pyhon/numpy/pandas(十二)-xml

简介: from lxml.html import parseimport urllib.requestparsed=parse(urllib.
from lxml.html import parse
import urllib.request
parsed=parse(urllib.request.urlopen('http://finance.sina.com.cn/stock/'))
doc=parsed.getroot()
print (doc)

<Element html at 0x54db9f8>
links=doc.findall('.//a')
links[:3]

[<Element a at 0x55fe5e8>, <Element a at 0x55fe868>, <Element a at 0x55fe6d8>]
urls=[lnk.get('href') for lnk in doc.findall('.//a')]
urls[-10:]

['http://corp.sina.com.cn/chn/',
 'http://corp.sina.com.cn/eng/',
 'http://emarketing.sina.com.cn/',
 'http://www.sina.com.cn/contactus.html',
 'http://corp.sina.com.cn/chn/sina_job.html',
 'http://www.sina.com.cn/intro/lawfirm.shtml',
 'http://english.sina.com',
 'https://login.sina.com.cn/signup/signup.php',
 'http://help.sina.com.cn/',
 'http://corp.sina.com.cn/chn/copyright.html']
tables=doc.findall('.//table')
call=tables[1]
rows=call.findall('.//tr')

def _unpack(row,kind='td'):
    elts=row.findall('.//%s' % kind)
    return [val.text_content() for val in elts]
_unpack(rows[0],kind='td')

['行业涨幅', '行业跌幅', '行业流入', '行业流出']
目录
相关文章
|
3天前
|
数据采集 数据处理 Python
探索数据科学前沿:Pandas与NumPy库的高级特性与应用实例
探索数据科学前沿:Pandas与NumPy库的高级特性与应用实例
11 0
|
14天前
|
机器学习/深度学习 数据处理 Python
从NumPy到Pandas:轻松转换Python数值库与数据处理利器
从NumPy到Pandas:轻松转换Python数值库与数据处理利器
34 0
|
4天前
|
数据采集 数据挖掘 API
Python数据分析加速器:深度挖掘Pandas与NumPy的高级功能
在Python数据分析的世界里,Pandas和NumPy无疑是两颗璀璨的明星,它们为数据科学家和工程师提供了强大而灵活的工具集,用于处理、分析和探索数据。今天,我们将一起深入探索这两个库的高级功能,看看它们如何成为数据分析的加速器。
18 1
|
2天前
|
数据采集 机器学习/深度学习 数据处理
数据科学家的秘密武器:Pandas与NumPy高级应用实战指南
【7月更文挑战第14天】Pandas与NumPy在数据科学中扮演关键角色。Pandas的DataFrame和Series提供高效数据处理,如数据清洗、转换,而NumPy则以ndarray为基础进行数值计算和矩阵操作。两者结合,从数据预处理到数值分析,形成强大工具组合。示例展示了填充缺失值、类型转换、矩阵乘法、标准化等操作,体现其在实际项目中的协同效用。掌握这两者,能提升数据科学家的效能和分析深度。**
11 0
|
14天前
|
数据处理 Python
Python数据转换:从Pandas到NumPy转换
Python数据转换:从Pandas到NumPy转换
18 0
|
2月前
|
SQL 数据挖掘 索引
12种Numpy&Pandas高效技巧
12种Numpy&Pandas高效技巧
|
2月前
|
数据采集 数据挖掘 数据处理
Python数据分析:Numpy、Pandas高级
在上一篇博文中,我们介绍了Python数据分析中NumPy和Pandas的基础知识。本文将深入探讨NumPy和Pandas的高级功能,并通过一个综合详细的例子展示这些高级功能的应用。
|
2月前
|
数据采集 数据挖掘 数据处理
Python数据分析:Numpy、Pandas基础
本文详细介绍了 Python 中两个重要的数据分析库 NumPy 和 Pandas 的基础知识,并通过一个综合的示例展示了如何使用这些库进行数据处理和分析。希望通过本篇博文,能更好地理解和掌握 NumPy 和 Pandas 的基本用法,为后续的数据分析工作打下坚实的基础。
|
2月前
|
存储 数据采集 数据挖掘
NumPy 与 Pandas 的无缝集成
【8月更文第30天】在 Python 数据科学领域,NumPy 和 Pandas 是两个非常重要的库。NumPy 提供了高性能的多维数组对象以及对其进行操作的工具,而 Pandas 则是在 NumPy 的基础上增加了数据结构和数据分析工具,使得数据处理更加直观和便捷。本文将探讨 NumPy 和 Pandas 如何结合使用以增强数据处理和分析的能力。
23 0
|
3月前
|
SQL 并行计算 API
Dask是一个用于并行计算的Python库,它提供了类似于Pandas和NumPy的API,但能够在大型数据集上进行并行计算。
Dask是一个用于并行计算的Python库,它提供了类似于Pandas和NumPy的API,但能够在大型数据集上进行并行计算。