python爬取+BI分析5000条内衣数据，发现妹子最爱这款文胸

Posted 2022-05-07 Leo.yuan

生活中我们经常会用python进行数据爬取，但是爬取简单分析难，很多人喜欢用echarts图表接口或者是python的第三方库进行数据可视化，甚至是用matlab，基本上都需要用代码实现，在数据展示上十分繁琐，效率不高。

于是，我就想到用一种更简单的方式进行数据分析，那就是python爬取+BI分析，python强大的数据获取能力，配合轻量级BI简单快捷的可视化操作，分析效果奇佳。原理也很简单，数据层由Python来进行抓取到网页数据，解析后储存到mysql数据库；BI负责最后应用层的数据处理、加工和可视化。

话不多说，进入我们今天的主题：如何用python爬取淘宝某内衣店评论，并用FineBI进行数据分析？

注：演示工具为python+FineBI，本文仅供娱乐和数据分析学习，不要过于认真哦！

一、分析目的

数据分析之前要明确我们分析的目的是什么，当然了，本次实操的目的就是为了获取某京东内衣店的文胸评论情况，分析出什么款式的内衣最受妹子们的喜欢。（千万不要想歪了！）

虽然我没买过文胸，但是基本上也能推理出京东内衣的分析维度：文胸款式、颜色、大小等。

京东店家页面上可以作为数据指标的有：评论量、评分、评论、购买时间等。

 

二、数据获取

京东的python爬取比较简单，只需要知道想要爬取页面的url就ok了，所以第一步我们先爬一下数据。

我们选择一家京东内衣店并进入其评论界面，然后按下F12进入开发者模式-network，其中productId就是是每个商品的id，通过这个id就能去获取商品的评价记录

 

下面开始爬取，首先我们需要在搜索页面获取商品的id，为下面爬取用户评价提供productId。然后将前三页的商品id放入列表中，此时能看到返回的是一个 Json 数据 ，检查一下你会发现这串 Json 就是商品的评论数据了。

附上该模块的源代码：（文末有获取方式）

 

同理，我们继续爬取页面上的内衣大小，颜色等等，其中Color即是产品颜色，Size即是产品尺寸，itemId当然就是是商品id等等。

附上该模块源代码：（文末有获取方式）

 

最后将这些模块组合在一起，就完成了最终的爬取代码，最终爬取了5000多条数据，如下：

 

源代码获取方式见文末！

三、FineBI数据加工

python爬取了数据之后，应该做一些在脏数据的处理和数据加工，但是因为代码写起来比较麻烦，不如直接用FineBI方便，所以我们将这些数据存入数据库，以便连接FineBI。（FineBI其实可以直接用上传excel数据，但是我个人习惯用数据库）

首先，打开FineBI的管理界面，点击数据连接，选择数据库连接之后，将爬取好的数据表直接导入到系统之中，供我们下一步分析使用。

 

FineBI中有一个很好用的功能是自助数据集，我可以直接将添加数据表中的对应指标，如下：

 

然后我们就可以进行数据加工了，其中我们要先祛除一些脏数据，比如空值列，我们在finebi中选择筛选，设置条件为comment不等于null，如下：

 

为了分析妹子们什么时间段最爱逛内衣店，需要将指标中的时间“年月日时”设置为“小时”，这时候我们新增一列，名称为“购买时间”，然后调用时间函数hour，设置方式如下：

 

源数据中的文胸颜色有很多，比如卡卡色、淡粉色、桃粉色、性感粉等等，我们不需要这么多种类，只需要一个大概的色调即可，因此再新增一列，名称为“色调”，选择分组赋值，将同种颜色的色调分为同一组中，方便我们分析：

 

同理，我们可以把内衣尺寸也进行分组赋值，按照大小归为A、B、C、D四个组，如下：

 

最后一步进行分组汇总，基本的数据加工就完成了，我们所需要的指标和维度都已经处理好了，下面就可以进入脸红心跳的可视化环节了！

四、可视化分析

FineBI是通过创建组件、设计仪表板的形式来进行可视化分析的，我们选择刚才处理好的数据集，添加组件，通过拖拽就可以通过饼图、柱状图、散点图、热力图、词云图等等图表进行分析了。

 

具体过程因为太简单这里就不说了，大家可以自己下载尝试一下，下面直接展示结果：

1、哪个尺寸的妹子最多？

 

B罩杯的文胸卖的最多，而且总量超过了A、C、D三种罩杯内衣的总和，看来我们身边还是B罩杯的女生更多一些，应该属于我们国家的平均水平。（开玩笑，莫当真！）

2、哪个颜色的内衣最受欢迎？

 

 

这里我用的是气泡图，气泡大小代表评论量，能够直观地看到黑色文胸一骑绝尘，占据了该内衣店60%以上的销量，看来妹子们是真的喜欢黑色；

其次，粉色、灰色、肤色三种颜色占比差不多，比较受女生们喜爱；而蓝色、红色、绿色就几乎看不到了，如果你开了一家内衣店，千万不要卖太多这样颜色的文胸，否则销量可不好哦。

 

除了评论量，我们还需要用好评率来衡量某种颜色的文胸是否真的受欢迎，如上图所示，平均好评率为3.31，其中超过平均好评率的只有黑色、粉色、肤色、绿色和黄色。

其中黄色的销量虽然不高，但是好评率最高，可能是跟文胸的质量有关；

黑色的好评率居中，可能是因为样本数据太多，拉低了好评率，总体上表现良好；

白色销量差，好评率也最低，这家内衣店应该考虑去除白色的文胸，减少红色、蓝色文胸的比例；

3、妹子们什么时间更爱买内衣？

 

按照24小时的顺序分析评论量，可以大致看出妹子们逛内衣店的活动画像。

一天当中的高峰时间是上午的9点-11点，晚上的8点-12点，看来女生不仅喜欢晚上买内衣，还喜欢在上午买，商家可以考虑在上午推广活动，这样效果应该会更好一些；

下午和深夜属于低谷时间，不过仍然有些人在凌晨3点-5点买内衣，这些妹子不睡觉的吗？

4、这家内衣店的总体感受如何？

 

python可以直接制作云图，不过这里我是直接在excel表中用vba提取的关键词，直接放到了FineBI之中，比较方便快捷一些。

看得出来，这家内衣店卖的文胸总体上比较舒适，妹子们主要关注的是内衣是否舒服、合身、实惠等等，总体上好评比较高，女生们可以放心在这家店里买内衣了！

总结

今天只是简单的实操了一下python+BI分析的过程和步骤，比较简单，大家可以跟着练习一下！

如果想要python的源代码+FineBI个人免费版下载地址，可以私信我或评论“内衣”获得！