请基于python爬取豆瓣top250数据并对该数据进行至少3种可视化

好的，这里提供一个使用 Python 爬取豆瓣 Top250 电影数据并进行三种可视化的示例。

首先，我们需要安装需要用到的库：

!pip install requests
!pip install beautifulsoup4
!pip install pandas
!pip install matplotlib
!pip install seaborn

然后，我们可以使用以下代码来爬取豆瓣 Top250 电影数据：

import requests
from bs4 import BeautifulSoup
import pandas as pd

# 发送请求并解析 HTML 页面
url = 'https://movie.douban.com/top250'
movies = []

for i in range(10):
    start = i * 25
    response = requests.get(url, params={'start': start, 'filter': ''})
    soup = BeautifulSoup(response.text, 'html.parser')
    movie_list = soup.find('ol', class_='grid_view').find_all('li')
    for movie in movie_list:
        title = movie.find('div', class_='hd').find('span', class_='title').text
        info = movie.find('div', class_='bd').p.text.strip().split('\n')
        rating = movie.find('div', class_='star').find('span', class_='rating_num').text
        summary = movie.find('div', class_='bd').find('span', class_='inq').text
        movie_data = {
            'Title': title,
            'Director': info[0][4:],
            'Year': info[1][:-6],
            'Country': info[2][4:],
            'Genres': info[2][4:].split('/'),
            'Rating': rating,
            'Summary': summary,
        }
        movies.append(movie_data)

# 将数据存储到 Pandas 数据框中
df = pd.DataFrame(movies)

在上面的代码中，我们使用了 requests 和 BeautifulSoup 库来发送请求并解析 HTML 页面，然后将数据存储到 Pandas 数据框中。

接下来，我们可以使用 Matplotlib 和 Seaborn 两个库来进行三种不同的可视化。

第一种可视化：电影评分分布直方图

import matplotlib.pyplot as plt

# 绘制电影评分分布直方图
plt.hist(df['Rating'].astype(float), bins=20)
plt.xlabel('Rating')
plt.ylabel('Count')
plt.title('Movie Rating Distribution')
plt.show()

第二种可视化：电影类型条形图

# 统计电影类型
genres_count = {}
for genres in df['Genres']:
    for genre in genres:
        if genre in genres_count:
            genres_count[genre] += 1
        else:
            genres_count[genre] = 1

# 绘制电影类型条形图
plt.bar(genres_count.keys(), genres_count.values())
plt.xlabel('Genres')
plt.ylabel('Count')
plt.title('Movie Genres')
plt.show()

第三种可视化：电影年份折线图

import seaborn as sns

# 统计电影年份
year_count = df['Year'].value_counts().sort_index()

# 绘制电影年份折线图
sns.lineplot(x=year_count.index, y=year_count.values)
plt.xlabel('Year')
plt.ylabel('Count')
plt.title('Movie Year')
plt.show()

以上三种可视化分别是电影评分分布直方图、电影类型条形图和电影年份折线图。您可以自由地修改代码来生成其他类型的图表。