我用Python分析1585家电商车厘子销售数据,发现这些秘密

Karen110
• 阅读 1491

我用Python分析1585家电商车厘子销售数据,发现这些秘密

图片来源:互联网

大家好,我是J哥~

众所周知,中国是智利车厘子最主要的出口对象,占据了其95%的市场份额。

智利驻华大使馆商务参赞娜塔曾表示:“2020-2021产季车厘子实现了丰收,预计今年有50万吨左右的车厘子进入中国市场。”自2020年12月中旬开始,智利海运车厘子陆续到达中国,运输成本较此前空运方式大幅下滑。这意味着,国内消费者将能以更低的价格买到车厘子。然而,近日国内已有多地进口车厘子核酸检测结果为阳性,在这种情况下,你还敢大呼“车厘子自由”吗?

01

数据获取

本文利用Python采集了淘宝网1585个商家车厘子销售数据,获取到车厘子的商品名称、商品价格、付款人数、店铺名称、发货地址等字段。限于篇幅,爬虫代码仅给出主函数:

def main():  
    browser.get('https://www.taobao.com/')  
    page = search_product(key_word)  
    print(page)  
    get_data()  
    page_num = 70  
    while int(page) != page_num:  
        print("-" * 100)  
        print("正在爬取第{}页数据".format(page_num + 1))  
        browser.get('https://s.taobao.com/search?q={}&s={}'.format(key_word, page_num*44))  
        browser.implicitly_wait(10)  
        get_data()  
        page_num += 1  
    print("数据抓取完成")  

if __name__ == '__main__':  
    key_word = "车厘子"  
    browser = webdriver.Chrome("./chromedriver")  
    main()  

02

数据处理

1.数据读取并预览

import pandas as pd  
import numpy as np  
df = pd.read_csv('/菜J学Python/淘宝/车厘子.csv',header=None,  
                 names=['商品名称','商品价格','付款人数','店铺名称','发货地址']) #添加字段名称  

df.sample(5) 

我用Python分析1585家电商车厘子销售数据,发现这些秘密

2.查看数据信息

df.info()  
<class 'pandas.core.frame.DataFrame'>  
Int64Index: 1595 entries, 0 to 1674  
Data columns (total 5 columns):  
 #   Column  Non-Null Count  Dtype   
---  ------  --------------  -----    
 0   商品名称    1595 non-null   object   
 1   商品价格    1595 non-null   float64  
 2   付款人数    1595 non-null   object   
 3   店铺名称    1595 non-null   object   
 4   发货地址    1585 non-null   object   
dtypes: float64(1), object(4)  
memory usage: 74.8+ KB  

发现数据存在以下几个问题:

(1)发货地址有缺失值

(2)付款人数需做提取

(3)发货地址需做分割

(4)自定义索引并降序

3.数据清洗

#剔除缺失记录  
df.dropna(axis=0, how='any', inplace=True)  

#从发货地址字段中切分出省份和城市  
df["省份"] = df["发货地址"].str.split(' ',expand=True)[0]  #expand=True可以把用分割的内容直接分列  
df["城市"] = df["发货地址"].str.split(' ',expand=True)[1] #提取城市  
df["城市"].fillna(df["省份"], inplace=True) #城市字段空值用省份非空值填充  

#用正则表达式从付款人数中提取数字  
import re  
df['数字'] = [re.findall(r'(\d+\.{0,1}\d*)', i)[0] for i in df['付款人数']]  # 提取数值  
df['数字'] = df['数字'].astype('float')  # 转化数值型  
df['单位'] = [''.join(re.findall(r'(万)', i)) for i in df['付款人数']]  # 提取单位(万)  
df['单位'] = df['单位'].apply(lambda x:10000 if x=='万' else 1)  
df['付款人数'] = df['数字'] * df['单位'] # 计算付款人数  
df.drop(['发货地址', '数字', '单位'], axis=1, inplace=True) # 删除多余的列  

#按商品价格降序并重置索引  
df = df.sort_values(by="商品价格", axis=0, ascending=False) #降序  
df = df.reset_index(drop=True) #重置索引  

清洗后,数据预览如下:

我用Python分析1585家电商车厘子销售数据,发现这些秘密

03

数据可视化

在以往的数据可视化中,常常以Python可视化库作图。而本文将尝试用Excel进行车厘子数据可视化,因为在绘图方面,Excel完全不输Python!

1.国内哪些地方车厘子卖的最火?

我用Python分析1585家电商车厘子销售数据,发现这些秘密

利用省份和付款人数字段数据制作地图,发现上海、浙江和广东等地车厘子销售量最大,西藏、青海和内蒙古销量较小。沿海地区的经济和人口优势,成为车厘子主要的消费市场。

我用Python分析1585家电商车厘子销售数据,发现这些秘密

车厘子作为“明星水果”,不菲的价格常常让打工人望而却步。根据国家统计总局发布的最新数据,上海人均可支配收入居首,超过7万元,自然更容易实现“车厘子自由”。北京虽然收入较高,但可能受疫情影响较大,车厘子销量并不多。

我用Python分析1585家电商车厘子销售数据,发现这些秘密

2.车厘子到底有多贵?

我用Python分析1585家电商车厘子销售数据,发现这些秘密

由上图可知,40%的车厘子价格在201-500元之间(淘宝挂牌价,非每斤价格),50元以下的车厘子占比不到4%,我表示有被贵到,你呢?如果你不嫌贵,那我帮你找到一家,可能符合你的需求,如下:

我用Python分析1585家电商车厘子销售数据,发现这些秘密

3.哪些店铺卖的最好?

