文档章节

用Python分析2000款避孕套,得出这些有趣的结论

猪哥66
 猪哥66
发布于 09/18 11:16
字数 3017
阅读 16
收藏 0

到现在为止,我们的淘宝教程已经写到了第四篇,前三篇分别是:

今天,我们来看看淘宝系列的第四篇

我们在上一篇的时候已经将淘宝数据爬取下来了,但是并没有做数据分析。所以今天这篇文章就是教大家如何去分析数据,得出一些有用的结论!

Python语言相比其他语言的优势在哪里?猪哥认为是数据分析人工智能这两大块,而且这两个方向需求会慢慢增大,所以那些想学习Python却不知道要朝着哪个目标学习的同学可以考虑往这两个方向发展!

一、分析目标

数据分析之前我们需要清楚的知道自己想要分析什么东西,也就是先搞清楚我们的目标。在公司可能是公司财报、用户增量变化、产品受欢迎程度、一些报表等等。

那我们今天的目标有哪些呢?我们来看看:

  1. 分析避孕套标题高频关键字
  2. 分析避孕套标题高频关键字 与 商品数量关系
  3. 分析避孕套标题高频关键字 与 平均销量关系
  4. 分析避孕套标题高频关键字 与 平均售价关系
  5. 分析避孕套商品价格区间分布关系
  6. 分析避孕套商品销量区间分布关系
  7. 分析避孕套商品价格区间 与 平均销量关系
  8. 分析避孕套商家数量全国分布关系
  9. 分析避孕套商家全国平均销量关系

注意: 以上数据分析全部基于上次爬取的2500款淘宝商品(默认排序),并不代表淘宝所有避孕套商品!

二、分析实现

有了明确的目标之后,我们就要开始技术选型。

首先数据处理的库这个很好确定,基本就是numpypandas这两个必备的库,所以大家首先确保已经安装了这两个库。

然后数据可视化库呢?这么多可视化库该怎么选?如果你不知道怎么选,那猪哥给你推荐:pyecharts 这个由中国人开发的可视化库,想要什么类型的图在下面文档里面找就行。

> 中文文档:https://pyecharts.org/#/zh-cn/intro > 源码地址:https://github.com/pyecharts/pyecharts

最后技术选型完毕,我们就可以开始正式的敲代码分析了。(分析的标题将和上面的分析目标一一对应)

0.数据清洗

在我们数据分析之前,我们需要对数据进行清洗。因为从淘宝爬取下来的数据并不是标准的数据,比如:商品销量,爬取下来的数据是:2.5万+人付款,我们需要将它转为:25000(整型),这样才方面后面的处理!

我们先来看看从淘宝爬取的原始数据,看看那些数据需要清洗 在这里插入图片描述 根据使用库的经验猪哥认为有两列数据需要清洗:1、销量转成整型 2、地区转成只包含省份,具体如何清洗我们直接看代码吧! 在这里插入图片描述 大家可以看到最后猪哥又从新生成了一个excel文件,目的就是不去污染原始数据,因为原始数据非常重要,所以我们在以后的数据处理中要尽量保存好原始数据,多备份几个都不多余!

1.分析避孕套标题高频关键字

数据清洗完毕之后,我们就可以开始分析了。

分析标题高频关键字这都是老生常谈的一个流程,也就是使用jieba分词,然后统计词频,最后生成一个词云图,我相信经常看猪哥公众号的同学看都看腻了吧,这种小功能闭着眼睛都会了。 在这里插入图片描述 十几行代码就搞定了,我们来看看效果图吧 在这里插入图片描述 分析结论:

  1. 从整体看商家取名偏爱情趣二字
  2. 从材质看尿酸的最多
  3. 从功能看颗粒、螺纹的较多

ps:别问猪哥最中意哪个词,问就是延时

2.分析避孕套标题高频关键字 与 商品数量关系

上面我们只看到大概哪些功能受欢迎,如果需要看具体的数据怎么办呢?

我们就来统计一下包含这些高频关键词的商品数据数量吧,代码讲解在图片下方,下同! 在这里插入图片描述 我们取最高频的20个关键字,然后遍历所有数据的标题中是否包含其中关键字,如果包含则该关键字的value就+1。来看看生成的柱状图效果吧! 在这里插入图片描述 分析结论:

  1. 包含情趣二字的商品有1150款,占到总数(2500款+)的46%。
  2. 前三甲是:情趣、尿酸、颗粒

ps:猪哥有个疑问想请教各位老司机:这个 免洗 是咋玩的?

