Python分析1585家電商車?yán)遄訑?shù)據(jù)：上海率先實現(xiàn)“車?yán)遄幼杂伞?，銷量超北京近50倍

大數(shù)據(jù)文摘授權(quán)轉(zhuǎn)載自菜J學(xué)Python

作者：J哥

眾所周知，中國是智利車?yán)遄幼钪饕某隹趯ο?，占?jù)了其95%的市場份額。

智利駐華大使館商務(wù)參贊娜塔曾表示：“2020-2021產(chǎn)季車?yán)遄訉崿F(xiàn)了豐收，預(yù)計今年有50萬噸左右的車?yán)遄舆M(jìn)入中國市場?！弊?020年12月中旬開始，智利海運(yùn)車?yán)遄雨懤m(xù)到達(dá)中國，運(yùn)輸成本較此前空運(yùn)方式大幅下滑。

這意味著，國內(nèi)消費(fèi)者將能以更低的價格買到車?yán)遄印Ｈ欢?，近日國?nèi)已有多地進(jìn)口車?yán)遄雍怂釞z測結(jié)果為陽性，在這種情況下，你還敢大呼“車?yán)遄幼杂伞眴幔?/span>

本文利用Python采集了淘寶網(wǎng)1585個商家車?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 = 70    while int(page) != page_num:        print("-" * 100)        print("正在爬取第{}頁數(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 += 1    print("數(shù)據(jù)抓取完成")
if __name__ == '__main__':    key_word = "車?yán)遄?    browser = webdriver.Chrome("./chromedriver")    main()

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

查看數(shù)據(jù)信息

df.info()


Int64Index: 1595 entries, 0 to 1674Data columns (total 5 columns): #   Column  Non-Null Count  Dtype  ---  ------  --------------  -----   0   商品名稱    1595 non-null   object  1   商品價格    1595 non-null   float64 2   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)存在以下幾個問題：

（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

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 redf['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)', i)) for i in df['付款人數(shù)']]  # 提取單位（萬）df['單位'] = df['單位'].apply(lambda x:10000 if x=='萬' else 1)df['付款人數(shù)'] = df['數(shù)字'] * df['單位'] # 計算付款人數(shù)df.drop(['發(fā)貨地址', '數(shù)字', '單位'], axis=1, inplace=True) # 刪除多余的列
#按商品價格降序并重置索引df = df.sort_values(by="商品價格", 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：

在以往的數(shù)據(jù)可視化中，常常以Python可視化庫作圖。而本文將嘗試用Excel進(jìn)行車?yán)遄訑?shù)據(jù)可視化，因為在繪圖方面，Excel完全不輸Python！

國內(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，成為車?yán)遄又饕南M(fèi)市場。

車?yán)遄幼鳛椤懊餍撬?，不菲的價格常常讓打工人望而卻步。根據(jù)國家統(tǒng)計總局發(fā)布的最新數(shù)據(jù)，上海人均可支配收入居首，超過7萬元，自然更容易實現(xiàn)“車?yán)遄幼杂伞?。北京雖然收入較高，但可能受疫情影響較大，車?yán)遄愉N量并不多。

車?yán)遄拥降子卸噘F？

由上圖可知，40%的車?yán)遄觾r格在201-500元之間（淘寶掛牌價，非每斤價格），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?，可能符合你的需求，如下?/span>

哪些店鋪賣的最好？

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

在售的車?yán)遄泳哂心男┨攸c？

為了了解車?yán)遄拥奶攸c，對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。主要的特點還是可以看出來的，新鮮、智利、當(dāng)季、特大等詞都是水果店家推銷的點。至于孕婦提及頻率這么高，有點納悶，于是百度之：

那么問題來了，特殊時期，我們打工人能不能剁手買車?yán)遄?？截至目前，根?jù)中國疾控中心公布的消息，目前并沒有發(fā)現(xiàn)因為食用進(jìn)口冷鏈?zhǔn)称范腥拘鹿诜窝椎牟±Ｒ虼藢τ谄胀ㄏM(fèi)者來說，無須過于恐慌。當(dāng)然如果你確實非常焦慮的話，疫情期間也可以多選擇國內(nèi)生產(chǎn)的食品。

點「在看」的人都變好看了哦！