后天就是端午节了，小编现在还没有买到合适的粽子，所以打开淘宝，搜索了1959条粽子的数据，然后进行了可视化分析，最终找到最适合入手的粽子~

01

数据采集

淘宝网站是一个动态加载的网站，我们之前可以采用解析接口或者用selenium自动化测试工具来爬取数据，但是现在淘宝对接口进行了加密，使我们很难分析出来其中的规律，同时淘宝也对selenium进行了反爬限制，所以我们要换种思路来进行数据获取。

因为篇幅问题，数据采集的方式在这里就不在过多的讲解，有兴趣的小伙伴可以看看这篇文章用Requests+Cookie，轻松获取淘宝商品数据！，它详细的介绍了淘宝商品数据的获取方式，我们这里只展示核心代码：

response = requests.get('https://s.taobao.com/search', headers=headers, params=params) shangpinming = re.findall('"raw_title":"(.*?)"', response.text)

jiage = re.findall('"view_price":"(.*?)"', response.text)

fahuodi = re.findall('"item_loc":"(.*?)"', response.text)

fukuanrenshu = re.findall('"view_sales":"(.*?)人付款"', response.text)

dianpumingcheng = re.findall('"nick":"(.*?)"', response.text)

for i in range(44): try: if (fukuanrenshu[i] == '1.5万+'): f = 15000 elif (fukuanrenshu[i] == '1.0万+'): f = 10000 elif ('+'in fukuanrenshu[i]): f = re.findall('\d+', fukuanrenshu[i]) else: f = fukuanrenshu[i] if float(jiage[i]) > 10: sheet.append([dianpumingcheng[i], shangpinming[i], float(jiage[i]), fahuodi[i], f])

02

数据清洗

01

导入商品数据

用pandas读取爬取后的商品数据并预览。

import pandas as pd
df = pd.read_excel('粽子.xlsx',names=['店铺名称','商品名','价格','产地','付款人数'])
print(df.head())

02

删除重复数据

df.drop_duplicates()

03

查看数据类型

查看字段类型和缺失值情况，符合分析需要，无需另做处理。

df.info()

03

数据可视化

我们来对这1959家粽子的数据进行可视化分析。可视化图是由Python、Tableau和Excel共同绘制而来。

01

在售的粽子的特点

通过对粽子的商品名称进行词云图绘制发现，粽子主要是在端午节被用来团购或者当做礼物送人的，味道主要有蛋黄和鲜肉~

代码如下：

from imageio import imread import jieba from wordcloud import WordCloud, STOPWORDS

with open("1.txt",'r',encoding='utf-8') as f: job_title_1 = f.read() contents_cut_job_title = jieba.cut(job_title_1) contents_list_job_title = " ".join(contents_cut_job_title) wc = WordCloud(stopwords=STOPWORDS.add("一个"), collocations=False, background_color="white", font_path=r"K:\msyh.ttc", width=400, height=300, random_state=42, mask=imread('粽子.jpg', pilmode="RGB") ) wc.generate(contents_list_job_title) wc.to_file("推荐语.png")

02

各省市产量分布图

通过对各商品的产地数据进行统计并绘制了全国地图，我们发现浙江、上海和北京这三个地方生产粽子最多，分别是752家、325家和216家。

代码如下：

import openpyxl from collections import Counter from pyecharts import Map wb = openpyxl.load_workbook('粽子.xlsx') sheet = wb['Sheet'] a = [] for i in range(2,1960): D = sheet[f'D{i}'] a.append(D.value) province_distribution = dict(Counter(a)) provice = list(province_distribution.keys()) values = list(province_distribution.values()) map = Map("中国地图",width=1200, height=600) map.add("", provice, values, visual_range=[0, 50], maptype='china', is_visualmap=True, visual_text_color='#000',is_label_show=True) map.render(path="地图.html")

我们对这浙江省的数据进行更一步的分析发现：福建省的大裤衩主产地在嘉兴，占据全省产量的69.5%，这也说明了为什么词云图中嘉兴占比很高。

03

各价位商品数量图

通过对商品价格进行分可视化，我们可以看出100以下价位的粽子占据市场的50%左右，100以上的粽子也很多，可能很多是当礼物送了，所以价格略高也属正常。

04

粽子月销量top20商家

我们发现销量top20的商店基本上都是旗舰店，其中大部分是五芳斋官方旗舰店，看来这家的粽子十分受大众喜爱，估计每月销售量要近百万了，所以打算去五芳斋购买粽子来尝尝~

04

小结

本文仅供学习研究使用，提供的评论仅供参考。如有不妥之处请及时告知作者。