使用Python爬了4400条淘宝商品数据,竟发现了这些“潜规则”


Posted in Python onMarch 23, 2018

本文记录了笔者用 Python 爬取淘宝某商品的全过程,并对商品数据进行了挖掘与分析,最终得出结论。

项目内容

使用Python爬了4400条淘宝商品数据,竟发现了这些“潜规则”

本案例选择>> 商品类目:沙发;
数量:共100页  4400个商品;
筛选条件:天猫、销量从高到低、价格500元以上。

项目目的

1. 对商品标题进行文本分析 词云可视化
2. 不同关键词word对应的sales的统计分析
3. 商品的价格分布情况分析
4. 商品的销量分布情况分析
5. 不同价格区间的商品的平均销量分布
6. 商品价格对销量的影响分析
7. 商品价格对销售额的影响分析
8. 不同省份或城市的商品数量分布
9.不同省份的商品平均销量分布

注:本项目仅以以上几项分析为例。

项目步骤

1. 数据采集:Python爬取淘宝网商品数据
2. 对数据进行清洗和处理
3. 文本分析:jieba分词、wordcloud可视化
4. 数据柱形图可视化 barh
5. 数据直方图可视化 hist
6. 数据散点图可视化 scatter
7. 数据回归分析可视化 regplot

工具&模块:

工具:本案例代码编辑工具 Anaconda的Spyder
模块:requests、retrying、missingno、jieba、matplotlib、wordcloud、imread、seaborn 等。

一、爬取数据

因淘宝网是反爬虫的,虽然使用多线程、修改headers参数,但仍然不能保证每次100%爬取,所以 我增加了循环爬取,每次循环爬取未爬取成功的页 直至所有页爬取成功停止。
说明:淘宝商品页为JSON格式 这里使用正则表达式进行解析;

代码如下:

使用Python爬了4400条淘宝商品数据,竟发现了这些“潜规则”

二、数据清洗、处理:

(此步骤也可以在Excel中完成 再读入数据)

代码如下:

使用Python爬了4400条淘宝商品数据,竟发现了这些“潜规则”

使用Python爬了4400条淘宝商品数据,竟发现了这些“潜规则”

说明:根据需求,本案例中只取了 item_loc, raw_title, view_price, view_sales 这4列数据,主要对 标题、区域、价格、销量 进行分析。

代码如下:

使用Python爬了4400条淘宝商品数据,竟发现了这些“潜规则”

三、数据挖掘与分析:

【1】. 对 raw_title 列标题进行文本分析:

使用结巴分词器,安装模块pip install jieba

使用Python爬了4400条淘宝商品数据,竟发现了这些“潜规则”

对 title_s(list of list 格式)中的每个list的元素(str)进行过滤 剔除不需要的词语,即 把停用词表stopwords中有的词语都剔除掉:

使用Python爬了4400条淘宝商品数据,竟发现了这些“潜规则”

因为下面要统计每个词语的个数,所以 为了准确性 这里对过滤后的数据 title_clean 中的每个list的元素进行去重,即 每个标题被分割后的词语唯一。

使用Python爬了4400条淘宝商品数据,竟发现了这些“潜规则”

观察 word_count 表中的词语,发现jieba默认的词典 无法满足需求:
有的词语(如 可拆洗、不可拆洗等)却被cut,这里根据需求对词典加入新词(也可以直接在词典dict.txt里面增删,然后载入修改过的dict.txt)

使用Python爬了4400条淘宝商品数据,竟发现了这些“潜规则”

词云可视化:

安装模块 wordcloud:
方法1: pip install wordcloud
方法2: 下载Packages安装:pip install 软件包名称
软件包下载地址:https://www.lfd.uci.edu/~gohlke/pythonlibs/#wordcloud

注意:要把下载的软件包放在Python安装路径下。

代码如下:

使用Python爬了4400条淘宝商品数据,竟发现了这些“潜规则”

使用Python爬了4400条淘宝商品数据,竟发现了这些“潜规则”

分析结论:

1. 组合、整装商品占比很高;

2. 从沙发材质看:布艺沙发占比很高,比皮艺沙发多;
3. 从沙发风格看:简约风格最多,北欧风次之,其他风格排名依次是美式、中式、日式、法式 等;
4. 从户型看:小户型占比最高、大小户型次之,大户型最少。

【2】. 不同关键词word对应的sales之和的统计分析:

(说明:例如 词语 ‘简约',则统计商品标题中含有‘简约'一词的商品的销量之和,即求出具有‘简约'风格的商品销量之和)

