用Python分析2000款避孕套，得出这些有趣的结论

到如今为止，咱们的淘宝教程已经写到了第四篇，前三篇分别是：

• 第一篇：Python模拟登陆淘宝，详细讲解如何使用requests库登陆淘宝pc端。
• 第二篇：淘宝自动登陆2.0，新增Cookies序列化，教你们如何将cookies保存起来。
• 第三篇：Python爬取淘宝商品避孕套，教你们如何爬取淘宝pc端商品信息。

今天，咱们来看看淘宝系列的第四篇

咱们在上一篇的时候已经将淘宝数据爬取下来了，可是并无作数据分析。因此今天这篇文章就是教你们如何去分析数据，得出一些有用的结论！

Python语言相比其余语言的优点在哪里？猪哥认为是数据分析和人工智能这两大块，并且这两个方向需求会慢慢增大，因此那些想学习Python殊不知道要朝着哪一个目标学习的同窗能够考虑往这两个方向发展！

1、分析目标

数据分析以前咱们须要清楚的知道本身想要分析什么东西，也就是先搞清楚咱们的目标。在公司多是公司财报、用户增量变化、产品受欢迎程度、一些报表等等。

那咱们今天的目标有哪些呢？咱们来看看：

1. 分析避孕套标题高频关键字
2. 分析避孕套标题高频关键字 与 商品数量关系
3. 分析避孕套标题高频关键字 与 平均销量关系
4. 分析避孕套标题高频关键字 与 平均售价关系
5. 分析避孕套商品价格区间分布关系
6. 分析避孕套商品销量区间分布关系
7. 分析避孕套商品价格区间 与 平均销量关系
8. 分析避孕套商家数量全国分布关系
9. 分析避孕套商家全国平均销量关系

注意： 以上数据分析所有基于上次爬取的2500款淘宝商品（默认排序），并不表明淘宝全部避孕套商品！

2、分析实现

有了明确的目标以后，咱们就要开始技术选型。

首先数据处理的库这个很好肯定，基本就是numpy和pandas这两个必备的库，因此你们首先确保已经安装了这两个库。

而后数据可视化库呢？这么多可视化库该怎么选？若是你不知道怎么选，那猪哥给你推荐：pyecharts 这个由中国人开发的可视化库，想要什么类型的图在下面文档里面找就行。

中文文档：pyecharts.org/#/zh-cn/int… 源码地址：github.com/pyecharts/p…

最后技术选型完毕，咱们就能够开始正式的敲代码分析了。（分析的标题将和上面的分析目标一一对应）

0.数据清洗

在咱们数据分析以前，咱们须要对数据进行清洗。由于从淘宝爬取下来的数据并非标准的数据，好比：商品销量，爬取下来的数据是：2.5万 人付款，咱们须要将它转为：25000（整型），这样才方面后面的处理！

咱们先来看看从淘宝爬取的原始数据，看看那些数据须要清洗

根据使用库的经验猪哥认为有两列数据须要清洗：一、销量转成整型 二、地区转成只包含省份，具体如何清洗咱们直接看代码吧！

你们能够看到最后猪哥又重新生成了一个excel文件，目的就是不去污染原始数据， 由于原始数据很是重要，因此咱们在之后的数据处理中要尽可能保存好原始数据，多备份几个都很少余！

1.分析避孕套标题高频关键字

数据清洗完毕以后，咱们就能够开始分析了。

分析标题高频关键字这都是老生常谈的一个流程，也就是使用jieba分词，而后统计词频，最后生成一个词云图，我相信常常看猪哥公众号的同窗看都看腻了吧，这种小功能闭着眼睛都会了。

十几行代码就搞定了，咱们来看看效果图吧

分析结论：

1. 从总体看商家取名偏心情趣二字
2. 从材质看尿酸的最多
3. 从功能看颗粒、螺纹的较多

ps：别问猪哥最中意哪一个词，问就是延时。

2.分析避孕套标题高频关键字 与 商品数量关系

上面咱们只看到大概哪些功能受欢迎，若是须要看具体的数据怎么办呢？

咱们就来统计一下包含这些高频关键词的商品数据数量吧，代码讲解在图片下方，下同！

咱们取最高频的20个关键字，而后遍历全部数据的标题中是否包含其中关键字，若是包含则该关键字的value就 1。来看看生成的柱状图效果吧！

分析结论：

1. 包含情趣二字的商品有1150款，占到总数（2500款 ）的46%。
2. 前三甲是：情趣、尿酸、颗粒

ps：猪哥有个疑问想请教各位老司机：这个 免洗 是咋玩的？

3.分析避孕套标题高频关键字 与 平均销量关系

这个分析有意思了，就至关于用户更喜欢哪一种功能或者材质的套套。

高频关键字与平均销量分析数据的实现方法是，一样遍历全部数据的标题，若是包含某个关键字，则把该项数据的销量放在关键字的value中（一个list），统计完后再对每一个关键字的value进行求平均值，最后再根据平均销量排序。来看看效果吧！

