圖片來(lái)源：互聯(lián)網(wǎng)

大家好，我是菜鳥哥~

眾所周知，中國(guó)是智利車?yán)遄幼钪饕某隹趯?duì)象，占據(jù)了其95%的市場(chǎng)份額。

智利駐華大使館商務(wù)參贊娜塔曾表示：“2020-2021產(chǎn)季車?yán)遄訉?shí)現(xiàn)了豐收，預(yù)計(jì)今年有50萬(wàn)噸左右的車?yán)遄舆M(jìn)入中國(guó)市場(chǎng)。”自2020年12月中旬開始，智利海運(yùn)車?yán)遄雨懤m(xù)到達(dá)中國(guó)，運(yùn)輸成本較此前空運(yùn)方式大幅下滑。這意味著，國(guó)內(nèi)消費(fèi)者將能以更低的價(jià)格買到車?yán)遄印Ｈ欢?#xff0c;近日國(guó)內(nèi)已有多地進(jìn)口車?yán)遄雍怂釞z測(cè)結(jié)果為陽(yáng)性，在這種情況下，你還敢大呼“車?yán)遄幼杂伞眴?#xff1f;

01

數(shù)據(jù)獲取

本文利用Python采集了淘寶網(wǎng)1585個(gè)商家車?yán)遄愉N售數(shù)據(jù)，獲取到車?yán)遄拥纳唐访Q、商品價(jià)格、付款人數(shù)、店鋪名稱、發(fā)貨地址等字段。限于篇幅，爬蟲代碼僅給出主函數(shù)：

def?main():browser.get('https://www.taobao.com/')page?=?search_product(key_word)print(page)get_data()page_num?=?70while?int(page)?!=?page_num:print("-"?*?100)print("正在爬取第{}頁(yè)數(shù)據(jù)".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?+=?1print("數(shù)據(jù)抓取完成")if?__name__?==?'__main__':key_word?=?"車?yán)遄?#34;browser?=?webdriver.Chrome("./chromedriver")main()

02

數(shù)據(jù)處理

1.數(shù)據(jù)讀取并預(yù)覽

import?pandas?as?pd import?numpy?as?np df?=?pd.read_csv('/菜J學(xué)Python/淘寶/車?yán)遄?csv',header=None,names=['商品名稱','商品價(jià)格','付款人數(shù)','店鋪名稱','發(fā)貨地址'])?#添加字段名稱df.sample(5)

2.查看數(shù)據(jù)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???商品名稱????1595?non-null???object?1???商品價(jià)格????1595?non-null???float642???付款人數(shù)????1595?non-null???object?3???店鋪名稱????1595?non-null???object?4???發(fā)貨地址????1585?non-null???object? dtypes:?float64(1),?object(4) memory?usage:?74.8+?KB

發(fā)現(xiàn)數(shù)據(jù)存在以下幾個(gè)問(wèn)題：

（1）發(fā)貨地址有缺失值

（2）付款人數(shù)需做提取

（3）發(fā)貨地址需做分割

（4）自定義索引并降序

3.數(shù)據(jù)清洗

#剔除缺失記錄 df.dropna(axis=0,?how='any',?inplace=True)#從發(fā)貨地址字段中切分出省份和城市 df["省份"]?=?df["發(fā)貨地址"].str.split('?',expand=True)[0]??#expand=True可以把用分割的內(nèi)容直接分列 df["城市"]?=?df["發(fā)貨地址"].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#用正則表達(dá)式從付款人數(shù)中提取數(shù)字 import?re df['數(shù)字']?=?[re.findall(r'(\d+\.{0,1}\d*)',?i)[0]?for?i?in?df['付款人數(shù)']]??#?提取數(shù)值 df['數(shù)字']?=?df['數(shù)字'].astype('float')??#?轉(zhuǎn)化數(shù)值型 df['單位']?=?[''.join(re.findall(r'(萬(wàn))',?i))?for?i?in?df['付款人數(shù)']]??#?提取單位（萬(wàn)） df['單位']?=?df['單位'].apply(lambda?x:10000?if?x=='萬(wàn)'?else?1) df['付款人數(shù)']?=?df['數(shù)字']?*?df['單位']?#?計(jì)算付款人數(shù) df.drop(['發(fā)貨地址',?'數(shù)字',?'單位'],?axis=1,?inplace=True)?#?刪除多余的列#按商品價(jià)格降序并重置索引 df?=?df.sort_values(by="商品價(jià)格",?axis=0,?ascending=False)?#降序 df?=?df.reset_index(drop=True)?#重置索引