代码如下:

使用Python爬了4400条淘宝商品数据,竟发现了这些“潜规则”

对表df_word_sum 中的 word 和 w_s_sum 两列数据进行可视化
(本例中取销量排名前30的词语进行绘图)

使用Python爬了4400条淘宝商品数据,竟发现了这些“潜规则”

使用Python爬了4400条淘宝商品数据,竟发现了这些“潜规则”

由图表可知:

1. 组合商品销量最高 ;

2. 从品类看:布艺沙发销量很高,远超过皮艺沙发;
3. 从户型看:小户型沙发销量最高,大小户型次之,大户型销量最少;
4. 从风格看:简约风销量最高,北欧风次之,其他依次是中式、美式、日式等;
5. 可拆洗、转角类沙发销量可观,也是颇受消费者青睐的。

【3】. 商品的价格分布情况分析:

分析发现,有一些值太大,为了使可视化效果更加直观,这里我们结合自身产品情况,选择价格小于20000的商品。

代码如下:

使用Python爬了4400条淘宝商品数据,竟发现了这些“潜规则”

使用Python爬了4400条淘宝商品数据,竟发现了这些“潜规则”

由图表可知:

1. 商品数量随着价格总体呈现下降阶梯形势,价格越高,在售的商品越少;
2. 低价位商品居多,价格在500-1500之间的商品最多,1500-3000之间的次之,价格1万以上的商品较少;
3. 价格1万元以上的商品,在售商品数量差异不大。

【4】. 商品的销量分布情况分析: 

使用Python爬了4400条淘宝商品数据,竟发现了这些“潜规则”

使用Python爬了4400条淘宝商品数据,竟发现了这些“潜规则”

同样,为了使可视化效果更加直观,这里我们选择销量大于100的商品。

代码如下:

由图表及数据可知:

1. 销量100以上的商品仅占3.4% ,其中销量100-200之间的商品最多,200-300之间的次之;
2. 销量100-500之间,商品的数量随着销量呈现下降趋势,且趋势陡峭,低销量商品居多;
3. 销量500以上的商品很少。

【5】. 不同价格区间的商品的平均销量分布:

代码如下:

使用Python爬了4400条淘宝商品数据,竟发现了这些“潜规则”

使用Python爬了4400条淘宝商品数据,竟发现了这些“潜规则”

由图表可知:

1. 价格在1331-1680之间的商品平均销量最高,951-1331之间的次之,9684元以上的最低;
2. 总体呈现先增后减的趋势,但最高峰处于相对低价位阶段;
3. 说明广大消费者对购买沙发的需求更多处于低价位阶段,在1680元以上 价位越高 平均销量基本是越少。

【6】. 商品价格对销量的影响分析:

同上,为了使可视化效果更加直观,这里我们结合自身产品情况,选择价格小于20000的商品。

代码如下:

使用Python爬了4400条淘宝商品数据,竟发现了这些“潜规则”

使用Python爬了4400条淘宝商品数据,竟发现了这些“潜规则”

由图表可知:

1. 总体趋势:随着商品价格增多 其销量减少,商品价格对其销量影响很大;
2. 价格500-2500之间的少数商品销量冲的很高,价格2500-5000之间的商品多数销量偏低,少数相对较高,但价格5000以上的商品销量均很低 没有销量突出的商品。

【7】. 商品价格对销售额的影响分析:

代码如下:

使用Python爬了4400条淘宝商品数据,竟发现了这些“潜规则”

由图表可知:

1. 总体趋势:由线性回归拟合线可以看出,商品销售额随着价格增长呈现上升趋势;
2. 多数商品的价格偏低,销售额也偏低;
3. 价格在0-20000的商品只有少数销售额较高,价格2万-6万的商品只有3个销售额较高,价格6-10万的商品有1个销售额很高,而且是最大值。

【8】. 不同省份的商品数量分布:

代码如下:

使用Python爬了4400条淘宝商品数据,竟发现了这些“潜规则”

使用Python爬了4400条淘宝商品数据,竟发现了这些“潜规则”

由图表可知:

1. 广东的最多,上海次之,江苏第三,尤其是广东的数量远超过江苏、浙江、上海等地,说明在沙发这个子类目,广东的店铺占主导地位;

2. 江浙沪等地的数量差异不大,基本相当。

【9】. 不同省份的商品平均销量分布:

代码如下:

使用Python爬了4400条淘宝商品数据,竟发现了这些“潜规则”

使用Python爬了4400条淘宝商品数据,竟发现了这些“潜规则”

热力型地图

使用Python爬了4400条淘宝商品数据,竟发现了这些“潜规则”

总结

以上所述是小编给大家介绍的使用Python爬了4400条淘宝商品数据,竟发现了这些“潜规则”,希望对大家有所帮助,如果大家有任何疑问请给我留言,小编会及时回复大家的。在此也非常感谢大家对三水点靠木网站的支持!