分析结论：

1. 螺纹功能平均销量最高，你们的最爱
2. 功能平均销量前三分别是：螺纹、颗粒、狼牙
3. 小号居然上榜，哈哈

ps：有不少同窗问：为何不是超薄？超薄本身是爽了，可女友呢？

4.分析避孕套标题高频关键字 与 平均售价关系

分析完你们喜欢的功能，再来分析下这些功能的价格如何？哪些功能的避孕套比较贵呢？

高频关键字 与 平均售价关系分析原理与上面是类似的，使用的同一个方法，只不过是将原来的销量换成价格，来看看效果图吧！

分析结果：

1. 能够看到前排几个基本都是关于材质的
2. 凝胶、透明质、免洗这三项均价最贵，超过100大洋

ps：相似凝胶、透明质、免洗的哪位老司机用过，和通常的有啥区别？

5.分析避孕套商品价格区间分布关系

商品的标题和功能差很少分析完了，咱们来分析下价格吧！

猪哥人为的对价格进行了划分，一共分为：'0-20', '21-40', '41-60', '61-80', '81-100', '101-120', '121-150', '151-200', '200以上'这9个区间，而后对数据切割、统计、排序，最后分别生成柱状图和饼图。

分析结论：

1. 价格区间在21-40的商品最多为778款，大约占比31%。
2. 价格在一百之内与超过一百的商品比大概为7:1

ps：没想到还有这么多超过100块的，我想问下200块价格的套套是啥感受？

6.分析避孕套商品销量区间分布关系

分析完价格固然是分析销量区间了

销量区间分布分析实现原理：认为为销量分区，大概分为：'一千之内', '一千到五千', '五千到一万', '一万到五万', '五万到十万', '十万以上'，这六个区间，而后同上方法进行统计、排序最后可视化。

分析结论：

1. 销量在1000之内的最多，大概占比90%
2. 销量过万的一共也才10款，说明爆款真的不多
3. 有一款套套销量居然超过10万

ps：想知道那款超过10万销量的避孕套商品信息吗？关注猪哥微信公众号「裸睡的猪」回复：爆款套套，便可查看！

7.分析避孕套商品价格区间 与 平均销量关系

假如你是一个避孕套卖家，新推出一款避孕套，你想知道价格定为多少销量才会比较高呢？

这时候咱们就能够经过分析价格与商品的销量关系，用实际的数据来订价，这也正是数据分析的价值之一。

商品价格区间 与 平均销量关系分析实现原理是：使用pandas自动分区将价格划分为12个分区，而后对销量数据分组、求平均值，来看看可视化以后的效果。

分析结论：

1. 订价在31.9-39这个区间平均销量最高，为893
2. 订价在10元之内的销量居然高居第二

ps：谁用过10之内一盒的套套，出来走走

8.分析避孕套商家数量全国分布关系

标题、价格、销量都分析过了，最后咱们还分析下商家位置的数据。

分析的目标是统计全国各省避孕套商家数量，而后作成热力图和柱状图。

统计商家数量仍是比较简单，由于咱们以前在数据清洗的时候已经只保留了省份数据，因此直接value_counts()就能够的到想要的数据，看看效果如何！

分析结论：

1. 避孕套商家前三甲：广东、上海、浙江

ps：贵州四周都有卖套套的，为什么就它没有？难道和地理有关？

9.分析避孕套商家全国平均销量关系

分析完商家数后，咱们来看看各省的平均销量吧。

商家全国平均销量关系分析实现原理：咱们新建立一个透视表并对销量求平均值，而后再排序，最后生成热力图和柱状图。

分析结论：

1. 出乎意料的是山西39个商家平均销量居然是第一为1535。

ps：为什么山西平均销量是第一？缘由是啥真想不通

3、总结

经过上面的数据分析，咱们获得了一些有趣的结论：

1. 用户偏心螺纹、颗粒、狼牙等功能
2. 凝胶、透明质、免洗这三项均价最贵，超过100大洋
3. 价格区间在21-40的商品最多为778款，大约占比31%
4. 销量在1000之内的最多，大概占比90%
5. 订价在31.9-39这个区间平均销量最高，为893
6. 避孕套商家数量前三甲：广东、上海、浙江
7. 山西省平均销量最高为山西

经过上述分析结果，若是猪哥做为一个避孕套商家，想要推出一款产品，设置标题带螺纹、颗粒、狼牙，价格设置在31.9-39元，这样可能会更畅销一些。

数据分析做为一把利刃，能让你看见别人看不见的事物，若是使用得当彻底能够做为你创业的一个重要支点！

最后猪哥再送你一句忠告：想学数据分析，必定要学好pandas！！！

获取源码：关注微信公众号「裸睡的猪」回复：分析套套 便可获取！