基于python的电商运动服饰销售可视化分析系统

2023-10-23 16:41

本文主要是介绍基于python的电商运动服饰销售可视化分析系统,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

温馨提示:文末有 CSDN 平台官方提供的学长 Wechat / QQ 名片 :)

1. 项目背景

        随着电⼦商务的蓬勃发展,⽹络服装销售已经逐渐成为消费者最为青睐的廉价购物渠道。本项目基于python网络爬虫从某电商平台抓取所有运动服饰的销售数据,分析不同品牌运动服装价格分布、主流品牌运动服装销售占比、不同标签的运动服装销售占比、男女款式运动服装销售占比等信息,多维度对比各类服装价格的高低。并利用 TensorFlow 构建深度学习模型,实现对运动服饰销售价格的建模和预测。

2. 功能组成

        基于python的电商运动服饰销售分析与预测系统的功能主要包括:

 3. 电商运动服饰销售数据爬虫

        利用 request + beautifulsoup 等工具,抓取某电商平台的运动服饰栏目的在售商品及店铺等信息:

options = Options()
options.add_argument('--headless')
options.add_argument('--disable-gpu')
chrome_driver = 'path to chromedriver'
browser = webdriver.Chrome(chrome_options=options, executable_path=chrome_driver)base_url = 'https://list.xxxxx.com/list.html?cat=1318,12102,9765&page={}&sort=sort_rank_asc&trans=1&JL=6_0_0#J_main'file_out = open('sports_wears.json', 'w', encoding='utf8')
page = 1
while page < 262:url = base_url.format(page)print('--> 抓取 {} 页:{}'.format(page, url))browser.get(url)soup = BeautifulSoup(browser.page_source, 'lxml')items = soup.find_all('li', class_='gl-item')item_infos = []for item in items:item_info = {}# 服装价格price = item.find('div', class_='p-price').i.text.strip()# 服装名称name = item.find('div', class_='p-name').a.em.text.strip()# 评论人数......# 店铺名称......item_info['comment'] = commentitem_info['shop'] = shopitem_info['tags'] = tagsprint(json.dumps(item_info, ensure_ascii=False))item_infos.append(json.dumps(item_info, ensure_ascii=False) + '\n')page += 1# 保存数据file_out.writelines(item_infos)file_out.flush()time.sleep(1.1)
browser.close()

4. 电商运动服饰销售分析与预测系统

4.1 店铺销售情况查询

        使用选择框进行店铺的选择,查询当前各店铺在售运动服装的数据,包括:服装名称、店铺名称、标签、大小型号、评论个数、价格(元):

4.2 运动服装价格分布及影响因素分析

        为了更好的统计在售运动服装价格分布和大小型号之间的关系,设定了三类图,不同型号的运动服装在售件数(扇形图)、不同大小型号的运动服装的均价分布(条形图)、电商在售运动服装价格分布情况(散点图):

         各种型号的运动服装在售件数都显示在了扇形图对应的区域中,当鼠标悬浮在相应的位置时,便会显示该型号的在售个数和占比信息,如图中显示M型号的在售个数为3901,占比25.2%。在第二张图中,显示了不同大小型号的运动服装的均价分布,当鼠标悬浮在相应的位置时,便会显示该型号的均价信息,如途中显示的SS均价在559.00元。可以看出,在0-500之间的是最多的。同时由于散点过于密集,在此图的右上角具备区域缩放、区域缩放还原、还原、下载的功能。通过图表,可以很清晰的看到在售运动服装价格分布与大小型号之间关系。

 4.3 主流品牌运动服装销售占比

        不同品牌的运动服饰,其销售价格、在售数量不同,也反应了品牌的受欢迎程度,对不同品牌运动服装销售占比就行统计分析:

 4.4 不同标签的运动服装销售占比

        对新品、放心购、闪购、赠、门店有售、厂商配送、物流、险、自营、满减、满赠等不同标签的商品就行统计分析:

4.5 男女款式运动服装销售占比

        分析性别对运动服饰销售的影响程度,对齐销售占比就行统计分析:

 4.6 基于神经网络的运动服装价格预测

        利用商品的描述文本和标签等信息,预测商品的销售价格。基于 keras 或 TensorFlow 构建双向 GRU+Dense 的神经网络模型,利用抓取的运动服装数据进行模型的训练和验证:

# 构造双向 GRU + Dense 神经网络模型
def build_model():inp = Input(shape=(maxlen,))x = Embedding(max_features, embed_size)(inp)x = Bidirectional(GRU(64, return_sequences=True))(x)x = GlobalMaxPool1D()(x)x = Dense(16, activation="relu")(x)x = Dropout(0.1)(x)x = Dense(len(all_price_levels_map), activation="softmax")(x)model = Model(inputs=inp, outputs=x)model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])return model

        模型结构如下: 

        并对商品的描述文本进行中文分词和词性标注:

