文/扬州大学社会发展学院 马梦烨；华中师范大学信息管理学院 王涵

豆瓣是目前网上对于图书信息收录最全的网站，图书评论都直接由用户提供（User-generated content,UGC），用户对图书的记录是：评分、贴标签、写短评等等。豆瓣的图书评分可以最直观地帮助用户进行图书挑选，但由于用户爱好不同、倾向不同，评分仍会带有一部分主观因素，不能做到绝对客观。因此，本文提出基于Python的数据可视化分析研究方法，对标签为“金融”的豆瓣图书进行了更深入的分析，为读者和用户如何选取金融类图书提供指导和建议。

一、研究框架

本文对豆瓣金融类图书的研究框架如图1所示。首先，用Python抓取网页源代码并获得包含书名、作者、出版社等各个网页元素的数据。其次，将所抓取的图书数据进行处理和分析，并进行格式化存储，以便于后续的可视化展示。接着对数值数据和文本数据进行预处理操作，包括异常值处理、数据清洗、缺失数据补齐等。最后进行数据分析，利用Python做词云图、用Excel透视表绘制散点图、条形图等直观的展示图书各要素之间的关系，评估结果并得出结论。

图1 研究框架

二、数据分析

本文对Python抓取到的1000本豆瓣金融类图书信息进行了出版社词云可视化分析、评分可视化分析、评价人数和评分可视化分析。

（一）出版社词云可视化分析。使用Python中的Wordcloud模块，对1000本金融类图书的出版社进行分析并生成词云图。从图中可以看出，出版社这个词出现的频率最高，这是因为大部分出版社的后缀都是出版社，但也有部分后缀如出版公司、商务印书馆等，因而并未对出版社此后缀做统一处理。……