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 菜鸟学Python
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了最好吃的月饼!用Python爬取了某宝1166家月饼进行可视化分析!相关的知识,希望对你有一定的参考价值。
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
点阅读原文,领AI全套资料
以上是关于最好吃的月饼!用Python爬取了某宝1166家月饼进行可视化分析!的主要内容,如果未能解决你的问题,请参考以下文章
中秋节月饼不知道买哪种?Python爬取4000种月饼类别告诉你答案!