写点什么

我用 Python 分析了一波热卖年货,原来大家都在买这些东西?

用户头像
JackTian
关注
发布于: 2021 年 02 月 08 日
我用 Python 分析了一波热卖年货,原来大家都在买这些东西?

作者:Cherich_sun

来源:公众号「杰哥的 IT 之旅」ID:Jake_Internet

原文链接:[我用 Python 分析了一波热卖年货,原来大家都在买这些东西?](https://mp.weixin.qq.com/s/71hnlEIhr9mb06_5WirVCw)


今年不知道有多少小伙伴留在原地过年,虽然今年过年不能回老家,但这个年也得过,也得买年货,给家人长辈送礼。于是我出于好奇心的想法利用爬虫获取某宝数据,并结合 Python 数据分析和第三方可视化平台来分析一下大家过年都买了哪些东西,分析结果大屏如下:

上面使用清洗好的数据后用 finebi 第三方可视化工具完成的。接下来是用 Python 的实现过程,对于本文的叙述,主要分为以下五步:


  • 分析思路

  • 爬虫部分

  • 数据清洗

  • 数据可视化及分析

  • 结论与建议

一、分析思路


其实就今天的数据来讲,我们主要做的是探索性分析;首先梳理已有的字段,有标题(提取出品类)、价格、销量、店铺名、发货地。下面来做一下详细的维度拆分以及可视化图形选择:


品类:


  • 品类销量的 TOP 10 有哪些?(表格或者横向条形图)

  • 热门(出现次数最多)品类展示;(词云)

价格:年货的价格区间分布情况;(圆环图,观察占比)


销量、店铺名:


  • 店铺销量最高的 TOP 10 有哪些?(条形图)

  • 结合品类做联动,比如点坚果,对应展示销量排名的店铺;(联动,利用三方工具)


发货地:销量最高的城市有哪些?(地图)

二、爬取数据


爬取主要利用 selenium 模拟点击浏览器,前提是已经安装 selenium 和浏览器驱动,这里我是用的 Google 浏览器,找到对应的版本号后并下载对应的版本驱动,一定要对应浏览器的版本号。

pip install selenium
复制代码


安装成功后,运行如下代码,输入关键字"年货",进行扫码就可以了,等着程序慢慢采集。

# coding=utf8import refrom selenium.webdriver.chrome.options import Optionsfrom selenium import webdriverimport timeimport csv

# 搜索商品,获取商品页码def search_product(key_word): # 定位输入框 browser.find_element_by_id("q").send_keys(key_word) # 定义点击按钮,并点击 browser.find_element_by_class_name('btn-search').click() # 最大化窗口:为了方便我们扫码 browser.maximize_window() # 等待15秒,给足时间我们扫码 time.sleep(15) # 定位这个“页码”,获取“共100页这个文本” page_info = browser.find_element_by_xpath('//div[@class="total"]').text # 需要注意的是:findall()返回的是一个列表,虽然此时只有一个元素它也是一个列表。 page = re.findall("(\d+)", page_info)[0] return page

# 获取数据def get_data(): # 通过页面分析发现:所有的信息都在items节点下 items = browser.find_elements_by_xpath('//div[@class="items"]/div[@class="item J_MouserOnverReq "]') for item in items: # 参数信息 pro_desc = item.find_element_by_xpath('.//div[@class="row row-2 title"]/a').text # 价格 pro_price = item.find_element_by_xpath('.//strong').text # 付款人数 buy_num = item.find_element_by_xpath('.//div[@class="deal-cnt"]').text # 旗舰店 shop = item.find_element_by_xpath('.//div[@class="shop"]/a').text # 发货地 address = item.find_element_by_xpath('.//div[@class="location"]').text # print(pro_desc, pro_price, buy_num, shop, address) with open('{}.csv'.format(key_word), mode='a', newline='', encoding='utf-8-sig') as f: csv_writer = csv.writer(f, delimiter=',') csv_writer.writerow([pro_desc, pro_price, buy_num, shop, address])

def main(): browser.get('https://www.taobao.com/') page = search_product(key_word) print(page) get_data() page_num = 1 while int(page) != page_num: print("*" * 100) print("正在爬取第{}页".format(page_num + 1)) browser.get('https://s.taobao.com/search?q={}&s={}'.format(key_word, page_num * 44)) browser.implicitly_wait(25) get_data() page_num += 1 print("数据爬取完毕!")

if __name__ == '__main__': key_word = input("请输入你要搜索的商品:") option = Options() browser = webdriver.Chrome(chrome_options=option, executable_path=r"C:\Users\cherich\AppData\Local\Google\Chrome\Application\chromedriver.exe") main()
复制代码

