用Python分析2000款避孕套，得出這些有趣的結論

到如今爲止，咱們的淘寶教程已經寫到了第四篇，前三篇分別是：

• 第一篇：Python模擬登陸淘寶，詳細講解如何使用requests庫登陸淘寶pc端。
• 第二篇：淘寶自動登陸2.0，新增Cookies序列化，教你們如何將cookies保存起來。
• 第三篇：Python爬取淘寶商品避孕套，教你們如何爬取淘寶pc端商品信息。

今天，咱們來看看淘寶系列的第四篇

咱們在上一篇的時候已經將淘寶數據爬取下來了，可是並無作數據分析。因此今天這篇文章就是教你們如何去分析數據，得出一些有用的結論！

Python語言相比其餘語言的優點在哪裏？豬哥認爲是數據分析和人工智能這兩大塊，並且這兩個方向需求會慢慢增大，因此那些想學習Python殊不知道要朝着哪一個目標學習的同窗能夠考慮往這兩個方向發展！

1、分析目標

數據分析以前咱們須要清楚的知道本身想要分析什麼東西，也就是先搞清楚咱們的目標。在公司多是公司財報、用戶增量變化、產品受歡迎程度、一些報表等等。

那咱們今天的目標有哪些呢？咱們來看看：

1. 分析避孕套標題高頻關鍵字
2. 分析避孕套標題高頻關鍵字 與 商品數量關係
3. 分析避孕套標題高頻關鍵字 與 平均銷量關係
4. 分析避孕套標題高頻關鍵字 與 平均售價關係
5. 分析避孕套商品價格區間分佈關係
6. 分析避孕套商品銷量區間分佈關係
7. 分析避孕套商品價格區間 與 平均銷量關係
8. 分析避孕套商家數量全國分佈關係
9. 分析避孕套商家全國平均銷量關係

注意： 以上數據分析所有基於上次爬取的2500款淘寶商品（默認排序），並不表明淘寶全部避孕套商品！

2、分析實現

有了明確的目標以後，咱們就要開始技術選型。

首先數據處理的庫這個很好肯定，基本就是numpy和pandas這兩個必備的庫，因此你們首先確保已經安裝了這兩個庫。

而後數據可視化庫呢？這麼多可視化庫該怎麼選？若是你不知道怎麼選，那豬哥給你推薦：pyecharts 這個由中國人開發的可視化庫，想要什麼類型的圖在下面文檔裏面找就行。

中文文檔：pyecharts.org/#/zh-cn/int… 源碼地址：github.com/pyecharts/p…

最後技術選型完畢，咱們就能夠開始正式的敲代碼分析了。（分析的標題將和上面的分析目標一一對應）

0.數據清洗

在咱們數據分析以前，咱們須要對數據進行清洗。由於從淘寶爬取下來的數據並非標準的數據，好比：商品銷量，爬取下來的數據是：2.5萬 人付款，咱們須要將它轉爲：25000（整型），這樣才方面後面的處理！

咱們先來看看從淘寶爬取的原始數據，看看那些數據須要清洗

根據使用庫的經驗豬哥認爲有兩列數據須要清洗：一、銷量轉成整型 二、地區轉成只包含省份，具體如何清洗咱們直接看代碼吧！

你們能夠看到最後豬哥又重新生成了一個excel文件，目的就是不去污染原始數據， 由於原始數據很是重要，因此咱們在之後的數據處理中要儘可能保存好原始數據，多備份幾個都很少餘！

1.分析避孕套標題高頻關鍵字

數據清洗完畢以後，咱們就能夠開始分析了。

分析標題高頻關鍵字這都是老生常談的一個流程，也就是使用jieba分詞，而後統計詞頻，最後生成一個詞雲圖，我相信常常看豬哥公衆號的同窗看都看膩了吧，這種小功能閉着眼睛都會了。

十幾行代碼就搞定了，咱們來看看效果圖吧

分析結論：

1. 從總體看商家取名偏心情趣二字
2. 從材質看尿酸的最多
3. 從功能看顆粒、螺紋的較多

ps：別問豬哥最中意哪一個詞，問就是延時。

2.分析避孕套標題高頻關鍵字 與 商品數量關係

上面咱們只看到大概哪些功能受歡迎，若是須要看具體的數據怎麼辦呢？

咱們就來統計一下包含這些高頻關鍵詞的商品數據數量吧，代碼講解在圖片下方，下同！

咱們取最高頻的20個關鍵字，而後遍歷全部數據的標題中是否包含其中關鍵字，若是包含則該關鍵字的value就 1。來看看生成的柱狀圖效果吧！

分析結論：

1. 包含情趣二字的商品有1150款，佔到總數（2500款 ）的46%。
2. 前三甲是：情趣、尿酸、顆粒

ps：豬哥有個疑問想請教各位老司機：這個 免洗 是咋玩的？

3.分析避孕套標題高頻關鍵字 與 平均銷量關係

這個分析有意思了，就至關於用戶更喜歡哪一種功能或者材質的套套。

高頻關鍵字與平均銷量分析數據的實現方法是，一樣遍歷全部數據的標題，若是包含某個關鍵字，則把該項數據的銷量放在關鍵字的value中（一個list），統計完後再對每一個關鍵字的value進行求平均值，最後再根據平均銷量排序。來看看效果吧！