我用Python分析1585家电商车厘子销售数据,发现这些秘密

从销量较高的淘宝店铺来看,基本都是旗舰店,看来大家对店铺品牌度关注较多。福瑞达旗舰店月销量超6万,名副其实车厘子销冠,百果园紧随其后。

4.在售的车厘子具有哪些特点?

我用Python分析1585家电商车厘子销售数据,发现这些秘密

为了了解车厘子的特点,对商品名称字段做了文本分析,以果篮为背景绘制了车厘子词云图。主要的特点还是可以看出来的,新鲜、智利、当季、特大等词都是水果店家推销的点。至于孕妇提及频率这么高,有点纳闷,于是百度之:

我用Python分析1585家电商车厘子销售数据,发现这些秘密

那么问题来了,特殊时期,我们打工人能不能剁手买车厘子?截至目前,根据中国疾控中心公布的消息,目前并没有发现因为食用进口冷链食品而感染新冠肺炎的病例。因此对于普通消费者来说,无须过于恐慌。当然如果你确实非常焦虑的话,疫情期间也可以多选择国内生产的食品。

结语


1.本数据分析只做学习研究之用途,提供的结论仅供参考,还请独立思考。

**-----**------**-----**---**** End **-----**--------**-----**-****

往期精彩文章推荐:

我用Python分析1585家电商车厘子销售数据,发现这些秘密

欢迎各位大佬点击链接加入群聊【helloworld开发者社区】:https://jq.qq.com/?_wv=1027&k=mBlk6nzX进群交流IT技术热点。

本文转自 https://mp.weixin.qq.com/s/W-LiBnjbJC4kGZH8QNL66A,如有侵权,请联系删除。

点赞
收藏
评论区
推荐文章
blmius blmius
3年前
MySQL:[Err] 1292 - Incorrect datetime value: ‘0000-00-00 00:00:00‘ for column ‘CREATE_TIME‘ at row 1
文章目录问题用navicat导入数据时,报错:原因这是因为当前的MySQL不支持datetime为0的情况。解决修改sql\mode:sql\mode:SQLMode定义了MySQL应支持的SQL语法、数据校验等,这样可以更容易地在不同的环境中使用MySQL。全局s
皕杰报表之UUID
​在我们用皕杰报表工具设计填报报表时,如何在新增行里自动增加id呢?能新增整数排序id吗?目前可以在新增行里自动增加id,但只能用uuid函数增加UUID编码,不能新增整数排序id。uuid函数说明:获取一个UUID,可以在填报表中用来创建数据ID语法:uuid()或uuid(sep)参数说明:sep布尔值,生成的uuid中是否包含分隔符'',缺省为
Jacquelyn38 Jacquelyn38
3年前
2020年前端实用代码段,为你的工作保驾护航
有空的时候,自己总结了几个代码段,在开发中也经常使用,谢谢。1、使用解构获取json数据let jsonData  id: 1,status: "OK",data: 'a', 'b';let  id, status, data: number   jsonData;console.log(id, status, number )
Stella981 Stella981
3年前
Python3:sqlalchemy对mysql数据库操作,非sql语句
Python3:sqlalchemy对mysql数据库操作,非sql语句python3authorlizmdatetime2018020110:00:00coding:utf8'''
Stella981 Stella981
3年前
Python之time模块的时间戳、时间字符串格式化与转换
Python处理时间和时间戳的内置模块就有time,和datetime两个,本文先说time模块。关于时间戳的几个概念时间戳,根据1970年1月1日00:00:00开始按秒计算的偏移量。时间元组(struct_time),包含9个元素。 time.struct_time(tm_y
Wesley13 Wesley13
3年前
mysql设置时区
mysql设置时区mysql\_query("SETtime\_zone'8:00'")ordie('时区设置失败,请联系管理员!');中国在东8区所以加8方法二:selectcount(user\_id)asdevice,CONVERT\_TZ(FROM\_UNIXTIME(reg\_time),'08:00','0
Wesley13 Wesley13
3年前
00:Java简单了解
浅谈Java之概述Java是SUN(StanfordUniversityNetwork),斯坦福大学网络公司)1995年推出的一门高级编程语言。Java是一种面向Internet的编程语言。随着Java技术在web方面的不断成熟,已经成为Web应用程序的首选开发语言。Java是简单易学,完全面向对象,安全可靠,与平台无关的编程语言。
Stella981 Stella981
3年前
Django中Admin中的一些参数配置
设置在列表中显示的字段,id为django模型默认的主键list_display('id','name','sex','profession','email','qq','phone','status','create_time')设置在列表可编辑字段list_editable
Wesley13 Wesley13
3年前
MySQL部分从库上面因为大量的临时表tmp_table造成慢查询
背景描述Time:20190124T00:08:14.70572408:00User@Host:@Id:Schema:sentrymetaLast_errno:0Killed:0Query_time:0.315758Lock_
Python进阶者 Python进阶者
10个月前
Excel中这日期老是出来00:00:00,怎么用Pandas把这个去除
大家好,我是皮皮。一、前言前几天在Python白银交流群【上海新年人】问了一个Pandas数据筛选的问题。问题如下:这日期老是出来00:00:00,怎么把这个去除。二、实现过程后来【论草莓如何成为冻干莓】给了一个思路和代码如下:pd.toexcel之前把这