不懂送女朋友什么牌子的口红？没关系！Python 数据分析告诉你。

 关注

发布于: 2020 年 05 月 28 日

作者：Huang supreme、print('I love u {}'.format(lcw)
原文链接：[不懂送女朋友什么牌子的口红？没关系！Python 数据分析告诉你。](https://mp.weixin.qq.com/s/GDGJDM8iJ2dbAJxd9YBV2w)
一、案例说明1、案例背景﻿
520情人节，不懂送女朋友什么牌子的口红？没关系！Python 数据分析告诉你。
﻿
我们爬取了京东商城口红近 4000 条口红商品信息，并对这些口红数据进行分析，让大家买口红给女朋友时有个选择的参考，从如下几个方面去分析：
﻿
1、哪些价格区间的口红卖的最好？
2、口红销量分布情况。
3、销量前10的口红有哪些？
4、销量前10的店铺。
5、商品价格和销量的关系。
2、任务说明﻿
通过 Python 爬虫爬取了京东上所有口红铺的数据集 jd_data.csv。
﻿
我们希望通过该数据集，针对不同的口红品牌和店铺进行统计与分析，从而能够解开我们上述疑问。
3、数据字段的说明﻿
字段含义图：
﻿
4、数据分析的流程﻿
﻿
二、数据预处理数据清洗1、首先从csv文件中导入数据﻿
import pandas as pd 
﻿
import matplotlib.pyplot as plt 
﻿
#读取数据
﻿
dataframe = pd.readcsv('jddata.csv',encoding = 'gb18030')#这里不能使用utf-8
﻿
print(dataframe.shape)
查看下有多少行、列数据：
﻿
(3816, 6)
﻿
共有3816行，6列（上面有这六个字段说明）
2、缺失值处理
data = dataframe.dropna(how='any')
data.head()
print(data.shape)
(3610, 6)
从这里可以看出还是有些缺失值的
﻿
对于缺失值的处理主要有两种方法：
﻿
删除
﻿
填充：分为均值、中位数、众数、附近值进行填充，还有牛顿差值法等等。
这里偷一下懒，使用比较简便的删除的方式处理缺失值，毕竟缺失的不是很多。
# inplace=True表示原地修改数据集
data.dropna(axis=0, inplace=True) 
﻿
# 对删除后缺失值后的数据集，再次进行缺失值统计
data.isnull().sum(axis=1) 
数据转换1、将评论的+和万字修改
def dealComment(comm_colum):
    num = str(comm_colum).split('+')[0]
    if '万' in num:
        if '.' in num :
            num = num.replace('.','').replace('万','000')
        else:
            num = num.replace('.','').replace('万','0000')
    return num
dataframe['comment'] = dataframe['comment'].apply(lambda x: dealComment_num(x))
#转换成int类型
dataframe['comment'] = dataframe.comment.astype('int') 
data = dataframe.drop('comment',axis = 1)
print(data.head(10))
﻿
经过处理完后的数据：
﻿
数据预处理是数据分析的一项重要任务，能否得到准确的数据分析结果离不开数据预处理，下面我们开始对口红数据进行分析吧！
三、数据分析﻿
京东上面商品没有销量这一信息，我们姑且将评论数当成是销量。
﻿
本次项目中取用了 name、price、comment、shop_name 、shop_type 这几个字段的信息。
﻿
分别是商品标题名称、价格、评论数、店铺名、店铺类型来进行分析。
1、口红价格分布区间
import pandas as pd 
import matplotlib.pyplot as plt
﻿
#读取数据
data = pd.read_csv('jd_data.csv',encoding = 'gb18030')
﻿
plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签
plt.figure(figsize=(10,8))
price = data[data['price'] < 1000]
plt.hist(price['price'], bins=10, color='brown')
plt.xlabel('价格')
plt.ylabel('商品数量')
plt.title('价格商品分布')
plt.show()
﻿
结果如下：
通过上图，可以很清楚看到：
﻿
1、口红的价格绝大多数在0-500元的区间之内，但是也有口红的售价达到了1000元，哈哈努力挣钱吧。
﻿
2、其中200-300元价位的数量非常的高，超过了1200，而且价格超过300元的有明显的减少趋势，哈哈价格才是王道。
2、销量分布情况﻿
由于没有爬取到销量信息，所以将评论数当成销量
#销量分析
sale_num = data[data['comment'] > 100]