3.分析避孕套标题高频关键字 与 平均销量关系

这个分析有意思了,就相当于用户更喜欢哪种功能或者材质的套套。

在这里插入图片描述 在这里插入图片描述 高频关键字与平均销量分析数据的实现方法是,同样遍历所有数据的标题,如果包含某个关键字,则把该项数据的销量放在关键字的value中(一个list),统计完后再对每个关键字的value进行求平均值,最后再根据平均销量排序。来看看效果吧!

在这里插入图片描述 分析结论:

  1. 螺纹功能平均销量最高,大家的最爱
  2. 功能平均销量前三分别是:螺纹、颗粒、狼牙
  3. 小号竟然上榜,哈哈

ps:有很多同学问:为什么不是超薄?超薄自己是爽了,可女朋友呢?

4.分析避孕套标题高频关键字 与 平均售价关系

分析完大家喜欢的功能,再来分析下这些功能的价格如何?哪些功能的避孕套比较贵呢? 在这里插入图片描述 在这里插入图片描述 高频关键字 与 平均售价关系分析原理与上面是相似的,使用的同一个方法,只不过是将原来的销量换成价格,来看看效果图吧! 在这里插入图片描述 分析结果:

  1. 可以看到前排几个基本都是关于材质的
  2. 凝胶、透明质、免洗这三项均价最贵,超过100大洋

ps:类似凝胶、透明质、免洗的哪位老司机用过,和一般的有啥区别?

5.分析避孕套商品价格区间分布关系

商品的标题和功能差不多分析完了,我们来分析下价格吧! 在这里插入图片描述 在这里插入图片描述 猪哥人为的对价格进行了划分,一共分为:'0-20', '21-40', '41-60', '61-80', '81-100', '101-120', '121-150', '151-200', '200以上'这9个区间,然后对数据切割、统计、排序,最后分别生成柱状图和饼图。 在这里插入图片描述 在这里插入图片描述 分析结论:

  1. 价格区间在21-40的商品最多为778款,大约占比31%。
  2. 价格在一百以内与超过一百的商品比大概为7:1

ps:没想到还有这么多超过100块的,我想问下200块价格的套套是啥感觉?

6.分析避孕套商品销量区间分布关系

分析完价格当然是分析销量区间了

在这里插入图片描述 在这里插入图片描述 销量区间分布分析实现原理:认为为销量分区,大概分为:'一千以内', '一千到五千', '五千到一万', '一万到五万', '五万到十万', '十万以上',这六个区间,然后同上方法进行统计、排序最后可视化。 在这里插入图片描述 在这里插入图片描述 分析结论:

  1. 销量在1000以内的最多,大概占比90%
  2. 销量过万的一共也才10款,说明爆款真的很少
  3. 有一款套套销量竟然超过10万

ps:想知道那款超过10万销量的避孕套商品信息吗?关注猪哥微信公众号「裸睡的猪」回复:爆款套套,即可查看!

7.分析避孕套商品价格区间 与 平均销量关系

假如你是一个避孕套卖家,新推出一款避孕套,你想知道价格定为多少销量才会比较高呢?

这时候我们就可以通过分析价格与商品的销量关系,用实际的数据来定价,这也正是数据分析的价值之一。

在这里插入图片描述 商品价格区间 与 平均销量关系分析实现原理是:使用pandas自动分区将价格划分为12个分区,然后对销量数据分组、求平均值,来看看可视化之后的效果。 在这里插入图片描述 分析结论:

  1. 定价在31.9-39这个区间平均销量最高,为893
  2. 定价在10元以内的销量竟然高居第二

ps:谁用过10以内一盒的套套,出来走走

8.分析避孕套商家数量全国分布关系

标题、价格、销量都分析过了,最后我们还分析下商家位置的数据。

分析的目标是统计全国各省避孕套商家数量,然后做成热力图和柱状图。 在这里插入图片描述 统计商家数量还是比较简单,因为我们之前在数据清洗的时候已经只保留了省份数据,所以直接value_counts()就可以的到想要的数据,看看效果如何! 在这里插入图片描述 在这里插入图片描述 分析结论:

  1. 避孕套商家前三甲:广东、上海、浙江

ps:贵州四周都有卖套套的,为何就它没有?难道和地理有关?

