号角扬声器的好，只有用过的人才知道

关于音响系统的“古董三大件”，很多资深的音响发烧友都会了解，当中包括“号角扬声器”、“电子管放大器”和“黑胶唱盘”。但大家是否发现，传统的号角扬声器逐渐淡出了我们的视野，当中的原因与电子管放大器不无关系，当然，传统号角扬声器也有它自身天然的弱点。

在晶体管还没有诞生前，音响放大器基本都是以电子管进行放大的，而这类放大器也就是我们经常所说的“胆机”。但随着晶体管的发明和应用，大部分音响放大器逐渐放弃了对电子管的应用，因为相比晶体管而言，电子管的内阻大（晶体管的是极小），故电子管放大器的阻尼系数远比晶体管放大器低，对扬声器的控制能力显然是不利的。除此之外还存在效率低、热量大、抗震性差、体积大、成本高、瞬态反应慢、低频及高频上段较薄弱、电子管寿命较短等短板，因此鉴于这种情况，早前的扬声器都希望能通过较小的功率实现较大的声压，而且灵敏度足够的高，这个时候号角扬声器便应运而生。因此，电子管放大器与传统号角扬声器在很多老烧看来成为了绝配！甚至其高指向性、空气感和绵密性、模拟线性和恢弘的场面效果都会让不少老烧友留下深刻的印象。

不过鉴于上述讨论的问题，如果烧友玩家希望重拾这种情怀和享受这种声音，那么针对目前市场上的号角扬声器，我们将怎样选购呢？其中来自世界知名音响品牌Klipsch（杰士）大家可能不会陌生，它可以说是美国经典号角扬声器品牌，成为美式号角的代表，旗下扬声器基本贯穿着号角的DNA，而旗下的RF-7号角座地式扬声器，更是传统号角和现代设计元素下融合后的经典和代表，目前RF-7已经升级至第三代！

Klipsch传奇背景我在这里就不再展开，有兴趣的朋友可以翻阅此文——75年传奇音响品牌：Klipsch（杰士），不过要本次介绍Klipsch旗下进化到第三代的RF-7 III，还得先说一下初代原版的RF-7。RF-7号角座地式扬声器被发烧友戏称为“呼吸着火焰的大怪兽”，一直坚持在阿肯色州Hope小镇以手工艺进行精心制作。而第二代的RF-7 II在初代基础上对单元和分频系统进行了重新设计，在外观上也做了更进一步的修改，采用了家具级的木质装饰贴片，线条也更为流畅美观，更是引进了Atmos元素，只需搭配顶置型Atmos扬声器即可升级为全景声音响系统。

而第三代RF-7 III的进化就相当彻底，从号角到中低音单元，几乎全部换新。Klipsch RF-7 III全新的90°×90°Tractrix号角传承了经典的号角设计，采用圆型的号角咽喉匹配方形开口，具有更好地高频响应和延展性。压缩的橡胶结构增加了高频的阻尼，从而减少刺耳声并提升了细节。

90°×90°Tractrix号角中的压缩驱动单元，应用了全新开发的1¾英寸钛金属振膜，相位锥重新设计，以达到更高的相位一致性，并提升高频音压线性表现能力。而中低音单元依然是SPUN COPPER铜陶瓷单元，具备极高的刚性与极轻的质量，其高效率特性与中高音号角搭配起来，更是如虎添翼。

双10英寸的低音单元分别置于独立的腔体中独立运作，从而令两个单元线性得以提高，减少导致中频声效异常的箱体驻波。每个低音单元都采用了一个重型铸铝框架，用以达到几乎无共振的效果。此外，每一个低音单元都采用了“双短路环磁铁结构”设计以消除电磁流动所产生的噪音，从而改善锥盆运动的线性度。低音倒相孔是Klipsch著名的Tractrix设计，具有Tractrix几何形状，且低音单元的框架采用铝合金一体铸造，强化机械结构。另外外观上值得一提的是，RF-7 III采用了全新“斜体底座设计”，在提升整体外观，同时又有一个角度更好地对准聆听者。

Klipsch RF-7 III属于兼容了号角和压缩单元的座地式扬声器，尺寸跟大部分座地式扬声器相像，不存在传统大号角扬声器夸张的占据空间情况，在灵敏度方面也有着号角较高的数值，通过不同种类的电子管放大器驱动将会展现出色的声音表现。

技术参数：

频率响应：32-25kHz（+/-3dB）

灵敏度：100dB/2.83V/1m

功率：250W/1000W

额定阻抗：8Ω

分频点：1300Hz

高音单元：1.75英寸钛膜压缩驱动单元，90°×90°Tractrix号角

低音单元：双10英寸陶瓷铝低音单元

箱体材质：MDF

尺寸（HWD）：124.5×35.2×45.4cm

重量：44.1kg

木皮：家具级的木皮，有黑色、樱桃木 & 胡桃木

零售价：55630元/对

Python数据分析：某宝的国产机到底有多便宜，你买贵了么？

最近想入手一台新手机，考虑到国产手机今时不同往日，无论是销量还是话语权在世界上都足够的分量，欧洲华为，印度小米，美国一加，国产手机以极为迅猛的速度攻占世界各地的手机市场。作为历来支持国产手机的忠实用户，结合对国产手机的基本认知，准备从华为、小米、OPPO、VIVO四大国产手机中做出抉择。

为了能够用数据体现这四家手机产品市场的销量、价格等真实情况，由于Python语言简明便捷，小编这边准备使用Python来对“某宝”平台进行手机相关的数据爬取。

数据可视化分析方面，虽然Python提供的numpy、pandas、matplotlib等第三方库来对数据进行计算处理，同时最终生成所需要的可视化报告，但是做出的图表缺乏动态交互，图表样式属性设置等方面也比较繁琐，并且不便进行深入的OLAP多维分析，所以这边直接使用FineBI工具来对从“某宝”平台爬取过来的手机数据进行数据分析统计。

原理介绍

这次的诉求很简单，就是想看看国产机子的销量排名和售价情况。

数据层方面会先通过Python抓取到WEB端的网页数据，之后对爬取到数据进行解析再而存储到MYSQL数据入库。最后应用层的数据处理、数据计算统计、图表可视化呈现等工作全都交由我们的FineBI工具完成。

操作步骤

1.引入相关Pyhon库包，编写MySQL数据入库函数

首先新建python工程，引入本次爬取网页数据和写入MySQL数据库所需要的pandas、re、request、pymysql这四个相关库包：

import pandas

import re

import requests

import pymysql

def ExecuteSQL(title,price,sales): #写入数据到mysql数据库

conn = pymysql.connect(host='xxx.xxx.xxx.xx', port=xxxx, user='xxxx', passwd='xxxx', db='xxxx', charset='utf8') #对应xx参数值修改成自己数据库的即可

cursor = conn.cursor()

# cursor.execute('CREATE TABLE MOBILE_DATA(品牌 varchar(100),价格 double,销量 int)')

# cursor.execute('DROP TABLE MOBILE_DATA')

cursor.execute("INSERT INTO MOBILE_DATA(品牌,价格,销量) VALUES (\'%s\',%d,\'%d\')"%(title,price,sales)) #执行SQL数据插入

print('数据插入成功！')

print(title,price,sales)

conn.commit() #提交执行命名

cursor.close() #释放游标对象

conn.close() #释放数据库连接对象

然后如下图所示，定义好模拟浏览器访问header的值，通过编写Python代码用requests获取到”某宝“平台网页中的request信息：

for page in range(1,7): # 循环翻页，共7页

url = 'https://s.taobao.com/search?q=%E6%89%8B%E6%9C%BA&imgfile=&commend=all&ssid=s5-e&search_type=item&sourceId=tb.index&spm=a21bo.2017.201856-taobao-item.1&ie=utf8&initiative_id=tbindexz_20170306&cps=yes&ppath=2176%3A136877751%3B2176%3A3244779%3B2176%3A91621%3B2176%3A39862256%3B2176%3A28247'

header = {'user-agent':'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.84 Safari/537.36',

'cookie':'thw=cn; t=be73ea5ec1ffbeb254d0a3535dd00415; cna=HqWrEpIZeG4CAbYSAEIb6bav; hng=CN%7Czh-CN%7CCNY%7C156; miid=596160490770762658; lgc=%5Cu5815%5Cu843D%5Cu4E4B%5Cu6CEAa; tracknick=%5Cu5815%5Cu843D%5Cu4E4B%5Cu6CEAa; tg=0; uc2=wuf=https%3A%2F%2Ftrade.tmall.com%2Fdetail%2ForderDetail.htm%3Fbiz_order_id%3D104827474284154168%26forward_action%3D; x=e%3D1%26p%3D*%26s%3D0%26c%3D0%26f%3D0%26g%3D0%26t%3D0%26__ll%3D-1%26_ato%3D0; uc3=sg2=VWxidJMT8gLCYBc%2BxP5FJdYe9%2FXfUvq2%2Byf0cFWq90Q%3D&nk2=1RSXayUHM0Sl&id2=UUpkvTJ9k5HsSA%3D%3D&vt3=F8dBzLbVzPYkPml1NZk%3D&lg2=W5iHLLyFOGW7aA%3D%3D; uss=VvioJOfdaT365u5YugXSKrRnG47jUQQG9UQvstfUu5fjcHD0zxGQLEmn; _cc_=VFC%2FuZ9ajQ%3D%3D; mt=ci=67_1; tk_trace=oTRxOWSBNwn9dPy4KVJVbutfzK5InlkjwbWpxHegXyGxPdWTLVRjn23RuZzZtB1ZgD6Khe0jl%2BAoo68rryovRBE2Yp933GccTPwH%2FTbWVnqEfudSt0ozZPG%2BkA1iKeVv2L5C1tkul3c1pEAfoOzBoBsNsJySQJwqIKz2kX83uPP5e4iE9t1ZpHdHZkk218jfUuTKISIEGrGMtBctY%2B2vMCmzCRVhIqleLIl%2BRRQHs4ekW3wNcZhDfwkkQzp9RF7kjYiNbNLTbo2mRCr3Wf97aW%2FfC72uuEf9Tcc6cNT9QCiB0y7NxqzS4M5NvMkxl5KoKbA%2BorLqu5Y9jpCfT31RlA%3D%3D; cookie2=1c16eb46ef00c015dd101f731c258d77; _tb_token_=8de4c4560b63; v=0; alitrackid=www.taobao.com; lastalitrackid=www.taobao.com; swfstore=107855; JSESSIONID=ED726367865542B7BA84D801D1C72812; isg=AhcXOlKpAS4SKIXa0x_6AhsZpovNTcSrwSKOp2lEKOZNmDfacSx7DtWyjg59; uc1=cookie14=UoTdf1DFLRnICg%3D%3D',

'accept':'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,image/apng,*/*;q=0.8',

'path':'/search?q=%E6%89%8B%E6%9C%BA&imgfile=&commend=all&ssid=s5-e&search_type=item&sourceId=tb.index&spm=a21bo.2017.201856-taobao-item.1&ie=utf8&initiative_id=tbindexz_20170306'} #定义模拟浏览器访问header的值

html = requests.request('GET', url, headers=header) #网页request信息获取

3.HTML标签解析（Script格式）

此时我们可以查看华为、小米、OPPO、VIVO四大国产手机中的网页信息，用浏览器自带的F12工具检查相关代码即可发现，“某宝”的商品数据信息原来是存储在Script变量中。

接下来我们只需要使用re，按照指定的标签格式，对整个网页的进行数据信息查找获取，然后将对象存储在data中即可：

ren = re.compile('"title":"(.*?)","pic_url":"(.*?)","price":"(.*?)","trace":"(.*?)","month_sales":"(.*?)"')

data = re.findall(ren, html.text)

