city": "上海", "temp": 29, "humidity": 72, "aqi": 55},    {"city": "广州", "temp": 35, "humidity": 80, "aqi": 42},    {"city": "成都", "temp": 28, "humidity": 68, "aqi": 60},    {"city": "哈尔滨", "temp": 22, "humidity": 50, "aqi": 38},]# 2. 保存为JSON文件with open("weather.json", "w", encoding="utf-8") as f:    json.dump(weather_data, f, ensure_ascii=False, indent=2)# 3. 用pandas加载并分析df = pd.DataFrame(weather_data)# 最热的城市hottest = df.loc[df["temp"].idxmax()]print(f"🔥 最热城市：{hottest['city']}，{hottest['temp']}°C")# 空气最好的城市best_air = df.loc[df["aqi"].idxmin()]print(f"🌿 空气最好：{best_air['city']}，AQI {best_air['aqi']}")# 平均温度和湿度print(f"📊 平均温度：{df['temp'].mean():.1f}°C")print(f"📊 平均湿度：{df['humidity'].mean():.1f}%")# 筛选：温度>30且AQI<60的城市comfortable = df[(df["temp"] > 30) & (df["aqi"] < 60)]print(f"\n温度>30且空气好的城市：")print(comfortable[["city", "temp", "aqi"]])# 4. 导出分析结果到Exceldf.to_excel("天气分析.xlsx", index=False)