使用Python爬了4400條淘寶商品數(shù)據(jù),竟發(fā)現(xiàn)了這些“潛規(guī)則”-創(chuàng)新互聯(lián)

本文記錄了筆者用 Python 爬取淘寶某商品的全過程，并對商品數(shù)據(jù)進行了挖掘與分析，最終得出結(jié)論。

目前創(chuàng)新互聯(lián)公司已為上千的企業(yè)提供了網(wǎng)站建設(shè)、域名、網(wǎng)頁空間、網(wǎng)站托管、服務(wù)器托管、企業(yè)網(wǎng)站設(shè)計、富平網(wǎng)站維護等服務(wù)，公司將堅持客戶導(dǎo)向、應(yīng)用為本的策略，正道將秉承"和諧、參與、激情"的文化，與客戶和合作伙伴齊心協(xié)力一起成長，共同發(fā)展。項目內(nèi)容

本案例選擇>> 商品類目：沙發(fā)；
數(shù)量：共100頁  4400個商品；
篩選條件：天貓、銷量從高到低、價格500元以上。

項目目的

1. 對商品標題進行文本分析 詞云可視化
2. 不同關(guān)鍵詞word對應(yīng)的sales的統(tǒng)計分析
3. 商品的價格分布情況分析
4. 商品的銷量分布情況分析
5. 不同價格區(qū)間的商品的平均銷量分布
6. 商品價格對銷量的影響分析
7. 商品價格對銷售額的影響分析
8. 不同省份或城市的商品數(shù)量分布
9.不同省份的商品平均銷量分布

注：本項目僅以以上幾項分析為例。

項目步驟

1. 數(shù)據(jù)采集：Python爬取淘寶網(wǎng)商品數(shù)據(jù)
2. 對數(shù)據(jù)進行清洗和處理
3. 文本分析：jieba分詞、wordcloud可視化
4. 數(shù)據(jù)柱形圖可視化 barh
5. 數(shù)據(jù)直方圖可視化 hist
6. 數(shù)據(jù)散點圖可視化 scatter
7. 數(shù)據(jù)回歸分析可視化 regplot

工具&模塊：

工具：本案例代碼編輯工具 Anaconda的Spyder
模塊：requests、retrying、missingno、jieba、matplotlib、wordcloud、imread、seaborn 等。

一、爬取數(shù)據(jù)

因淘寶網(wǎng)是反爬蟲的，雖然使用多線程、修改headers參數(shù)，但仍然不能保證每次100%爬取，所以 我增加了循環(huán)爬取，每次循環(huán)爬取未爬取成功的頁 直至所有頁爬取成功停止。
說明：淘寶商品頁為JSON格式 這里使用正則表達式進行解析；

代碼如下：

二、數(shù)據(jù)清洗、處理：

(此步驟也可以在Excel中完成 再讀入數(shù)據(jù))

代碼如下：

說明：根據(jù)需求，本案例中只取了 item_loc, raw_title, view_price, view_sales 這4列數(shù)據(jù)，主要對 標題、區(qū)域、價格、銷量 進行分析。

代碼如下:

三、數(shù)據(jù)挖掘與分析：

【1】. 對 raw_title 列標題進行文本分析：

使用結(jié)巴分詞器，安裝模塊pip install jieba

對 title_s（list of list 格式）中的每個list的元素（str）進行過濾 剔除不需要的詞語，即 把停用詞表stopwords中有的詞語都剔除掉：

因為下面要統(tǒng)計每個詞語的個數(shù)，所以 為了準確性 這里對過濾后的數(shù)據(jù) title_clean 中的每個list的元素進行去重，即 每個標題被分割后的詞語唯一。

觀察 word_count 表中的詞語，發(fā)現(xiàn)jieba默認的詞典 無法滿足需求：
有的詞語（如 可拆洗、不可拆洗等）卻被cut，這里根據(jù)需求對詞典加入新詞（也可以直接在詞典dict.txt里面增刪，然后載入修改過的dict.txt）

詞云可視化：

安裝模塊 wordcloud：
方法1： pip install wordcloud
方法2： 下載Packages安裝：pip install 軟件包名稱
軟件包下載地址：https://www.lfd.uci.edu/~gohlke/pythonlibs/#wordcloud

注意：要把下載的軟件包放在Python安裝路徑下。

代碼如下：

分析結(jié)論：

1. 組合、整裝商品占比很高；

2. 從沙發(fā)材質(zhì)看：布藝沙發(fā)占比很高，比皮藝沙發(fā)多；
3. 從沙發(fā)風(fēng)格看：簡約風(fēng)格最多，北歐風(fēng)次之，其他風(fēng)格排名依次是美式、中式、日式、法式 等；
4. 從戶型看：小戶型占比最高、大小戶型次之，大戶型最少。