清洗后，數(shù)據(jù)預(yù)覽如下：

03

數(shù)據(jù)可視化

在以往的數(shù)據(jù)可視化中，常常以Python可視化庫(kù)作圖。而本文將嘗試用Excel進(jìn)行車?yán)遄訑?shù)據(jù)可視化，因?yàn)樵诶L圖方面，Excel完全不輸Python！

1.國(guó)內(nèi)哪些地方車?yán)遄淤u的最火？

利用省份和付款人數(shù)字段數(shù)據(jù)制作地圖，發(fā)現(xiàn)上海、浙江和廣東等地車?yán)遄愉N售量最大，西藏、青海和內(nèi)蒙古銷量較小。沿海地區(qū)的經(jīng)濟(jì)和人口優(yōu)勢(shì)，成為車?yán)遄又饕南M(fèi)市場(chǎng)。

車?yán)遄幼鳛椤懊餍撬?#xff0c;不菲的價(jià)格常常讓打工人望而卻步。根據(jù)國(guó)家統(tǒng)計(jì)總局發(fā)布的最新數(shù)據(jù)，上海人均可支配收入居首，超過(guò)7萬(wàn)元，自然更容易實(shí)現(xiàn)“車?yán)遄幼杂伞薄１本╇m然收入較高，但可能受疫情影響較大，車?yán)遄愉N量并不多。

2.車?yán)遄拥降子卸噘F？

由上圖可知，40%的車?yán)遄觾r(jià)格在201-500元之間（淘寶掛牌價(jià)，非每斤價(jià)格），50元以下的車?yán)遄诱急炔坏?%，我表示有被貴到，你呢？如果你不嫌貴，那我?guī)湍阏业揭患?#xff0c;可能符合你的需求，如下：

3.哪些店鋪賣的最好？

從銷量較高的淘寶店鋪來(lái)看，基本都是旗艦店，看來(lái)大家對(duì)店鋪品牌度關(guān)注較多。福瑞達(dá)旗艦店月銷量超6萬(wàn)，名副其實(shí)車?yán)遄愉N冠，百果園緊隨其后。

4.在售的車?yán)遄泳哂心男┨攸c(diǎn)？

為了了解車?yán)遄拥奶攸c(diǎn)，對(duì)商品名稱字段做了文本分析，以果籃為背景繪制了車?yán)遄釉~云圖。主要的特點(diǎn)還是可以看出來(lái)的，新鮮、智利、當(dāng)季、特大等詞都是水果店家推銷的點(diǎn)。至于孕婦提及頻率這么高，有點(diǎn)納悶，于是百度之：

那么問(wèn)題來(lái)了，特殊時(shí)期，我們打工人能不能剁手買車?yán)遄?#xff1f;截至目前，根據(jù)中國(guó)疾控中心公布的消息，目前并沒(méi)有發(fā)現(xiàn)因?yàn)槭秤眠M(jìn)口冷鏈?zhǔn)称范腥拘鹿诜窝椎牟±Ｒ虼藢?duì)于普通消費(fèi)者來(lái)說(shuō)，無(wú)須過(guò)于恐慌。當(dāng)然如果你確實(shí)非常焦慮的話，疫情期間也可以多選擇國(guó)內(nèi)生產(chǎn)的食品。

結(jié)語(yǔ)

