Python爬取淘宝4000+短裤数据,看看谁是大家最”中意”的大裤衩?

挖数网精选
挖数网精选
挖数网精选
446
文章
0
评论
2020-08-2013:08:00 评论 866 1970字
摘要

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。

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:

  • 国内哪些地方的大裤衩卖的比较好?
  • 大裤衩市场价格是怎样的?
  • 哪些店铺大裤衩销量较高?
  • 在售的大裤衩具有哪些特点?

一.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。

Python爬取淘宝4000+短裤数据,看看谁是大家最

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。限于篇幅,爬虫代码仅给出主函数。

def 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()

二.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。

1.添加列名

Python爬取淘宝4000+短裤数据,看看谁是大家最

2.重复记录处理

Python爬取淘宝4000+短裤数据,看看谁是大家最

3.缺失值处理

Python爬取淘宝4000+短裤数据,看看谁是大家最

4.商品价格字段处理

Python爬取淘宝4000+短裤数据,看看谁是大家最

5.发货地址字段处理

Python爬取淘宝4000+短裤数据,看看谁是大家最

6.付款人数字段处理

Python爬取淘宝4000+短裤数据,看看谁是大家最

7.其他处理

Python爬取淘宝4000+短裤数据,看看谁是大家最

三.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:

Python爬取淘宝4000+短裤数据,看看谁是大家最

Python爬取淘宝4000+短裤数据,看看谁是大家最

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,风度没啥用(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。

国内哪些地方的大裤衩卖的比较好?

Python爬取淘宝4000+短裤数据,看看谁是大家最

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。

Python爬取淘宝4000+短裤数据,看看谁是大家最

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。

大裤衩市场价格是怎样的?

Python爬取淘宝4000+短裤数据,看看谁是大家最

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。

哪些店铺大裤衩销量较高?

Python爬取淘宝4000+短裤数据,看看谁是大家最

Python爬取淘宝4000+短裤数据,看看谁是大家最

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。

在售的大裤衩具有哪些特点?

Python爬取淘宝4000+短裤数据,看看谁是大家最

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。

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!

Python爬取淘宝4000+短裤数据,看看谁是大家最

End.

作者:J哥

来源:菜J学Python

本文已和作者授权,如需转载请与作者联系

  • 我的微信公众号
  • 微信扫一扫
  • weinxin
  • 我的微信公众号
  • 微信扫一扫
  • weinxin
匿名

发表评论

匿名网友 填写信息

:?: :razz: :sad: :evil: :!: :smile: :oops: :grin: :eek: :shock: :???: :cool: :lol: :mad: :twisted: :roll: :wink: :idea: :arrow: :neutral: :cry: :mrgreen: