Python爬取PokeAPI：从JSON解析到进化链可视化实战

最近刷宝可梦相关视频时，经常看到“小锻匠”“下石鸟”这些新世代的宝可梦被反复讨论。作为一个习惯了数据处理的技术人，我的第一反应不是去猜剧情，而是想着一个问题：这些宝可梦的种族值、进化链、属性分布，能不能用 Python 快速抓到本地，做成一张结构清晰的表格，再画几条变化曲线？

答案是肯定的。宝可梦领域有一个公开的 REST API 叫做 PokeAPI，不需要注册，不需要 API Key，用requests就能拿到结构化的 JSON 数据。这篇文章就围绕 PokeAPI 做一次完整的数据链路实践：从获取单只宝可梦数据开始，到解析嵌套的进化链，再到用 pandas 组装表格、用 matplotlib 输出可视化，最终跑通一条“拉取、清洗、分析、展示”的完整流程。

读完本文，你会掌握：PokeAPI 中 Pokemon、PokemonSpecies、EvolutionChain 三个核心资源之间的关系；如何用 requests 获取宝可梦基础数据，并提取种族值、属性等关键字段；如何解析嵌套结构的进化链，把小锻匠（Tinkatink）这种多段进化关系变成一行行规整数据；如何用 pandas 把多个进化阶段合并成一张表，并用图表展示进化带来的种族值变化。

如果你正在学 Python 数据分析，或者想拿一个有趣的主题练手爬虫和 JSON 解析，这篇文章可以直接照着做。

1. 这篇文章真正要解决的问题

先说说痛点。喜欢宝可梦的玩家都知道，图鉴中每只宝可梦都包含大量数据：编号、属性、种族值、身高、体重、特性、进化条件。这些数据散布在游戏、攻略站和百科中。如果需要把所有宝可梦的进化关系整理成一张表，手工复制粘贴几乎不可行，而且容易出错。

更麻烦的是进化链的结构。宝可梦的进化不是简单的线性关系，有的宝可梦只有一个最终形态，有的有分支进化，有的需要特定道具或亲密度才能进化。这些关系在 JSON 中表现为嵌套对象，写代码时容易卡在递归解析上。

PokeAPI 解决了“数据从哪里来”这个问题，但它不负责“数据怎么用”。它提供的是原始 JSON，需要开发者自己请求、解析、清洗和结构化。

所以这篇文章真正要解决的问题有三个：

第一，如何用规范的方式从 PokeAPI 拉取数据，而不是写死 URL 后手工拷贝 JSON。第二，如何把嵌套的进化链对象转换为扁平的表格结构，方便后续分析。第三，如何把不同进化阶段的数据放在一起，用可视化直观地展示进化带来的属性变化。

对你来说，跑通这条链路后，再遇到其他嵌套 JSON 数据源，比如订单树、组织架构、评论回复链，都可以套用同样的思路。这也是这类练习的真正价值。

2. PokeAPI 核心概念与数据模型

PokeAPI 是社区维护的免费宝可梦数据接口，返回 JSON 格式，支持按名字或数字 ID 查询。它数据量很大，涵盖了历代宝可梦图鉴、招式、特性、地点等内容。URL 基础地址是：

https://pokeapi.co/api/v2

本文只使用其中三个资源：

这三个资源之间的关系可以这样理解：Pokemon表示“一只具体的宝可梦实例”，PokemonSpecies表示“这个宝可梦作为一个物种的元信息”，EvolutionChain表示“从初始形态到最终形态的完整进化关系”。

通过Pokemon返回中的species.url可以拿到PokemonSpecies数据；PokemonSpecies返回中的evolution_chain.url可以跳到EvolutionChain。整条链路是：

/pokemon/{name} -> /pokemon-species/{name} -> /evolution-chain/{id}

很多初学者第一次看接口文档时容易被绕晕，这里有一个关键点：进化链是“嵌套对象”，不是“扁平列表”。一个典型的进化链 JSON 长这样（结构示意，字段以实际返回为准）：

{ "id": 123, "chain": { "species": {"name": "tinkatink"}, "evolution_details": [], "evolves_to": [ { "species": {"name": "tinkatuff"}, "evolution_details": [], "evolves_to": [ { "species": {"name": "tinkaton"}, "evolution_details": [], "evolves_to": [] } ] } ] } }

可以看到，chain是根，根节点代表进化链的初始形态；evolves_to是一个数组，表示当前形态可以进化成哪些形态；数组里的每个元素又是一个相同的结构，因此可以继续嵌套。这就是为什么解析进化链要用递归：因为它的深度不确定，但结构自相似。

本节的小结论：PokeAPI 的数据模型并不复杂，关键是理解从 Pokemon 到 Species 再到 EvolutionChain 的跳转关系，以及进化链 JSON 的自相似嵌套结构。搞懂这两点，下面的代码就顺理成章了。

3. 环境准备与依赖安装

本文所有代码使用 Python 编写。建议使用 Python 3.8 或更高版本，Windows、macOS、Linux 均可。依赖只有三个：

• requests：发起 HTTP 请求，获取 JSON；
• pandas：把数据整理成表格；
• matplotlib：绘制进化趋势图。

在项目目录下创建一个虚拟环境（可选但推荐）：

mkdir pokemon-analysis cd pokemon-analysis python -m venv .venv source .venv/bin/activate # Windows 用户改为 .venv\Scripts\activate

安装依赖：

pip install requests pandas matplotlib

如果下载速度慢，可以临时使用国内镜像源：

pip install requests pandas matplotlib -i https://pypi.tuna.tsinghua.edu.cn/simple

安装完成后验证一下：

python -c "import requests, pandas, matplotlib; print('deps ok')"

看到deps ok就说明环境没问题。

注意：这个项目需要能正常访问 PokeAPI 的网络环境。可以先执行下面的命令测试连通性：

curl https://pokeapi.co/api/v2/pokemon/pikachu

如果能返回 JSON 数据，说明网络正常。

环境准备到这里就算完成。这个项目对第三方包的版本要求并不敏感，最新的稳定版本都可以正常工作，不必刻意锁定版本号。

4. 获取宝可梦基础数据

第一步，先从最简单的开始：获取宝可梦基础数据。这里先用皮卡丘（Pikachu）做标准示例，因为它的数据最稳定也最容易被验证。代码要做的核心事情是：拼接接口地址、发起请求、把返回 JSON 中我们关心的字段提取出来。

# 文件路径：pokemon_api.py import requests BASE_URL = "https://pokeapi.co/api/v2" def get_pokemon(name_or_id): """根据宝可梦名称或编号获取基础数据""" url = f"{BASE_URL}/pokemon/{str(name_or_id).lower()}" resp = requests.get(url, timeout=10) resp.raise_for_status() data = resp.json() stats = {item["stat"]["name"]: item["base_stat"] for item in data["stats"]} types = [item["type"]["name"] for item in data["types"]] return { "id": data["id"], "name": data["name"], "height": data["height"], "weight": data["weight"], "types": types, "stats": stats, } if __name__ == "__main__": info = get_pokemon("pikachu") print(info)

代码里做了几件事：

1. 拼接/pokemon/{name}接口地址，name统一转小写；
2. 调用requests.get并设置超时时间；
3. 拿到 JSON 后，把stats数组转换成字典，key 是速度、攻击、防御等属性名；
4. 把types数组提取为字符串列表；
5. 返回简化后的字典。

运行：

python pokemon_api.py

预期输出大致