分析結論：

1. 螺紋功能平均銷量最高，你們的最愛
2. 功能平均銷量前三分別是：螺紋、顆粒、狼牙
3. 小號居然上榜，哈哈

ps：有不少同窗問：爲何不是超薄？超薄本身是爽了，可女友呢？

4.分析避孕套標題高頻關鍵字 與 平均售價關係

分析完你們喜歡的功能，再來分析下這些功能的價格如何？哪些功能的避孕套比較貴呢？

高頻關鍵字 與 平均售價關係分析原理與上面是類似的，使用的同一個方法，只不過是將原來的銷量換成價格，來看看效果圖吧！

分析結果：

1. 能夠看到前排幾個基本都是關於材質的
2. 凝膠、透明質、免洗這三項均價最貴，超過100大洋

ps：相似凝膠、透明質、免洗的哪位老司機用過，和通常的有啥區別？

5.分析避孕套商品價格區間分佈關係

商品的標題和功能差很少分析完了，咱們來分析下價格吧！

豬哥人爲的對價格進行了劃分，一共分爲：'0-20', '21-40', '41-60', '61-80', '81-100', '101-120', '121-150', '151-200', '200以上'這9個區間，而後對數據切割、統計、排序，最後分別生成柱狀圖和餅圖。

分析結論：

1. 價格區間在21-40的商品最多爲778款，大約佔比31%。
2. 價格在一百之內與超過一百的商品比大概爲7:1

ps：沒想到還有這麼多超過100塊的，我想問下200塊價格的套套是啥感受？

6.分析避孕套商品銷量區間分佈關係

分析完價格固然是分析銷量區間了

銷量區間分佈分析實現原理：認爲爲銷量分區，大概分爲：'一千之內', '一千到五千', '五千到一萬', '一萬到五萬', '五萬到十萬', '十萬以上'，這六個區間，而後同上方法進行統計、排序最後可視化。

分析結論：

1. 銷量在1000之內的最多，大概佔比90%
2. 銷量過萬的一共也才10款，說明爆款真的不多
3. 有一款套套銷量居然超過10萬

ps：想知道那款超過10萬銷量的避孕套商品信息嗎？關注豬哥微信公衆號「裸睡的豬」回覆：爆款套套，便可查看！

7.分析避孕套商品價格區間 與 平均銷量關係

假如你是一個避孕套賣家，新推出一款避孕套，你想知道價格定爲多少銷量纔會比較高呢？

這時候咱們就能夠經過分析價格與商品的銷量關係，用實際的數據來訂價，這也正是數據分析的價值之一。

商品價格區間 與 平均銷量關係分析實現原理是：使用pandas自動分區將價格劃分爲12個分區，而後對銷量數據分組、求平均值，來看看可視化以後的效果。

分析結論：

1. 訂價在31.9-39這個區間平均銷量最高，爲893
2. 訂價在10元之內的銷量居然高居第二

ps：誰用過10之內一盒的套套，出來走走

8.分析避孕套商家數量全國分佈關係

標題、價格、銷量都分析過了，最後咱們還分析下商家位置的數據。

分析的目標是統計全國各省避孕套商家數量，而後作成熱力圖和柱狀圖。

統計商家數量仍是比較簡單，由於咱們以前在數據清洗的時候已經只保留了省份數據，因此直接value_counts()就能夠的到想要的數據，看看效果如何！

分析結論：

1. 避孕套商家前三甲：廣東、上海、浙江

ps：貴州四周都有賣套套的，爲什麼就它沒有？難道和地理有關？

9.分析避孕套商家全國平均銷量關係

分析完商家數後，咱們來看看各省的平均銷量吧。

商家全國平均銷量關係分析實現原理：咱們新建立一個透視表並對銷量求平均值，而後再排序，最後生成熱力圖和柱狀圖。

分析結論：

1. 出乎意料的是山西39個商家平均銷量居然是第一爲1535。

ps：爲什麼山西平均銷量是第一？緣由是啥真想不通

3、總結

經過上面的數據分析，咱們獲得了一些有趣的結論：

1. 用戶偏心螺紋、顆粒、狼牙等功能
2. 凝膠、透明質、免洗這三項均價最貴，超過100大洋
3. 價格區間在21-40的商品最多爲778款，大約佔比31%
4. 銷量在1000之內的最多，大概佔比90%
5. 訂價在31.9-39這個區間平均銷量最高，爲893
6. 避孕套商家數量前三甲：廣東、上海、浙江
7. 山西省平均銷量最高爲山西

經過上述分析結果，若是豬哥做爲一個避孕套商家，想要推出一款產品，設置標題帶螺紋、顆粒、狼牙，價格設置在31.9-39元，這樣可能會更暢銷一些。

數據分析做爲一把利刃，能讓你看見別人看不見的事物，若是使用得當徹底能夠做爲你創業的一個重要支點！

最後豬哥再送你一句忠告：想學數據分析，必定要學好pandas！！！

獲取源碼：關注微信公衆號「裸睡的豬」回覆：分析套套 便可獲取！