4.MySQL数据入库

解析好数据之后，再将解析好的数据写入到MySQL数据库中：

data2 = pandas.DataFrame(data) #将data对象转换为DataFrame类型方便处理

for rows in range(1,data2.shape[0]): #循环遍历DataFrame中的所有行数据

ExecuteSQL(data2.values[rows][0],float(data2.values[rows][2]),int(data2.values[rows][4])) #MySQL数据入库

count=count+1 #计数器累加

print('恭喜您，数据已经全部爬取完毕,一共%d条数据!'%(count))

循环遍历”某宝“平台华为、小米、OPPO、VIVO四大国产手机中的相关信息数据，页面7页，共计282条数据。

5.验证数据入库

直接通过FineBI提供的数据配置端的功能，添加SQL数据集（或者直接添加表也行），查看我和验证刚刚爬取并且入库的数据是否已经真正成功入库到MySQL中。

如下图所示，Python果然不辱使命，我要的”某宝“平台华为、小米、OPPO、VIVO四大国产手机中数据都已经成功写入到了我的MySQL数据库中了。

6.可视化分析

分为几个维度：

涉及到的指标也比较简单，基本通过FineBI拖拽数据字段即可呈现可视化。

下面这个动图，以国产四大手机销量统计词云图为例给大家简单展示可视化过程，其他同理。

（想按照手机大品牌统计的话可以直接对品牌字段用FineBI进行自定义分组即可）

小编花了10分钟就呈现基本的分析架构，而后又花了30分钟，加了点可视化元素美化一下。刷刷的就将我想要看的华为、小米、OPPO、VIVO四大国产手机销售信息以可视化的形式呈现出来了。（国产四大手机均价/总销量排名、国产四大手机各品牌价格/销量词云图、国产四大手机各品牌价格/销量Top10、销售额分布图等）

分析结果

1.淘宝网平台中，华为、小米、OPPO、VIVO四大国产手机总销量为751万台，总销售额为142.97亿。其中华为品牌占据总体销售额的44.40%，淘宝销售额高达61.84亿，小米、VIVO、OPPO其他三个品牌的总销售额分别占据28.98%、17.90%、8.72%。

2.从国产四大手机的均价来看，VIVO和华为分别以2167元、2021元的价格分别排在前两位，OPPO和小米的均价分别为1979元、1502元排在三、四位。小米手机价格相对低廉，不过市场占有率还可以，仅次于华为；而VIVO、OPPO这两款国产手机，历来被广大用户称为“厂妹机”，但是通过李易峰、彭于晏、鹿晗等明星小鲜肉和各大传媒渠道的积极代言，吸引了无数的小迷妹粉的购买，也是抢占了华为手机市场的一片江山。

3.再来看看国产四大手机的各品牌价格统计，华为MATE RS保时捷手机以9406元的价格高居首位，土豪专属啊，这价格无法撼动。但是值得一提的是目前在淘宝出售的华为Mate 10价格居然降到了3033元！记得前年入手Mate9的时候还花了4000多呢，果然手机随着时间推移价格变化还是挺大的。手机销量方面，品牌销量最高的是小米手机8，淘宝总销量为77万台（可以通过图表联动查看其价格为2352元），人气还是很火的。但是相比之下华为Mate 10的高配置下的3033元的价格，让小编完全忍不住剁手啊，就是你啦！

最后

网页爬虫数据抓取，Python首屈一指。但是对于数据统计和可视化展现方面来说，操作简单便捷、拖拽式的FineBI绝对是数据分析小白的入门上佳之选。

Python完成对网页数据的抓取和解析存储之后，配合FineBI强大的数据可视化呈现能力则圆满地完成了我本次对某宝平台四大国产手机数据的统计和分析需求，绝对良心推荐。

以上就是小编狂奔在数据可视化道路上的一些心得总结~欢迎大家共同学习和交流。

相关问答

行家们，帮忙回一下石家庄比较好的沙盘模拟培训?

[回答]企业沙盘模拟培训如果没有培训过或者接触过的朋友很难想象出它到底是怎么的一回事,因为我在还没接触之前也是一样的想法。后来因为对企业沙盘模拟培...