【2】. 不同關(guān)鍵詞word對應(yīng)的sales之和的統(tǒng)計分析：

（說明：例如 詞語 ‘簡約'，則統(tǒng)計商品標題中含有‘簡約'一詞的商品的銷量之和，即求出具有‘簡約'風(fēng)格的商品銷量之和）

代碼如下：

對表df_word_sum 中的 word 和 w_s_sum 兩列數(shù)據(jù)進行可視化
（本例中取銷量排名前30的詞語進行繪圖）

由圖表可知：

1. 組合商品銷量最高 ；

2. 從品類看：布藝沙發(fā)銷量很高，遠超過皮藝沙發(fā)；
3. 從戶型看：小戶型沙發(fā)銷量最高，大小戶型次之，大戶型銷量最少；
4. 從風(fēng)格看：簡約風(fēng)銷量最高，北歐風(fēng)次之，其他依次是中式、美式、日式等；
5. 可拆洗、轉(zhuǎn)角類沙發(fā)銷量可觀，也是頗受消費者青睞的。

【3】. 商品的價格分布情況分析：

分析發(fā)現(xiàn)，有一些值太大，為了使可視化效果更加直觀，這里我們結(jié)合自身產(chǎn)品情況，選擇價格小于20000的商品。

代碼如下：

由圖表可知：

1. 商品數(shù)量隨著價格總體呈現(xiàn)下降階梯形勢，價格越高，在售的商品越少；
2. 低價位商品居多，價格在500-1500之間的商品最多，1500-3000之間的次之，價格1萬以上的商品較少；
3. 價格1萬元以上的商品，在售商品數(shù)量差異不大。

【4】. 商品的銷量分布情況分析：

同樣，為了使可視化效果更加直觀，這里我們選擇銷量大于100的商品。

代碼如下：

由圖表及數(shù)據(jù)可知：

1. 銷量100以上的商品僅占3.4% ，其中銷量100-200之間的商品最多，200-300之間的次之；
2. 銷量100-500之間，商品的數(shù)量隨著銷量呈現(xiàn)下降趨勢，且趨勢陡峭，低銷量商品居多；
3. 銷量500以上的商品很少。

【5】. 不同價格區(qū)間的商品的平均銷量分布：

代碼如下：

由圖表可知：

1. 價格在1331-1680之間的商品平均銷量最高，951-1331之間的次之，9684元以上的最低；
2. 總體呈現(xiàn)先增后減的趨勢，但最高峰處于相對低價位階段；
3. 說明廣大消費者對購買沙發(fā)的需求更多處于低價位階段，在1680元以上 價位越高 平均銷量基本是越少。

【6】. 商品價格對銷量的影響分析：

同上，為了使可視化效果更加直觀，這里我們結(jié)合自身產(chǎn)品情況，選擇價格小于20000的商品。

代碼如下：

由圖表可知：

1. 總體趨勢：隨著商品價格增多 其銷量減少，商品價格對其銷量影響很大；
2. 價格500-2500之間的少數(shù)商品銷量沖的很高，價格2500-5000之間的商品多數(shù)銷量偏低，少數(shù)相對較高，但價格5000以上的商品銷量均很低 沒有銷量突出的商品。

【7】. 商品價格對銷售額的影響分析：

代碼如下：

由圖表可知：

1. 總體趨勢：由線性回歸擬合線可以看出，商品銷售額隨著價格增長呈現(xiàn)上升趨勢；
2. 多數(shù)商品的價格偏低，銷售額也偏低；
3. 價格在0-20000的商品只有少數(shù)銷售額較高，價格2萬-6萬的商品只有3個銷售額較高，價格6-10萬的商品有1個銷售額很高，而且是大值。

【8】. 不同省份的商品數(shù)量分布：

代碼如下：

由圖表可知：

1. 廣東的最多，上海次之，江蘇第三，尤其是廣東的數(shù)量遠超過江蘇、浙江、上海等地，說明在沙發(fā)這個子類目，廣東的店鋪占主導(dǎo)地位；

2. 江浙滬等地的數(shù)量差異不大，基本相當。

【9】. 不同省份的商品平均銷量分布：

代碼如下：

熱力型地圖

總結(jié)

以上所述是小編給大家介紹的使用Python爬了4400條淘寶商品數(shù)據(jù),竟發(fā)現(xiàn)了這些“潛規(guī)則”，希望對大家有所幫助，如果大家有任何疑問請給我留言，小編會及時回復(fù)大家的。在此也非常感謝大家對創(chuàng)新互聯(lián)網(wǎng)站的支持！

新聞標題：使用Python爬了4400條淘寶商品數(shù)據(jù),竟發(fā)現(xiàn)了這些“潛規(guī)則”-創(chuàng)新互聯(lián)
本文鏈接：http://muchs.cn/article40/ddopho.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供網(wǎng)站策劃、網(wǎng)站導(dǎo)航、網(wǎng)站建設(shè)、網(wǎng)站設(shè)計、網(wǎng)站制作、手機網(wǎng)站建設(shè)

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時需注明來源： 創(chuàng)新互聯(lián)