9.分析避孕套商家全国平均销量关系

分析完商家数后,我们来看看各省的平均销量吧。 在这里插入图片描述 商家全国平均销量关系分析实现原理:我们新创建一个透视表并对销量求平均值,然后再排序,最后生成热力图和柱状图。 在这里插入图片描述 在这里插入图片描述

分析结论:

  1. 出乎意料的是山西39个商家平均销量竟然是第一为1535。

ps:为何山西平均销量是第一?原因是啥真想不通

三、总结

通过上面的数据分析,我们得到了一些有趣的结论:

  1. 用户偏爱螺纹、颗粒、狼牙等功能
  2. 凝胶、透明质、免洗这三项均价最贵,超过100大洋
  3. 价格区间在21-40的商品最多为778款,大约占比31%
  4. 销量在1000以内的最多,大概占比90%
  5. 定价在31.9-39这个区间平均销量最高,为893
  6. 避孕套商家数量前三甲:广东、上海、浙江
  7. 山西省平均销量最高为山西

通过上述分析结果,如果猪哥作为一个避孕套商家,想要推出一款产品,设置标题带螺纹、颗粒、狼牙,价格设置在31.9-39元,这样可能会更畅销一些。

数据分析作为一把利刃,能让你看见别人看不见的事物,如果使用得当完全可以作为你创业的一个重要支点!

最后猪哥再送你一句忠告:想学数据分析,一定要学好pandas!!!

获取源码:关注微信公众号「裸睡的猪」回复:分析套套 即可获取!

© 著作权归作者所有

猪哥66
粉丝 2
博文 49
码字总数 54451
作品 0
杭州
私信 提问
2014 年编程语言排名,人人都爱 TypeScript

虽然有些延迟,但是我的年度编程语言排名还是出了。遗憾的是,前几年(2012版,2013版) 的排名缺少了 Andrew Binstock 的栏目 ——“编程语言的起伏”。这个在去年在已经闭刊的 Dr.Dobb Jo...

oschina
2015/04/15
17.6K
33
教你如何用Python正经地八卦:运动员美好身材鉴赏指南

如果有10个人关注“体育赛事” 那就有100个人关注“体育明星” 如果有10个人关注羽生结玄能否完成“勾手四周跳” 那就有100个人关注羽生结玄优雅的肉体 八卦的力量是无穷的 ! 那么身为一个在...

iodjsvf8u1j7kyc
2018/05/14
0
0
数据挖掘敲门砖--Python爬虫入门

WHAT 数据挖掘是一门综合的技术,随着Ai的兴起,在国内的需求日渐增大。 数据挖掘的职业方向通常有三个,顺便概要地提一下所需的技能(不仅于此) 数据分析方向:需要数理知识支撑,比如概率...

fesoncn
2018/01/02
0
0
教你如何用python正经地八卦:运动员肉体观赏指南

如果有10个人关注“体育赛事” 那就有100个人关注“体育明星” 如果有10个人关注羽生结玄能否完成“勾手四周跳” 那就有100个人关注羽生结玄优雅的肉体 八卦的力量是无穷的 ! 那么身为一个在...

tw6cy6ukydea86z
2018/05/14
0
0
什么是程序员思维?

今天想要说的就是这种程序员式思维,也即数据思维,用数据揭开事物的本质,探究事物的内在价值。 什么是数据思维? 「企业数据化管理变革」这本书中对数据思维是这么阐述的:数据思维是根据数...

egefcxzo3ha1x4
2018/01/11
0
0

没有更多内容

加载失败,请刷新页面

加载更多

nginx学习笔记

中间件位于客户机/ 服务器的操作系统之上,管理计算机资源和网络通讯。 是连接两个独立应用程序或独立系统的软件。 web请求通过中间件可以直接调用操作系统,也可以经过中间件把请求分发到多...

码农实战
今天
5
0
Spring Security 实战干货:玩转自定义登录

1. 前言 前面的关于 Spring Security 相关的文章只是一个预热。为了接下来更好的实战,如果你错过了请从 Spring Security 实战系列 开始。安全访问的第一步就是认证(Authentication),认证...

码农小胖哥
今天
10
0
JAVA 实现雪花算法生成唯一订单号工具类

import lombok.SneakyThrows;import lombok.extern.slf4j.Slf4j;import java.util.Calendar;/** * Default distributed primary key generator. * * <p> * Use snowflake......

huangkejie
昨天
12
0
PhotoShop 色调:RGB/CMYK 颜色模式

一·、 RGB : 三原色:红绿蓝 1.通道:通道中的红绿蓝通道分别对应的是红绿蓝三种原色(RGB)的显示范围 1.差值模式能模拟三种原色叠加之后的效果 2.添加-颜色曲线:调整图像RGB颜色----R色增强...

东方墨天
昨天
11
1
将博客搬至CSDN

将博客搬至CSDN

算法与编程之美
昨天
13
0

没有更多内容

加载失败,请刷新页面

加载更多

返回顶部
顶部