爬取秦皇岛煤炭网上面的每周煤炭价格指数数据，保存到本地的excel文件，读取这个文件的数据，绘制价格曲线图。

爬取秦皇岛煤炭网的每周煤炭价格指数数据并将其保存到Excel文件通常涉及以下几个步骤：

1. **网络爬虫设计**：
- 首先，你需要了解秦皇岛煤炭网的网页结构，找到包含价格指数信息的部分。这可能涉及到HTML解析或使用像Python的BeautifulSoup或Scrapy这样的库。
- 使用requests库获取网页内容，并分析数据的位置。

2. **数据抓取与清洗**：
- 利用如lxml或正则表达式提取出需要的价格数据。
- 清洗数据，去除不必要的字符，并转换成适合存储的格式。

3. **数据保存**：
- 将数据插入到pandas DataFrame中，然后使用pandas的`to_excel`函数将DataFrame保存为Excel文件，例如`df.to_excel('coal_prices.xlsx', index=False)`。

4. **读取Excel数据**：
- 使用pandas的`read_excel`函数读取Excel文件，`pd.read_excel('coal_prices.xlsx')`。

5. **数据可视化**：
- 转换数据为时间序列数据，可以使用pandas的`to_datetime`函数处理日期列。
- 使用matplotlib或其他数据可视化库（如seaborn）创建价格曲线图，比如`df.plot(kind='line', x='date', y='price')`。

import requests
from bs4 import BeautifulSoup
import pandas as pd
import matplotlib.pyplot as plt

# 网页爬取
url = "http://www.qhsc.cn/"  # 需替换为实际URL
response = requests.get(url)
soup = BeautifulSoup(response.text, 'html.parser')
data_rows = soup.find_all('td', class_='price')  # 这里假设价格数据位于特定class的<td>标签内

# 数据清洗、整理
column_names = ['date', 'price']  # 标题
data = [[row.text for row in row] for row in data_rows]
df = pd.DataFrame(data, columns=column_names)

# 保存到Excel
df.to_excel('coal_prices.xlsx', index=False)

# 读取Excel数据并绘图
df['date'] = pd.to_datetime(df['date'])  # 转换日期列
plt.figure(figsize=(10,6))
plt.plot(df['date'], df['price'])
plt.xlabel('日期')
plt.ylabel('价格')
plt.title('秦皇岛煤炭价格指数')
plt.show()