# 词性标注算法
from jieba.analyse.tfidf import TFIDFclass WordSegmentPOSKeywordExtractor(TFIDF):def extract_sentence(self, sentence):......seg_words = []pos_words = []for w in words:wc = w.wordseg_words.append(wc)pos_words.append(w.flag)if len(wc.strip()) < 2 or wc.lower() in self.stop_words:continuefreq[wc] = freq.get(wc, 0.0) + 1.0return seg_words, pos_wordsextractor = WordSegmentPOSKeywordExtractor()

5. 结论

        本项目基于python网络爬虫从某电商平台抓取所有运动服饰的销售数据,分析不同品牌运动服装价格分布、主流品牌运动服装销售占比、不同标签的运动服装销售占比、男女款式运动服装销售占比等信息,多维度对比各类服装价格的高低。并利用 TensorFlow 构建深度学习模型,实现对运动服饰销售价格的建模和预测。

欢迎大家点赞、收藏、关注、评论啦 ,由于篇幅有限,只展示了部分核心代码

技术交流认准下方 CSDN 官方提供的学长 Wechat / QQ 名片 :)

精彩专栏推荐订阅:

1. Python 毕设精品实战案例
2. 自然语言处理 NLP 精品实战案例
3. 计算机视觉 CV 精品实战案例

这篇关于基于python的电商运动服饰销售可视化分析系统的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/269104

相关文章

Python中你不知道的gzip高级用法分享

《Python中你不知道的gzip高级用法分享》在当今大数据时代,数据存储和传输成本已成为每个开发者必须考虑的问题,Python内置的gzip模块提供了一种简单高效的解决方案,下面小编就来和大家详细讲... 目录前言:为什么数据压缩如此重要1. gzip 模块基础介绍2. 基本压缩与解压缩操作2.1 压缩文

Python设置Cookie永不超时的详细指南

《Python设置Cookie永不超时的详细指南》Cookie是一种存储在用户浏览器中的小型数据片段,用于记录用户的登录状态、偏好设置等信息,下面小编就来和大家详细讲讲Python如何设置Cookie... 目录一、Cookie的作用与重要性二、Cookie过期的原因三、实现Cookie永不超时的方法(一)

Python内置函数之classmethod函数使用详解

《Python内置函数之classmethod函数使用详解》:本文主要介绍Python内置函数之classmethod函数使用方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地... 目录1. 类方法定义与基本语法2. 类方法 vs 实例方法 vs 静态方法3. 核心特性与用法(1编程客

Python函数作用域示例详解

《Python函数作用域示例详解》本文介绍了Python中的LEGB作用域规则,详细解析了变量查找的四个层级,通过具体代码示例,展示了各层级的变量访问规则和特性,对python函数作用域相关知识感兴趣... 目录一、LEGB 规则二、作用域实例2.1 局部作用域(Local)2.2 闭包作用域(Enclos

怎样通过分析GC日志来定位Java进程的内存问题

《怎样通过分析GC日志来定位Java进程的内存问题》:本文主要介绍怎样通过分析GC日志来定位Java进程的内存问题,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录一、GC 日志基础配置1. 启用详细 GC 日志2. 不同收集器的日志格式二、关键指标与分析维度1.

Python实现对阿里云OSS对象存储的操作详解

《Python实现对阿里云OSS对象存储的操作详解》这篇文章主要为大家详细介绍了Python实现对阿里云OSS对象存储的操作相关知识,包括连接,上传,下载,列举等功能,感兴趣的小伙伴可以了解下... 目录一、直接使用代码二、详细使用1. 环境准备2. 初始化配置3. bucket配置创建4. 文件上传到os

使用Python实现可恢复式多线程下载器

《使用Python实现可恢复式多线程下载器》在数字时代,大文件下载已成为日常操作,本文将手把手教你用Python打造专业级下载器,实现断点续传,多线程加速,速度限制等功能,感兴趣的小伙伴可以了解下... 目录一、智能续传:从崩溃边缘抢救进度二、多线程加速:榨干网络带宽三、速度控制:做网络的好邻居四、终端交互

Python中注释使用方法举例详解

《Python中注释使用方法举例详解》在Python编程语言中注释是必不可少的一部分,它有助于提高代码的可读性和维护性,:本文主要介绍Python中注释使用方法的相关资料,需要的朋友可以参考下... 目录一、前言二、什么是注释?示例:三、单行注释语法:以 China编程# 开头,后面的内容为注释内容示例:示例:四

Python中win32包的安装及常见用途介绍

《Python中win32包的安装及常见用途介绍》在Windows环境下,PythonWin32模块通常随Python安装包一起安装,:本文主要介绍Python中win32包的安装及常见用途的相关... 目录前言主要组件安装方法常见用途1. 操作Windows注册表2. 操作Windows服务3. 窗口操作

Python中re模块结合正则表达式的实际应用案例

《Python中re模块结合正则表达式的实际应用案例》Python中的re模块是用于处理正则表达式的强大工具,正则表达式是一种用来匹配字符串的模式,它可以在文本中搜索和匹配特定的字符串模式,这篇文章主... 目录前言re模块常用函数一、查看文本中是否包含 A 或 B 字符串二、替换多个关键词为统一格式三、提