怎么用Python分析购物数据

本篇内容主要讲解"怎么用Python分析购物数据"，感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷，实用性强。下面就让小编来带大家学习"怎么用Python分析购物数据"吧!

1. 分析思路

其实就今天的数据来讲，我们主要做的是探索性分析；首先梳理已有的字段，有标题（提取出品类）、价格、销量、店铺名、发货地。下面来做一下详细的维度拆分以及可视化图形选择：

品类:

• 品类销量的 TOP 10 有哪些？（表格或者横向条形图）

• 热门（出现次数最多）品类展示；（词云）

价格：年货的价格区间分布情况；（圆环图，观察占比）

销量、店铺名：

• 店铺销量最高的 TOP 10 有哪些？（条形图）

• 结合品类做联动，比如点坚果，对应展示销量排名的店铺；（联动，利用三方工具）

发货地：销量最高的城市有哪些？（地图）

2. 爬取数据

爬取主要利用 selenium 模拟点击浏览器，前提是已经安装 selenium 和浏览器驱动，这里我是用的 Google 浏览器，找到对应的版本号后并下载对应的版本驱动，一定要对应浏览器的版本号。

pip install selenium

安装成功后，运行如下代码，输入关键字"年货"，进行扫码就可以了，等着程序慢慢采集。

# coding=utf8import refrom selenium.webdriver.chrome.options import Optionsfrom selenium import webdriverimport timeimport csv# 搜索商品，获取商品页码def search_product(key_word):    # 定位输入框    browser.find_element_by_id("q").send_keys(key_word)    # 定义点击按钮，并点击    browser.find_element_by_class_name('btn-search').click()    # 最大化窗口：为了方便我们扫码    browser.maximize_window()    # 等待15秒，给足时间我们扫码    time.sleep(15)    # 定位这个"页码"，获取"共100页这个文本"    page_info = browser.find_element_by_xpath('//div[@class="total"]').text    # 需要注意的是：findall()返回的是一个列表，虽然此时只有一个元素它也是一个列表。    page = re.findall("(\d+)", page_info)[0]    return page# 获取数据def get_data():    # 通过页面分析发现：所有的信息都在items节点下    items = browser.find_elements_by_xpath('//div[@class="items"]/div[@class="item J_MouserOnverReq  "]')    for item in items:        # 参数信息        pro_desc = item.find_element_by_xpath('.//div[@class="row row-2 title"]/a').text        # 价格        pro_price = item.find_element_by_xpath('.//strong').text        # 付款人数        buy_num = item.find_element_by_xpath('.//div[@class="deal-cnt"]').text        # 旗舰店        shop = item.find_element_by_xpath('.//div[@class="shop"]/a').text        # 发货地        address = item.find_element_by_xpath('.//div[@class="location"]').text        # print(pro_desc, pro_price, buy_num, shop, address)        with open('{}.csv'.format(key_word), mode='a', newline='', encoding='utf-8-sig') as f:            csv_writer = csv.writer(f, delimiter=',')            csv_writer.writerow([pro_desc, pro_price, buy_num, shop, address])def main():    browser.get('https://www.taobao.com/')    page = search_product(key_word)    print(page)    get_data()    page_num = 1    while int(page) != page_num:        print("*" * 100)        print("正在爬取第{}页".format(page_num + 1))        browser.get('https://s.taobao.com/search?q={}&s={}'.format(key_word, page_num * 44))        browser.implicitly_wait(25)        get_data()        page_num += 1    print("数据爬取完毕！")if __name__ == '__main__':    key_word = input("请输入你要搜索的商品：")    option = Options()    browser = webdriver.Chrome(chrome_options=option,                               executable_path=r"C:\Users\cherich\AppData\Local\Google\Chrome\Application\chromedriver.exe")    main()

采集结果如下：

数据准备完成，中间从标题里提取类别过程比较耗时，建议大家直接用整理好的数据。

大概思路是对标题进行分词，命名实体识别，标记出名词，找出类别名称，比如坚果、茶叶等。

3. 数据清洗

这里的文件清洗几乎用 Excel 搞定，数据集小，用 Excel 效率很高，比如这里做了一个价格区间。到现在数据清洗已经完成（可以用三方工具做可视化了），如果大家爱折腾，可以接着往下看用 Python 如何进行分析。

4. 可视化分析

1、读取文件

import pandas as pdimport matplotlib as mplmpl.rcParams['font.family'] = 'SimHei'from wordcloud import WordCloudfrom ast import literal_evalimport matplotlib.pyplot as pltdatas = pd.read_csv('./年货.csv',encoding='gbk')datas

2、可视化：词云图

li = []for each in datas['关键词'].values:    new_list = str(each).split(',')    li.extend(new_list)def func_pd(words):    count_result = pd.Series(words).value_counts()    return count_result.to_dict()frequencies = func_pd(li)frequencies.pop('其他')plt.figure(figsize = (10,4),dpi=80)wordcloud = WordCloud(font_path="STSONG.TTF",background_color='white', width=700,height=350).fit_words(frequencies)plt.imshow(wordcloud)plt.axis("off")plt.show()

图表说明：我们可以看到词云图，热门（出现次数最多）品类字体最大，依次是：坚果、茶叶、糕点等。

3、可视化：绘制圆环图

# plt.pie(x,lables,autopct,shadow,startangle,colors,explode)food_type = datas.groupby('价格区间').size()plt.figure(figsize=(8,4),dpi=80)explodes= [0,0,0,0,0.2,0.1]size = 0.3plt.pie(food_type, radius=1,labels=food_type.index, autopct='%.2f%%', colors=['#F4A460','#D2691E','#CDCD00','#FFD700','#EEE5DE'],       wedgeprops=dict(width=size, edgecolor='w'))plt.title('年货价格区间占比情况',fontsize=18)plt.legend(food_type.index,bbox_to_anchor=(1.5, 1.0))plt.show()

图表说明：圆环图和饼图类似，代表部分相对于整体的占比情况，可以看到0 ~ 200元的年货大概33%左右，100 ~ 200元也是33%。说明大部分的年货的价格趋于200以内。

4、可视化：绘制条形图

data = datas.groupby(by='店铺名')['销量'].sum().sort_values(ascending=False).head(10)plt.figure(figsize = (10,4),dpi=80)plt.ylabel('销量')plt.title('年货销量前十名店铺',fontsize=18)colors = ['#F4A460','#D2691E','#CDCD00','#EEE5DE', '#EEB4B4', '#FFA07A', '#FFD700']plt.bar(data.index,data.values, color=colors)plt.xticks(rotation=45)plt.show()

图表说明：以上是店铺按销量排名情况，可以看到第一名是三只松鼠旗舰店，看来过年大家都喜欢吃干货。

5、可视化：绘制横向条形图

foods = datas.groupby(by='类别')['销量'].sum().sort_values(ascending=False).head(10)foods.sort_values(ascending=True,inplace=True)plt.figure(figsize = (10,4),dpi=80)plt.xlabel('销量')plt.title('年货推荐购买排行榜',fontsize=18)colors = ['#F4A460','#D2691E','#CDCD00','#CD96CD','#EEE5DE', '#EEB4B4', '#FFA07A', '#FFD700']plt.barh(foods.index,foods.values, color=colors,height=1)plt.show()

图表说明：根据类别销量排名，排名第一是坚果，验证了上面的假设，大家喜欢吃坚果。

到此，相信大家对"怎么用Python分析购物数据"有了更深的了解，不妨来实际操作一番吧！这里是网站，更多相关内容可以进入相关频道进行查询，关注我们，继续学习！