最好吃的月饼！用Python爬取了某宝1166家月饼进行可视化分析！

Posted 2021-10-06 菜鸟学Python

在有几天就是中秋节了，不知道大家有没有选择困难症，面对琳琅满目的商品，不知道挑哪款月饼送长辈最好。

不过好在会Python，将淘宝上的月饼商品都爬取了下来，并进行可视化分析，从而你看看哪款月饼是最合适的。

01

数据采集

数据采集是数据可视化分析的第一步，也是最基础的一步，数据采集的数量和质量越高，后面分析的准确的也就越高，我们来看一下淘宝网的数据该如何爬取。

淘宝网站是一个动态加载的网站，我们之前可以采用解析接口或者用Selenium自动化测试工具来爬取数据，但是现在淘宝对接口进行了加密，使我们很难分析出来其中的规律，同时淘宝也对Selenium进行了反爬限制，所以我们要换种思路来进行数据获取。

打开开发者模式，开始对网页进行观察后发现，淘宝商品的数据竟然在源网页中以注释的方式存储着。

已经发现了数据存储的位置和方式，那我们可以直接构建爬虫了，部分代码如下：

import requests
import re
import openpyxlresponse = requests.get(url, headers=headers, params=params)for i in range(44): try:
     if (fukuanrenshu[i] == '1.5万+'):
         f = 15000
     elif (fukuanrenshu[i] == '1.0万+'):
         f = 10000
     elif ('+'in fukuanrenshu[i]):
         f = re.findall('\\d+', fukuanrenshu[i])
     else:
         f = fukuanrenshu[i]
     if float(jiage[i]) > 10:
         sheet.append([dianpumingcheng[i], shangpinming[i], float(jiage[i]), fahuodi[i], f])

02

数据清洗

数据采集后，要对其进行清洗，剔除脏数据，有助于提高分析的准确性。

01

 导入商品数据

用pandas读取爬取后的商品数据并预览。

import pandas as pd
df = pd.read_excel('月饼.xlsx',names=['店铺名称','商品名','价格','产地','付款人数'])
print(df.head())

02

 删除重复数据

df.drop_duplicates()

03

 查看数据类型

查看字段类型和缺失值情况，符合分析需要，无需另做处理。

df.info()

03

可视化分析

我们来对这1166家月饼商品数据进行可视化分析。可视化图是由Python、Tableau和Excel共同绘制而来。

01

 在售月饼的特点

通过对月饼的商品名称进行词云图绘制，发现蛋黄、广式、五仁、莲蓉、豆沙味的月饼售卖较多，同时淘宝上售卖的月饼大多是用来给人们送礼的。

制作代码如下：

from imageio import imread
import jieba
from wordcloud import WordCloud, STOPWORDS

with open("1.txt",'r',encoding='utf-8') as f:
  job_title_1 = f.read()
contents_cut_job_title = jieba.cut(job_title_1)
contents_list_job_title = " ".join(contents_cut_job_title)
wc = WordCloud(stopwords=STOPWORDS.add("一个"), collocations=False,
             background_color="white",
             font_path=r"K:\\msyh.ttc",
             width=400, height=300, random_state=42,
             mask=imread('月饼.jpg', pilmode="RGB")
             )
wc.generate(contents_list_job_title)
wc.to_file("推荐语.png")

02

 各省产量分布图

通过对各商品的产地数据进行统计并绘制了全国地图，我们发现广东、浙江和北京这三个地方生产月饼最多，分别是312家、221家和131家。

制作代码如下：

import openpyxl
from collections import Counter
from pyecharts import Map
wb = openpyxl.load_workbook('月饼.xlsx')
sheet = wb['Sheet']
a = []
for i in range(2,1960):
  D = sheet[f'D{i}']
  a.append(D.value)
province_distribution = dict(Counter(a))
provice = list(province_distribution.keys())
values = list(province_distribution.values())
map = Map("中国地图",width=1200, height=600)
map.add("", provice, values, visual_range=[0, 50], maptype='china', is_visualmap=True,
visual_text_color='#000',is_label_show=True)
map.render(path="地图.html")

我们进一步对广东省的产地数据进行分析发现，广州的月饼商家最多，占全省的40%。

03

 月饼价格区间分布

我们对月饼价格以100为分点，进行可视化后发现，价格在100以内的月饼商品最多，有478家，其次是价格在100-200之间的，有399家。看来月饼的价格还是相对便宜的~

04

 月饼月销量top20商家

我们发现月饼销量top20的商店都是旗舰店，看来大家在网上购买食品类商品时还是喜欢去官方的店铺进行购买。其中稻香村食品店的月饼销量最高，一会去这家看看。

看完月销量，在来看看月销额。我们发现美心官方旗舰店的月销额很高，但是它的月销量很低，看来它的月饼商品价格略高。

05

 入手的月饼

经过以上的分析和对宝贝的评价、好评率等数据进行综合考虑之后，最终选择购买这款月饼来送给长辈。

推荐阅读:
入门: 最全的零基础学Python的问题  | 零基础学了8个月的Python  | 实战项目 |学Python就是这条捷径
干货:爬取豆瓣短评，电影《后来的我们》 | 38年NBA最佳球员分析 |   从万众期待到口碑扑街！唐探3令人失望  | 笑看新倚天屠龙记 | 灯谜答题王 ｜用Python做个海量小姐姐素描图 ｜碟中谍这么火，我用机器学习做个迷你推荐系统电影
趣味:弹球游戏  | 九宫格  | 漂亮的花 | 两百行Python《天天酷跑》游戏!
AI: 会做诗的机器人 | 给图片上色 | 预测收入 | 碟中谍这么火，我用机器学习做个迷你推荐系统电影
小工具: Pdf转Word，轻松搞定表格和水印！ | 一键把html网页保存为pdf！|  再见PDF提取收费！ | 用90行代码打造最强PDF转换器，word、PPT、excel、markdown、html一键转换 | 制作一款钉钉低价机票提示器！ ｜60行代码做了一个语音壁纸切换器天天看小姐姐！｜

年度爆款文案

• 1).卧槽！Pdf转Word用Python轻松搞定！

• 2).学Python真香！我用100行代码做了个网站，帮人PS旅行图片，赚个鸡腿吃

• 3).首播过亿，火爆全网，我分析了《乘风破浪的姐姐》，发现了这些秘密 

• 4).80行代码！用Python做一个哆来A梦分身 

• 5).你必须掌握的20个python代码，短小精悍，用处无穷 

• 6).30个Python奇淫技巧集 

• 7).我总结的80页《菜鸟学Python精选干货.pdf》,都是干货 

• 8).再见Python！我要学Go了！2500字深度分析！

• 9).发现一个舔狗福利！这个Python爬虫神器太爽了，自动下载妹子图片

点阅读原文,领AI全套资料