Python实战：情人节不会送口红！Python数据分析教你来搞定！！

本文主要是介绍Python实战：情人节不会送口红！Python数据分析教你来搞定！！，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！

前言

1、案例背景

520情人节，不懂送女朋友什么牌子的口红？没关系！Python 数据分析告诉你。

我们爬取了京东商城口红近 4000 条口红商品信息，并对这些口红数据进行分析，让大家买口红给女朋友时有个选择的参考，从如下几个方面去分析：

1、哪些价格区间的口红卖的最好？
2、口红销量分布情况。
3、销量前10的口红有哪些？
4、销量前10的店铺。
5、商品价格和销量的关系。

文末领取全套最新Python学习资源！

2、任务说明

通过 Python 爬虫爬取了京东上所有口红铺的数据集 jd_data.csv。

我们希望通过该数据集，针对不同的口红品牌和店铺进行统计与分析，从而能够解开我们上述疑问。

3、数据字段的说明

字段含义图：

4、数据分析的流程

在这里插入图片描述

二、数据预处理

数据清洗

1、首先从csv文件中导入数据

python复制代码import pandas as pd 
import matplotlib.pyplot as plt #读取数据
dataframe = pd.read_csv('jd_data.csv',encoding = 'gb18030')#这里不能使用utf-8
print(dataframe.shape)

查看下有多少行、列数据：
(3816, 6)
共有3816行，6列（上面有这六个字段说明）

2、缺失值处理

kotlin复制代码data = dataframe.dropna(how='any')
data.head()
print(data.shape)

(3610, 6)
从这里可以看出还是有些缺失值的

对于缺失值的处理主要有两种方法：

删除

填充：分为均值、中位数、众数、附近值进行填充，还有牛顿差值法等等。
这里偷一下懒，使用比较简便的删除的方式处理缺失值，毕竟缺失的不是很多。

ini复制代码# inplace=True表示原地修改数据集  
data.dropna(axis=0, inplace=True)   # 对删除后缺失值后的数据集，再次进行缺失值统计  
data.isnull().sum(axis=1)

数据转换

1、将评论的+和万字修改

scss复制代码def dealComment(comm_colum):num = str(comm_colum).split('+')[0]if '万' in num:if '.' in num :num = num.replace('.','').replace('万','000')else:num = num.replace('.','').replace('万','0000')return num
dataframe['comment'] = dataframe['comment'].apply(lambda x: dealComment_num(x))
#转换成int类型
dataframe['comment'] = dataframe.comment.astype('int') 
data = dataframe.drop('comment',axis = 1)
print(data.head(10))

经过处理完后的数据：

数据预处理是数据分析的一项重要任务，能否得到准确的数据分析结果离不开数据预处理，下面我们开始对口红数据进行分析吧！

文末领取全套最新Python学习资源！

三、数据分析

京东上面商品没有销量这一信息，我们姑且将评论数当成是销量。

本次项目中取用了 name、price、comment、shop_name 、shop_type 这几个字段的信息。

分别是商品标题名称、价格、评论数、店铺名、店铺类型来进行分析。

1、口红价格分布区间

ini复制代码import pandas as pd 
import matplotlib.pyplot as plt#读取数据
data = pd.read_csv('jd_data.csv',encoding = 'gb18030')plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签
plt.figure(figsize=(10,8))
price = data[data['price'] < 1000]
plt.hist(price['price'], bins=10, color='brown')
plt.xlabel('价格')
plt.ylabel('商品数量')
plt.title('价格商品分布')
plt.show()

结果如下：

通过上图，可以很清楚看到：

口红的价格绝大多数在0-500元的区间之内，但是也有口红的售价达到了1000元，哈哈努力挣钱吧。
其中200-300元价位的数量非常的高，超过了1200，而且价格超过300元的有明显的减少趋势，哈哈价格才是王道。

2、销量分布情况

由于没有爬取到销量信息，所以将评论数当成销量

ini复制代码#销量分析
sale_num = data[data['comment'] > 100]
plt.figure(figsize=(10,8))
#print(len(sale_num)/len(data))  #查看下大致的区间分布
plt.hist(sale_num['comment'], bins=20, color='blue')
plt.xlabel('销量')
plt.ylabel('数量')
plt.title('销量情况')
plt.show()