plt.figure(figsize=(10,8))
#print(len(sale_num)/len(data))  #查看下大致的区间分布
plt.hist(sale_num['comment'], bins=20, color='blue')
plt.xlabel('销量')
plt.ylabel('数量')
plt.title('销量情况')
plt.show()
结果如下：
通过直方图我们可以看到：
﻿
1、销售量基本是在20万以内。
﻿
2、销售量在10万以内的占了绝大多数
﻿
3、还有极个别的店铺销量竟然超过了100万
3、销售前10的口红
#销售前10的口红
#抽取商品标题的简略信息
def get_title(item):
    title = item.split(' ')[0]
    return title
﻿
data['small_name'] = data['name'].apply(lambda x: get_title(x)) 
data1 = data.drop('name',axis = 1)
top10Lipstick = data1.sort_values('comment',ascending=False)
print(top10Lipstick.head(10))
title = top10Lipstick['small_name'][:10]
sale_num = top10Lipstick['comment'][:10]
plt.figure(figsize=(10,8),dpi = 80) 
plt.bar(range(10),sale_num,width=0.6,color='red')
plt.xticks(range(10),title,rotation=45)
#plt.ylim((9,9.7))   #设置y轴坐标
plt.ylabel('数量') 
plt.xlabel('标题')  
plt.title('销量前10的糖果')
for x,y in enumerate(list(sale_num)):   
    plt.text(x,float(y)+0.01,y,ha='center')
结果如下：
﻿
可以发现，排名前三位的是：
﻿
1、京东国际魅可（MAC)经典唇膏 子弹头口红3g Chili 小辣椒色
﻿
商品图片
﻿
﻿
2、【520礼物】中国风口红套装礼盒女颐和园同款唇膏唇釉学生非小样彩妆 口红套装（6支）
﻿
商品图片
﻿
3、【520礼物】迪奥（Dior）烈艳蓝金唇膏-哑光999# 3.5g 传奇红（口红 正红色 传奇红 赠精美礼盒）
﻿
商品图片
﻿
4、销量前10的店铺﻿
分析完销量前10的商品后，我们再来看下销量前10的店铺：
﻿
代码如下：
#销量前10的店铺
top_shop = data.groupby('shop_name')['comment'].sum().sort_values(ascending=False)[:10]
print(top_shop.head(10))
﻿
plt.figure(figsize=(10,8),dpi = 80)
top_shop.plot(kind = 'bar',color='red',width= 0.6)
plt.ylabel('数量')
plt.xlabel('店铺名')  
plt.title('销量前10的店铺') 
plt.xticks(rotation=45)
for x,y in enumerate(list(top_shop)): 
    plt.text(x,float(y)+0.1,y,ha='center')
plt.show()
结果如下：
由上图可以看到：
﻿
1、MAC魅可海外自营专区 占据第一名，达 1365308的销售量，而且基本前10的店铺销量都在5万以上。
﻿
2、前三名都基本达到了130多万
﻿
3、前10名中有5个是京东自营
5、商品价格和销量的关系﻿
我们采用散点图的方式，看看价格和销量的分布关系
plt.figure(figsize=(10,8))
plt.scatter(data['price'],data['comment'], color='blue')
plt.xlabel('价格')
plt.ylabel('销量')
plt.title('价格、销量的散点分布')
plt.show()
结果如下：
可以看出：
﻿
随着价格的升高销量会减小，而且价格在400内，对销量的影响不大，证明绝大多数人的口红消费区间在0-400元之间，但是最贵的竟然达到了近1700元，哈哈，贫穷限制了我的想象。
四、总结﻿
经过这次小小的数据分析，还是学到了许多的。作为一名小白，还有许多要学习：
﻿
数据清洗，它是能分析出正确结果的保证；
如何挖掘数据不同维度间的联系等；
不足：本次数据分析还有许多需要完善的地方：
﻿
比如分析不同类型的店铺占比店铺；
不同类型的店铺之间的销量对比；
由于本次没有爬取评论数据，没有做情感分析；
﻿
数据分析之路还很漫长，加油！
﻿
另外，杰哥建立了一个交流群，关于Python、数据分析领域的微信群，大家可以添加我的微信：Hc220066，备注：读者，或扫描下方二维码添加邀请你。
原创不易，码字不易。觉得这篇文章对你有点用的话，麻烦你为本文点个在看，或转发一下，因为这将是我输出更多优质文章的动力，感谢！
﻿
关注微信公众号『杰哥的IT之旅』，后台回复“1024”查看更多内容，回复“微信”添加我微信。
﻿
﻿