1.本數(shù)據(jù)分析只做學(xué)習(xí)研究之用途，提供的結(jié)論僅供參考，還請(qǐng)獨(dú)立思考。

2.公眾號(hào)后臺(tái)回復(fù)「車?yán)遄?/strong>」可自動(dòng)獲取本文數(shù)據(jù)集。

我們開了一個(gè)“菜鳥玩轉(zhuǎn)服務(wù)器”星球

最近搞了一個(gè)阿里云的白領(lǐng)服務(wù)器的活動(dòng)，很多同學(xué)拿了服務(wù)器之后不知道怎么玩。好比你買了一臺(tái)車，但是不會(huì)開只能停在停車場(chǎng)太浪費(fèi)了。

于是我們開了教大家玩轉(zhuǎn)云服務(wù)器，主要教大家玩Linux,安裝Python,安裝數(shù)據(jù)庫(kù)，用Django+uwsigi+nginx web服務(wù)搭建網(wǎng)站，求職簡(jiǎn)歷網(wǎng)站搭建，寫腳本部署股票基金機(jī)器人，還可以搭建個(gè)人網(wǎng)盤！

星球的價(jià)格是一年88元，算下來(lái)每個(gè)月7塊錢，連半杯奶茶的錢都不到，一天才2毛多錢，非常劃算。

推薦閱讀: 入門:?最全的零基礎(chǔ)學(xué)Python的問(wèn)題? |?零基礎(chǔ)學(xué)了8個(gè)月的Python??|?實(shí)戰(zhàn)項(xiàng)目?|學(xué)Python就是這條捷徑 干貨:爬取豆瓣短評(píng)，電影《后來(lái)的我們》?|?38年NBA最佳球員分析?|? ?從萬(wàn)眾期待到口碑撲街！唐探3令人失望? |?笑看新倚天屠龍記?|?燈謎答題王?｜用Python做個(gè)海量小姐姐素描圖?｜碟中諜這么火，我用機(jī)器學(xué)習(xí)做個(gè)迷你推薦系統(tǒng)電影 趣味:彈球游戲? |?九宮格? |?漂亮的花?|?兩百行Python《天天酷跑》游戲! AI:?會(huì)做詩(shī)的機(jī)器人?|?給圖片上色?|?預(yù)測(cè)收入?|?碟中諜這么火，我用機(jī)器學(xué)習(xí)做個(gè)迷你推薦系統(tǒng)電影 小工具:?Pdf轉(zhuǎn)Word，輕松搞定表格和水印！?|?一鍵把html網(wǎng)頁(yè)保存為pdf！|??再見(jiàn)PDF提取收費(fèi)！?|?用90行代碼打造最強(qiáng)PDF轉(zhuǎn)換器，word、PPT、excel、markdown、html一鍵轉(zhuǎn)換?|?制作一款釘釘?shù)蛢r(jià)機(jī)票提示器！?｜60行代碼做了一個(gè)語(yǔ)音壁紙切換器天天看小姐姐！｜

年度爆款文案

• 1).臥槽！Pdf轉(zhuǎn)Word用Python輕松搞定！

• 2).學(xué)Python真香！我用100行代碼做了個(gè)網(wǎng)站，幫人PS旅行圖片，賺個(gè)雞腿吃

• 3).首播過(guò)億，火爆全網(wǎng)，我分析了《乘風(fēng)破浪的姐姐》，發(fā)現(xiàn)了這些秘密?

• 4).80行代碼！用Python做一個(gè)哆來(lái)A夢(mèng)分身?

• 5).你必須掌握的20個(gè)python代碼，短小精悍，用處無(wú)窮?

• 6).30個(gè)Python奇淫技巧集?

• 7).我總結(jié)的80頁(yè)《菜鳥學(xué)Python精選干貨.pdf》,都是干貨?

• 8).再見(jiàn)Python！我要學(xué)Go了！2500字深度分析！

• 9).發(fā)現(xiàn)一個(gè)舔狗福利！這個(gè)Python爬蟲神器太爽了，自動(dòng)下載妹子圖片

點(diǎn)擊閱讀原文，加入我們的星球！

總結(jié)

以上是生活随笔為你收集整理的我用Python分析1585家电商车厘子销售数据，发现这些秘密！的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。