哪家口红折扣力度最大？网易考拉数据分析案例

import pandas as pd

import numpy as np

import matplotlib.pyplot as plt

%matplotlib inline

import seaborn as sns

import plotly.graph_objs as go

import plotly as py

py.offline.init_notebook_mode()

pyplot = py.offline.iplot

import warnings

warnings.filterwarnings("ignore")

一.数据读取

data = pd.read_excel("./learn/lipsticks.xlsx")

data.head(5)

二.数据清洗

data.shape

data.info()

重复数据处理

重复值进行删除处理

data = data.drop_duplicates()

data.shape

并没有重复数据

缺失值处理

查看是否有缺失值

data.apply(lambda x: sum(x.isnull())/len(x),axis=0)

由返回值可知可以进行填充的缺失值有：原价、是否自营、店铺

• 原价填充为折扣价（无原价默认折扣价等于原价）
• 是否自营填充为非自营
• 店铺填充为非自营

进行填充

data.fillna({"原价":data["折扣价"],"是否自营":"非自营","店铺":"非自营"},inplace=True)

确认填充完成

data.isnull().any()

其它数据处理

浏览修改后的数据发现原价中包含有"新人价"、"x.x折"

• 新生成一列价格price_0: 新人价用折扣价填充
• 新生成一列价格price_1: x.x折用原价(= 折扣价/x.x折)填充

data[["原价","折扣价"]].head()

新人价用折扣价填充,创造原价无空值的一列

data["price_0"] = data["原价"].replace("新人价",data["折扣价"])

x.x折用原价(= 折扣价/x.x折)填充

#提取折扣价数字

def cut_price(x):

position = x.find("¥") # 找到则返回下标，否则返回-1

price = float(x[position+1:])

return price

data["disprice"] = data["折扣价"].apply(cut_price)

#提取折扣计算出原价

def cut_discount(x,y):

position = x.find("¥")

if position != -1: #说明为已为价格数据，直接返回

price = float(x[position+1:])

return price

else: #说明为折扣数据，需要计算出原价才可返回

discount = float(x[:len(x)-1])

price = (y*10)/discount

return price

data["price_1"] = data.apply(lambda x: cut_discount(x["price_0"],x["disprice"]),axis=1)

data["price_1"] = data["price_1"].round(2)

最后为比较打折力度，新生成一列"discount"

data["discount"] = data.apply(lambda x: x["disprice"]/x["price_1"],axis=1).round(2)

查看清洗结果

data.apply(lambda x: sum(x.isnull())/len(x),axis=0)

data.info()

三.数据分析

探索品牌热度及占比

fig, axes = plt.subplots(2, 1, figsize=(12, 16))

ax1 = data.groupby("品牌")["评论数"].sum().sort_values(ascending=True).plot(

kind="barh", ax=axes[0],width=0.8, alpha=0.8, color="#6385a7")

ax1.set_ylabel("品牌", fontsize=16)

ax1.set_title("品牌评论数总和", fontsize=18)

ax2 = data["国家"].value_counts().plot(

kind="pie",

ax=axes[1],

autopct="%.1f%%",

pctdistance=0.8,

shadow=True,

labels=data["国家"].value_counts().index,

labeldistance=1.1,

startangle=45,

radius=1.2,

wedgeprops={"linewidth": 1.5, "edgecolor": "k"},

textprops={"fontsize": 14, "color": "k"}

)

ax2.set_title("各产地国家占比", fontsize=18)

plt.subplots_adjust(hspace=.2)

plt.show()

品牌评论数总和

各产地国家占比

从可视化图表可以看出，网易考拉上迪奥的市场份额占比最大，资生堂、圣罗兰、纪梵希、MAC品牌的口红属于第二梯队，这些热门品牌中多数为法国，占52.2%达到一半以上，美国品牌的口红占比为29.3%。

各个品牌的SKU单品数量

plt.figure(figsize=(12,8))

data["品牌"].value_counts().sort_values(ascending=True).plot(kind="barh",width=0.8,alpha=0.6,color="#6385a7")

plt.title("各品牌SKU数",fontsize=24)

plt.show()