Python 相关文章推荐
介绍Python中几个常用的类方法
Apr 08 Python
Python实现批量将word转html并将html内容发布至网站的方法
Jul 14 Python
Python导出DBF文件到Excel的方法
Jul 25 Python
Python函数中的函数(闭包)用法实例
Mar 15 Python
Python通过Pygame绘制移动的矩形实例代码
Jan 03 Python
浅谈解除装饰器作用(python3新增)
Oct 15 Python
Python3实现监控新型冠状病毒肺炎疫情的示例代码
Feb 13 Python
Python交互环境下打印和输入函数的实例内容
Feb 16 Python
python解释器pycharm安装及环境变量配置教程图文详解
Feb 26 Python
解析python 中/ 和 % 和 //(地板除)
Jun 28 Python
Django --Xadmin 判断登录者身份实例
Jul 03 Python
python绘制雷达图实例讲解
Jan 03 Python
python 将字符串转换成字典dict的各种方式总结
Mar 23 #Python
Python自定义线程类简单示例
Mar 23 #Python
python如何实现内容写在图片上
Mar 23 #Python
Python实现的自定义多线程多进程类示例
Mar 23 #Python
python爬取各类文档方法归类汇总
Mar 22 #Python
关于Python正则表达式 findall函数问题详解
Mar 22 #Python
Django自定义过滤器定义与用法示例
Mar 22 #Python
You might like
用PHP实现小型站点广告管理
2006/10/09 PHP
解决PHP在DOS命令行下却无法链接MySQL的技术笔记
2010/12/29 PHP
yii2 resetful 授权验证详解
2017/05/18 PHP
Yii框架分页实现方法详解
2017/05/20 PHP
解决php用mysql方式连接数据库出现Deprecated报错问题
2019/12/25 PHP
window.open的功能全解析
2006/10/10 Javascript
JavaScript 创建对象
2009/07/17 Javascript
Three.js源码阅读笔记(基础的核心Core对象)
2012/12/27 Javascript
解析JavaScript中的不可见数据类型
2013/12/02 Javascript
JQuery.validationEngine表单验证插件(推荐)
2016/12/10 Javascript
Node.js实现文件上传的示例
2017/06/28 Javascript
JavaScript常见JSON操作实例分析
2018/08/08 Javascript
Vue常用的几个指令附完整案例
2018/11/06 Javascript
JavaScript经典案例之简易计算器
2020/08/24 Javascript
vue实现树状表格效果
2020/12/29 Vue.js
原生js实现自定义难度的扫雷游戏
2021/01/22 Javascript
python爬虫常用的模块分析
2014/08/29 Python
详解Python各大聊天系统的屏蔽脏话功能原理
2016/12/01 Python
Python Queue模块详细介绍及实例
2016/12/27 Python
Python多进程并发与多线程并发编程实例总结
2018/02/08 Python
Python判断三段线能否构成三角形的代码
2020/04/12 Python
Python matplotlib模块及柱状图用法解析
2020/08/10 Python
全面介绍python中很常用的单元测试框架unitest
2020/12/14 Python
Python中lru_cache的使用和实现详解
2021/01/25 Python
淘宝活动策划方案
2014/02/06 职场文书
《美丽的小路》教学反思
2014/02/26 职场文书
员工考核评语大全
2014/04/26 职场文书
质量负责人任命书
2014/06/06 职场文书
2014年学习全国道德模范事迹思想汇报
2014/09/15 职场文书
优秀工作者事迹材料
2014/12/26 职场文书
六年级学生评语大全
2014/12/26 职场文书
妈妈再爱我一次观后感
2015/06/08 职场文书
优秀毕业生主要事迹材料
2015/11/04 职场文书
解决golang在import自己的包报错的问题
2021/04/29 Golang
TV动画《政宗君的复仇》第二季制作决定PV公布
2022/04/02 日漫
Go Grpc Gateway兼容HTTP协议文档自动生成网关
2022/06/16 Golang