MOOC课程信息D3.js动态可视化

版权声明：本文为博主原创文章，转载 请注明出处：https://blog.csdn.net/sc2079/article/details/83153693

- 写在前面

---

　　好久没更新博客了，主要还是最近太忙了。很久之前就看到B站上动态柱状图图表（用D3.js做的），详情见@Jannchie见齐的主页。感觉很不错，于是便自己也做一哈。正好前一阵子写了脚本对中国大学MOOC的课程信息进行了爬取，经过修改后弄成了定时爬虫。经过近一个月爬取，数据已经挺多的啦，可以开始类似动态展示了。

　　如果需要查阅爬虫脚本的，可参见我的博客：

　　中国大学MOOC课程信息爬取与数据存储

- 环境配置

---

　　运行环境：Python3.6、Spyder

　　依赖的模块：pandas、mysql等

- 开始工作

---

1. 数据

　　从9月20日至今，已有28张表格（以爬取日期命名），每张表格中都有一两千条课程数据，如下：

2. 开源动态可视化项目

　　下载开源项目

　　Historical-ranking-data-visualization-based-on-d3.js

　　解压打开后，可以看到示例的example文件

　　步骤很简单，只需根据示例文件格式添加数据即可。对于比较复杂的设置，如添加顶部附加信息或自定义颜色等，打开config,js和visual.js进行相应修改。

　　打开压缩包内的bargraph.html网页并添加待可视化的表格文件即可。

3. 获取每天选课热度前10课程

'''获取热度每天选课热度前15课程'''
def get_top_hot(quire_condition):
    db = pymysql.connect(host='localhost',user='root',passwd='root',db='mooc_courses_infos',charset='utf8')    #连接数据库
    cur = db.cursor()
    sql = 'SHOW TABLES'
    cur.execute(sql)    #遍历所有表格
    tables= cur.fetchall()
    top_hot={}  #热度
    for table in tables:
        data=table[0][9:11]+'-'+table[0][12:14]  #日期标准化
        cur.execute("select course,id,stu_num from %s"% table+" where start_time like '%s'"% quire_condition+" ORDER BY stu_num desc limit 10")
        result=cur.fetchall()
        top_hot[data]=result
    return top_hot

'''热度top10课程写入CSV表格'''
def save_csv(subject,top_hot):
    all_data=()   #所有数据初始化
    date=[]     #日期
    order=[]    #每日热度排名
    for data in top_hot:
        _order=[i+1 for i in range(len(top_hot[data]))]  #每日排名编号
        order.extend(_order)
        all_data+=top_hot[data] #添加数据
        date.extend([data for _ in top_hot[data]])  #日期
    dataframe = pd.DataFrame(list(all_data))  #数据字典化
    dataframe.columns = ['name','type','value']  #修改标签
    dataframe['type']=order  #将type列值改为每日热度的排名
    dataframe['date']=date   #添加日期列
    path='C:\\Users\\Administrator\\Desktop\\Historical-ranking-data-visualization-based-on-d3.js-master\\src\\'
    '''将DataFrame存储为csv,index表示是否显示行名，default=True'''
    dataframe.to_csv(path+subject+'.csv',index=False,sep=',')  #写入csv

　　需要说明的是因为课程进程不一致，为了相对公正一些，我这里将其分为三类：已结束的、正在进行的、即将开始的，分别获取每日热度top10。

conditions={'已结束':'已结束%','即将开始':'%开课%','正在进行':'进行至%'}  #查询条件集
condition='已结束'  #查询条件
quire_condition=conditions[condition]  #SQL语句中的查询条件
top_hot=get_top_hot(quire_condition)  #获取指定查询条件下所有课程热度前10
save_csv(condition,top_hot)  #存入SCV表格

4. 获取指定课程门类下每天选课热度前10课程

'''获取指定门类课程名称和ID'''
def get_kc_kind(subject):
    subject_ids=[]
    db = pymysql.connect(host='localhost',user='root',passwd='root',db='mooc_courses_info2',charset='utf8')
    cur = db.cursor()
    cur.execute("select id from %s"% subject)    #获取表所有课程ID
    results=cur.fetchall()
    for result in results:
        subject_ids.append(result[0])
    return subject_ids

'''获取指定门类课程的选课人数变化'''
def get_hot_by_subject(subject_ids):
    subject_ids=tuple(subject_ids)
    db = pymysql.connect(host='localhost',user='root',passwd='root',db='mooc_courses_infos',charset='utf8')
    cur = db.cursor()
    sql = 'SHOW TABLES'
    cur.execute(sql)   #遍历指定数据库所有表
    tables= cur.fetchall()
    top_hot={}  #热度
    for table in tables:  #特定日期
        data=table[0][9:11]+'-'+table[0][12:14]  #日期标准化
        '''查询条件：在指定门类下ID范围内；正在进行的课程；课程热度由高到低前10'''
        sql2 = "select course,id,stu_num from %s"% table+" where id in (%s)" % ','.join(['%d']*len(subject_ids)) % subject_ids \
              +" and start_time like '进行至%' ORDER BY stu_num desc limit 10"
        cur.execute(sql2)
        result=cur.fetchall()
        top_hot[data]=result
    return top_hot

　　这里值得说的是SQL查询语句where in下变量的表达，使用了format（花了不少功夫才得以解决）。

subjects={'国家精品':'excellent_course','计算机':'computer','经济管理':'management','心理学':'psychology',
         '外语':'language','文学历史':'literary_history','艺术设计':'art','工学':'engineering',
         '理学':'science','生命科学':'biomedicine','哲学':'philosophy','法学':'law',
         '教育教学':'teaching_method'}
_subjects=list(subjects.keys())  #课程门类中文名列表
for subject in _subjects:
    subject_Eng=subjects[subject]  #课程门类英文名
    subject_ids=get_kc_kind(subject_Eng)  #获取该门类下所有ID
    subject_top_hot=get_hot_by_subject(subject_ids)  #该门类下每日课程热度前10
    save_csv(subject,subject_top_hot)  #写入CSV

- 结果展示

---

1. 正在进行的所有课程每日热度前10

2. 即将开课的所有课程每日热度前10

3. 已结束的所有课程每日热度前10

4. 计算机门类下正在进行课程每日热度前10

5. 国家精品门类下正在进行课程每日热度前10

- 写在最后

---

　　运行程序时发现挺快的，只有几秒钟，因此代码优化暂时不着急做。在绘制动态图表时，为了展示效果更好还需要学习下开源项目的代码，进行相应优化提升。另图表中有些Bug，比如有些值显示不出来，为NaN。

　　最后还是非常感谢大佬的开源奉献！