各个品牌的SKU单品数量

考拉海淘网上的口红大多来自于法国、美国，品牌中迪奥是消费者的主要选择；而位于最后的KIKO，梦妆，曼秀雷敦则比较小众；

热门品牌和热门单品的TOP10

plt.figure(figsize=(12, 8))

data_comments_mean = data.groupby("品牌")["评论数"].mean().sort_values(ascending=True)

data_comments_mean[-10:].plot(

kind="barh", width=0.8, alpha=0.4, color="r")

plt.yticks(fontsize=16)

plt.ylabel("品牌",fontsize=20)

plt.title("热门品牌TOP10",fontsize=24)

plt.show()

热门品牌TOP10

data_hot = data.groupby("商品标题")["评论数"].max().sort_values(ascending=True)

plt.figure(figsize=(16,12))

data_hot[-10:].plot(kind="barh",width=.8,color="r",alpha=.6)

plt.yticks(fontsize=20)

plt.xticks(fontsize=20)

plt.ylabel("品牌标题",fontsize=20)

plt.title("热门单品TOP10",fontsize=24)

plt.show()

热门单品TOP10

对不同品牌定价分析

fig= plt.figure(figsize=(16,8))

data.groupby("品牌")["disprice"].mean().sort_values(ascending=False).plot(

kind="bar",width=0.8, alpha=0.6, color="#6385a7", label="价格")

y0 = data["disprice"].mean()

plt.axhline(y0, 0, 5,color="r", label="平均价格")

plt.ylabel("价格")

plt.title("各品牌折后价格比较", fontsize=16)

plt.legend(loc="best")

plt.show()

各品牌折后价格比较

plt.figure(figsize=(16, 12))

x = data.groupby("品牌")["discount"].mean()

y = data.groupby("品牌")["评论数"].mean()

s = data.groupby("品牌")["price"].mean()

txt = data.groupby("品牌")["商品标题"].count().index

sns.scatterplot(x, y, size=s,sizes=(100,1500),data=data)

for i in range(len(txt)):

plt.annotate(txt[i], xy=(x[i], y[i]))

plt.ylabel("热度", fontsize=20)

plt.xlabel("折扣", fontsize=20)

plt.axvline(data["discount"].mean(),0,2000,color="r",label="discount_average")

plt.legend()

plt.show()

热度与折扣的关系图

梦妆折扣力度最大且价格低，阿玛尼折扣力度最小且价格高；TOM FORD定价最高，曼秀雷敦定价最低。

价格高的口红打折力度较小

口红价格主要分为两个档位，250和100元，热门品牌主要在低价位

口红出售的渠道分析

fig=plt.figure(figsize=(16,12))

ax1 = fig.add_subplot(221)

data["是否自营"].value_counts().plot(

ax=ax1,

kind="pie",

autopct="%.1f%%",

pctdistance=0.8,

shadow=True,

wedgeprops={"edgecolor":"k","linewidth":1.5},

textprops={"fontsize":"14","color":"k"}

)

ax2 = fig.add_subplot(222)

sns.scatterplot(x="disprice",y="discount",hue="是否自营",data=data,ax=ax2)

plt.xlim((0,800))

plt.title("（非）自营店折扣与定价")

ax3 = fig.add_subplot(223)

sns.boxplot(x="是否自营",y="disprice",data=data,ax=ax3)

plt.ylim((0,600))

ax4 = fig.add_subplot(224)

sns.boxplot(x="是否自营",y="discount",data=data,ax=ax4)

plt.show()

口红出售的渠道分析

口红自营为主，自营的定价普遍高于非自营的口红，且浮动更大；另外自营的折扣力度也稍大。

标签词云图展示

data1 = pd.concat([data["标签1"],data["标签2"],data["标签3"]])

data1.dropna()

data2 = data1.value_counts()

data2

from wordcloud import WordCloud,ImageColorGenerator

from PIL import Image

coloring = np.array(Image.open("tupian.png"))

wc = WordCloud(

font_path="simhei.ttf", #字体路径

background_color="White", #背景颜色

# width=400,

# height=200,

max_font_size=200, #字体大小

min_font_size=6,

mask=coloring, #背景图片

max_words=2000,

relative_scaling=0.1,

repeat=True # 默认为False，是否重复单词或者短语

)

wc.generate_from_frequencies(data2)

image_colors = ImageColorGenerator(coloring)

wc.to_file("lipsticks.png") #图片保存

# 显示图片

plt.figure(figsize=(12,10))

plt.imshow(wc.recolor(color_func=image_colors))

plt.axis("off") #关闭坐标

plt.show()

词云图

End.

作者：Asuana

来源：简书

本文为转载分享，如侵权请联系后台删除