一 、前言
一年一度的中秋节马上就要来了，中秋节时，月亮圆满，象征着团圆。可惜像我们在外漂泊打拼的人们很少有机会在中秋节回家团圆。也在这个时刻更能体会“独在异乡为异客，每逢佳节倍思亲”这句诗。
但我们还是可以给家人送上一些问候和祝福来弥补。在这里也提前祝大家中秋快乐，愿你过的每一天都象十五的月亮一样成功圆满！
下面是我通过百度历年的“中秋”关键词搜索数据并结合antd-echarts绘制柱状图来可视化的呈现数据，并做了一些简单的分析。具体过程如下。
可以查看通过百度搜索“中秋”关键字的一个历年热度情况，然后通过python代码来爬取2011-2022年的数据，源码如下：
import requests headers = { "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/89.0.4389.82 Safari/537.36", "Host": "index.baidu.com", "Referer": "http://index.baidu.com/v2/main/index.html", "Cipher-Text": "1652425237825_1652501356206_VBpwl9UG8Dvs2fAi91KToRTSAP7sDsQU5phHL97raPDFJdYz3fHf9hBAQrGGCs+qJoP7yb44Uvf91F7vqJLVL0tKnIWE+W3jXAI30xx340rhcwUDQZ162FPAe0a1jsCluJRmMLZtiIplubGMW/QoE/0Pw+2caH39Ok8IsudE4wGLBUdYg1/bKl4MGwLrJZ7H6wbhR0vT5X0OdCX4bMJE7vcwRCSGquRjam03pWDGZ51X15fOlO0qMZ2kqa3BmxwNlfEZ81l3L9nZdrc3/Tl4+mNpaLM7vA5WNEQhTBoDVZs6GBRcJc/FSjd6e4aFGAiCp1Y8MD66chTiykjIN51s7gbJ44JfVS0NjBnsvuF55bs=", "Cookie": '通过F12获取你自己的cookie' } res_data = [] for i in range(11, 23): url = f'https://index.baidu.com/api/SearchApi/index?area=0&word=[[%7B%22name%22:%22%E4%B8%AD%E7%A7%8B%22,%22wordType%22:1%7D]]&startDate=20{i}-01-01&endDate=20{i}-12-31' r = requests.get(url, headers=headers).json() data = r['data']['generalRatio'][0] all_index, pc_index, mb_index = data['all']['avg'], data['pc']['avg'], data['wise']['avg'] year = '20' + str(i) res_data.append({'name': 'PC', '年份': year, '平均值': pc_index}) res_data.append({'name': '全部', '年份': year, '平均值': all_index}) res_data.append({'name': '移动端', '年份': year, '平均值': mb_index}) print(res_data)
使用上面的源码需要安装requests库：pip install requests,然后header中的cookie要使用自己的，可以在浏览器页按下F12中进行获取：
执行脚本后输出的结果如下：
[{'name': 'PC', '年份': '2011', '平均值': 1415}, {'name': '全部', '年份': '2011', '平
输出结果的格式是一个列表，为什么要这样输出是因为antd-echarts中柱状图要求这样的格式，我们这样输出后前端不需要再做任何处理，直接拿到数据展示即可，减少了一定的工作量。
三、前端代码
前端是通过antd-echarts的分组柱状图来实现的，具体的代码实现如下：
import { Column } from '@ant-design/plots'; const DemoColumn = () => { const data=[{'name': 'PC', '年份': '2011', '平均值': 1415}, {'name': '全部', '年份': '2011', '平均值': 1941}, {'name': '移动端', '年份': '2011', '平均值': 526}, {'name': 'PC', '年份': '2012', '平均值': 1000}, {'name': '全部', '年份': '2012', '平均值': 1652}, {'name': '移动端', '年份': '2012', '平均值': 651}, {'name': 'PC', '年份': '2013', '平均值': 1590}, {'name': '全部', '年份': '2013', '平均值': 2935}, {'name': '移动端', '年份': '2013', '平均值': 1344}, {'name': 'PC', '年份': '2014', '平均值': 1383}, {'name': '全部', '年份': '2014', '平均值': 2618}, {'name': '移动端', '年份': '2014', '平均值': 1234}, {'name': 'PC', '年份': '2015', '平均值': 2345}, {'name': '全部', '年份': '2015', '平均值': 4714}, {'name': '移动端', '年份': '2015', '平均值': 2369}, {'name': 'PC', '年份': '2016', '平均值': 1948}, {'name': '全部', '年份': '2016', '平均值': 3826}, {'name': '移动端', '年份': '2016', '平均值': 1878}, {'name': 'PC', '年份': '2017', '平均值': 890}, {'name': '全部', '年份': '2017', '平均值': 2466}, {'name': '移动端', '年份': '2017', '平均值': 1576}, {'name': 'PC', '年份': '2018', '平均值': 1926}, {'name': '全部', '年份': '2018', '平均值': 4659}, {'name': '移动端', '年份': '2018', '平均值': 2732}, {'name': 'PC', '年份': '2019', '平均值': 1672}, {'name': '全部', '年份': '2019', '平均值': 5304}, {'name': '移动端', '年份': '2019', '平均值': 3631}, {'name': 'PC', '年份': '2020', '平均值': 876}, {'name': '全部', '年份': '2020', '平均值': 3491}, {'name': '移动端', '年份': '2020', '平均值': 2614}, {'name': 'PC', '年份': '2021', '平均值': 1374}, {'name': '全部', '年份': '2021', '平均值': 6640}, {'name': '移动端', '年份': '2021', '平均值': 5265}, {'name': 'PC', '年份': '2022', '平均值': 896}, {'name': '全部', '年份': '2022', '平均值': 3425}, {'name': '移动端', '年份': '2022', '平均值': 2529}] const config = { data, isGroup: true, xField: '年份', yField: '平均值', seriesField: 'name', color: ['#1ca9e6', '#f88c24','#30BF78'], /** 设置间距 */ // marginRatio: 0.1, label: { // 可手动配置 label 数据标签位置 position: 'middle', // 'top', 'middle', 'bottom' // 可配置附加的布局方法 layout: [ // 柱形图数据标签位置自动调整 { type: 'interval-adjust-position', }, // 数据标签防遮挡 ], }, }; return <Column {...config} />; }; export default DemoColumn
展示结果
然后按照同样的操作再试试“月饼”关键词的呈现：
另外antd-echarts还提供非常多的图表供我们使用比如常见的折线图、饼图等，不常见的漏斗图、玉珏图、分面图等也支持。文档也很规范容易上手，大家也可以尝试下。
四、结果分析
通过上图我们可以发现：
2021年中秋热度最高；
2012年中秋热度最低；
越来越多的用户倾向使用移动端进行搜索，电脑用户在逐渐减少，这也符合整个大环境的表现；
上面的数据也仅供参考，没有实际的对比意义，毕竟数据的影响因素有很多。特别是这两年各大电商、短视频平台对百度搜索的分流，导致使用百度的用户越来越少，自然数据的参考价值就不大。
如果真要做有意义的分析，建议通过各大电商平台的搜索量或相关订单量来分析，这样的数据会更有参考价值一些。