采集结果如下:

数据准备完成,中间从标题里提取类别过程比较耗时,建议大家直接用整理好的数据。


大概思路是对标题进行分词,命名实体识别,标记出名词,找出类别名称,比如坚果、茶叶等。

三、数据清洗


这里的文件清洗几乎用 Excel 搞定,数据集小,用 Excel 效率很高,比如这里做了一个价格区间。到现在数据清洗已经完成(可以用三方工具做可视化了),如果大家爱折腾,可以接着往下看用 Python 如何进行分析。

四、数据可视化及分析


1、读取文件

import pandas as pdimport matplotlib as mplmpl.rcParams['font.family'] = 'SimHei'from wordcloud import WordCloudfrom ast import literal_evalimport matplotlib.pyplot as pltdatas = pd.read_csv('./年货.csv',encoding='gbk')datas
复制代码


2、可视化:词云图

li = []for each in datas['关键词'].values:    new_list = str(each).split(',')    li.extend(new_list)def func_pd(words):    count_result = pd.Series(words).value_counts()    return count_result.to_dict()
frequencies = func_pd(li)frequencies.pop('其他')
plt.figure(figsize = (10,4),dpi=80)wordcloud = WordCloud(font_path="STSONG.TTF",background_color='white', width=700,height=350).fit_words(frequencies)plt.imshow(wordcloud)plt.axis("off")plt.show()
复制代码


图表说明:我们可以看到词云图,热门(出现次数最多)品类字体最大,依次是:坚果、茶叶、糕点等。


3、可视化:绘制圆环图


# plt.pie(x,lables,autopct,shadow,startangle,colors,explode)food_type = datas.groupby('价格区间').size()plt.figure(figsize=(8,4),dpi=80)explodes= [0,0,0,0,0.2,0.1]size = 0.3plt.pie(food_type, radius=1,labels=food_type.index, autopct='%.2f%%', colors=['#F4A460','#D2691E','#CDCD00','#FFD700','#EEE5DE'],       wedgeprops=dict(width=size, edgecolor='w'))plt.title('年货价格区间占比情况',fontsize=18)plt.legend(food_type.index,bbox_to_anchor=(1.5, 1.0))plt.show()
复制代码


图表说明:圆环图和饼图类似,代表部分相对于整体的占比情况,可以看到 0 ~ 200 元的年货大概 33%左右,100 ~ 200 元也是 33%。说明大部分的年货的价格趋于 200 以内。


4、可视化:绘制条形图

图表说明:以上是店铺按销量排名情况,可以看到第一名是三只松鼠旗舰店,看来过年大家都喜欢吃干货。


5、可视化:绘制横向条形图


foods = datas.groupby(by='类别')['销量'].sum().sort_values(ascending=False).head(10)foods.sort_values(ascending=True,inplace=True)plt.figure(figsize = (10,4),dpi=80)plt.xlabel('销量')plt.title('年货推荐购买排行榜',fontsize=18)colors = ['#F4A460','#D2691E','#CDCD00','#CD96CD','#EEE5DE', '#EEB4B4', '#FFA07A', '#FFD700']plt.barh(foods.index,foods.values, color=colors,height=1)plt.show()
复制代码


图表说明:根据类别销量排名,排名第一是坚果,验证了上面的假设,大家喜欢吃坚果。

结论与建议


淘宝热卖年货: 坚果,茶叶,糕点,饼干,糖果,白酒,核桃,羊肉,海参,枸杞;


年货推荐清单(按销量):坚果、零食、糕点、饼干、茶叶、糖果、松子、红枣、蛋糕、卤味、瓜子、牛奶、核桃;


年货价格参考:66%以上的年货价格在 0~200 元之间;


热门店铺:三只松鼠、天猫超市、百草味、良品铺子;


公众号:杰哥的 IT 之旅,后台回复:「年货」,即可获取本文完整数据。



发布于: 2021 年 02 月 08 日阅读数: 2201
用户头像

JackTian

关注

公众号:杰哥的IT之旅 微信:Hc220088 2018.09.21 加入

一名奋斗在一线城市的 Linux 中级运维工程师。 擅长 Linux、运维、GitHub 等方向领域; 爱好写作,听歌,喜欢交朋友,走过路过的朋友,也可以通过我的签名添加我的微信,畅聊你我之间的故事。

评论

发布
暂无评论
我用 Python 分析了一波热卖年货,原来大家都在买这些东西?