结果如下：

通过直方图我们可以看到：

销售量基本是在20万以内。
销售量在10万以内的占了绝大多数
还有极个别的店铺销量竟然超过了100万

3、销售前10的口红

scss复制代码#销售前10的口红
#抽取商品标题的简略信息
def get_title(item):title = item.split(' ')[0]return titledata['small_name'] = data['name'].apply(lambda x: get_title(x)) 
data1 = data.drop('name',axis = 1)
top10Lipstick = data1.sort_values('comment',ascending=False)
print(top10Lipstick.head(10))
title = top10Lipstick['small_name'][:10]
sale_num = top10Lipstick['comment'][:10]
plt.figure(figsize=(10,8),dpi = 80) 
plt.bar(range(10),sale_num,width=0.6,color='red')
plt.xticks(range(10),title,rotation=45)
#plt.ylim((9,9.7))   #设置y轴坐标
plt.ylabel('数量') 
plt.xlabel('标题')  
plt.title('销量前10的糖果')
for x,y in enumerate(list(sale_num)):   plt.text(x,float(y)+0.01,y,ha='center')

结果如下：

可以发现，排名前三位的是：

京东国际魅可（MAC)经典唇膏子弹头口红3g Chili 小辣椒色

商品图片

【520礼物】中国风口红套装礼盒女颐和园同款唇膏唇釉学生非小样彩妆口红套装（6支）

商品图片

【520礼物】迪奥（Dior）烈艳蓝金唇膏-哑光999# 3.5g 传奇红（口红正红色传奇红赠精美礼盒）

商品图片

4、销量前10的店铺

分析完销量前10的商品后，我们再来看下销量前10的店铺：

代码如下：

scss复制代码#销量前10的店铺
top_shop = data.groupby('shop_name')['comment'].sum().sort_values(ascending=False)[:10]
print(top_shop.head(10))plt.figure(figsize=(10,8),dpi = 80)
top_shop.plot(kind = 'bar',color='red',width= 0.6)
plt.ylabel('数量')
plt.xlabel('店铺名')  
plt.title('销量前10的店铺') 
plt.xticks(rotation=45)
for x,y in enumerate(list(top_shop)): plt.text(x,float(y)+0.1,y,ha='center')
plt.show()

结果如下：

文末领取全套最新Python学习资源！

由上图可以看到：

MAC魅可海外自营专区占据第一名，达 1365308 的销售量，而且基本前10的店铺销量都在5万以上。
前三名都基本达到了130多万
前10名中有5个是京东自营

5、商品价格和销量的关系

我们采用散点图的方式，看看价格和销量的分布关系

kotlin复制代码plt.figure(figsize=(10,8))
plt.scatter(data['price'],data['comment'], color='blue')
plt.xlabel('价格')
plt.ylabel('销量')
plt.title('价格、销量的散点分布')
plt.show()

结果如下：

可以看出：

随着价格的升高销量会减小，而且价格在400内，对销量的影响不大，证明绝大多数人的口红消费区间在0-400元之间，但是最贵的竟然达到了近1700元，哈哈，贫穷限制了我的想象。

四、总结

经过这次小小的数据分析，还是学到了许多的。作为一名小白，还有许多要学习：

数据清洗，它是能分析出正确结果的保证；
如何挖掘数据不同维度间的联系等；

不足：本次数据分析还有许多需要完善的地方：

比如分析不同类型的店铺占比店铺；
不同类型的店铺之间的销量对比；
由于本次没有爬取评论数据，没有做情感分析；

数据分析之路还很漫长，加油！

以上就是今天的全部内容分享，觉得有用的话欢迎点赞收藏哦！

Python经验分享

学好 Python 不论是用于就业还是做副业赚钱都不错，而且学好Python还能契合未来发展趋势——人工智能、机器学习、深度学习等。
小编是一名Python开发工程师，自己整理了一套最新的Python系统学习教程，包括从基础的python脚本到web开发、爬虫、数据分析、数据可视化、机器学习等。如果你也喜欢编程，想通过学习Python转行、做副业或者提升工作效率，这份【最新全套Python学习资料】一定对你有用！

小编为对Python感兴趣的小伙伴准备了以下籽料！

对于0基础小白入门：

如果你是零基础小白，想快速入门Python是可以考虑培训的！