首页 > 大数据 > 用Python爬取淘宝4403条大裤衩数据进行分析，找到可以入手的那一条

用Python爬取淘宝4403条大裤衩数据进行分析，找到可以入手的那一条

大数据 ℃
后台-插件-广告管理-内容页头部广告（手机）
大数据文摘授权转载自菜J学Python
作者：J哥
炎炎夏日，长裤已难以满足广大男生的需求，为了在搬砖和摆摊的过程中增添一丝舒适感，他们开始寻找一种神奇的存在——大裤衩。J哥在种菜的这些日子里也日益感受到大裤衩的重要性，于是，默默打开了淘宝并搜索了大裤衩，但翻了半天也不知道买啥。
无比懊恼的J哥扔掉了手机，打开电脑并爬取了淘宝4403条大裤衩数据，然后进行了可视化分析，并最终找到一条可以入手的大裤衩。本文主要尝试解决以下几个问题：
1.国内哪些地方的大裤衩卖的比较好？
2.大裤衩市场价格是怎样的？
3.哪些店铺大裤衩销量较高？
4.在售的大裤衩具有哪些特点？

数据获取

淘宝网站是一个ajax动态加载的网站，只能通过解析接口或用selenium自动化测试工具去爬取。
本次数据获取采用selenium，由于J哥的谷歌浏览器版本更新较快，导致原来的谷歌驱动失效。于是，我禁用了浏览器自动更新，并下载了对应版本的驱动。
J哥谷歌浏览器版本
浏览器驱动必须与浏览器版本匹配，否则selenium将失效，这里也给出下载链接：
http://chromedriver.storage.googleapis.com/index.html
接着，J哥利用selenium在淘宝网搜索大裤衩，手机扫码登录，获得了大裤衩的商品名称、商品价格、付款人数、店铺名称、发货地址等信息，最终保存为big_pants.xlsx。
  •  1def main(): 2 browser.get('https://www.taobao.com/') 3 page = search_product(key_word) 4 print(page) 5 get_data() 6 page_num = 1 7 while int(page) != page_num: 8 print("-" * 100) 9 print("正在爬取第{}页大裤衩数据".format(page_num + 1))10 browser.get('https://s.taobao.com/search?q={}&s={}'.format(key_word, page_num*44))11 browser.implicitly_wait(10)12 get_data()13 page_num += 114 print("大裤衩数据抓取完成")1516if __name__ == '__main__':17 key_word = "大裤衩 男"18 browser = webdriver.Chrome("./chromedriver")19 main()

数据清洗

短短几分钟就爬下了4403条大裤衩样本数据，为了方便数据分析，还需要对原始数据进行简单清洗。
一.添加列名
二.重复记录处理
三.缺失值处理
四.商品价格字段处理
五.发货地址字段处理
六.付款人数字段处理
七.其他处理

数据可视化

数据清洗干净后，接下来就可以做可视化分析了，本次可视化分析主要用到Python的pyecharts库和BI工具。
我们首先来看点有意思的数据，最贵的大裤衩和最便宜的大裤衩的区别：
最贵的大裤衩

最便宜的大裤衩

对比一下，不难发现这两条大裤衩的区别，一个风度翩翩，一个花里胡哨。作为一名种菜的民工，风度没暖用（主要还是买不起），便宜无好货的认知在开始学种菜的时候就印刻在J哥的脑海里了，于是J哥继续分析。
一、国内哪些地方的大裤衩卖的比较好？
J哥利用省份和付款人数字段数据做了个全国地图，发现福建和浙江这两个地方盛产大裤衩。根据一般的经济学原理，产业集聚更容易带来专业化分工和规模化经营。于是，J哥首先锁定了这两个地方的大裤衩并进一步下钻分析。
在盛产大裤衩的两个省份中，泉州占到了福建大裤衩的44.28%，杭州占到了浙江大裤衩的37.02%。目标进一步缩小，J哥内心无比激动。
二.大裤衩市场价格是怎样的？
要想买到一条合适的大裤衩，不仅需要分析销量因素，咱们还得分析价格因素。由上图可知，80%的大裤衩价格在50元以下，100元以上的大裤衩占比不到2%。可见，大家对大裤衩的心理价位普遍不高。
三.哪些店铺大裤衩销量较高？
从销量较高的淘宝店铺来看，基本都是旗舰店，看来大家对店铺品牌效应关注度较高。J哥也查了下mystery8090，这是一家专注胖男孩的韩流服饰店，市场定位还是不错的，难怪也获得了不错的销量。
五.在售的大裤衩具有哪些特点？
J哥为了了解大裤衩的特点，对商品名称字段做了文本分析，以大树为背景绘制了大裤衩词云图。主要的特点基本上还是看的出来的，大裤衩首先是“短”，其次是“夏”天“男”生必备。词云图里出现了好多个“休”字，J哥查了下原始数据，原来是生成词云的时候把“休闲”二字割裂了。
六.选择合适的大裤衩
J哥根据以上分析，同时查看了相关的宝贝评价、好评率等指标，综合分析后，终于找到了以下大裤衩并入手。J哥不经感慨，再也不怕种菜的时候热出翔了！
租！GPU算力

新上线一批4090/A800/H800/H100

特别适合企业级应用

扫码了解详情☝
后台-插件-广告管理-内容页尾部广告（手机）
标签：

相关推荐

评论留言

我要留言

◎欢迎参与讨论，请在这里发表您的看法、交流您的观点。