怎么用Python分析全网取暖器数据

本篇内容主要讲解"怎么用Python分析全网取暖器数据"，感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷，实用性强。下面就让小编来带大家学习"怎么用Python分析全网取暖器数据"吧!

用Python分析全网取暖器数据

我们使用Python获取了淘宝网搜索关键词暖气片、取暖器、壁挂炉的商品数据，并进行了数据分析。

读取数据

首先导入获取的数据。

# 导入工具包import numpy as np import pandas as pd from pyecharts.charts import Bar, Pie, Map, Pagefrom pyecharts import options as optsimport jieba # 读取数据df_all = pd.read_csv('../data/导出数据.csv')df_all.head()

df_all.shape(13212, 7)

数据清洗和整理

此处我们需要对数据集进行数据清洗以便后续分析和可视化，主要工作内容如下：

• 删除记录的重复值

• goods_price列处理：提取数值

• purchase_num列处理：提取数值

• 计算销售额sales_volume = goods_price*purchase_num

• 删除多余的列

代码实现如下：

df = df_all.copy()# 去除重复值df.drop_duplicates(inplace=True)df.shape(6849, 7)# 筛选记录df = df[df['purchase_num'].str.contains('人付款')]# goods_price列处理df['goods_price'] = df['goods_price'].str.extract('(\d+\.{0,1}\d*)')  df['goods_price'] = df['goods_price'].astype('float')# purchase_num列处理df['num'] = df['purchase_num'].str.extract('(\d+\.{0,1}\d*)')df['num'] = df['num'].astype('float') df['unit'] = [10000 if '万' in i else 1 for i in df['purchase_num']]# 计算销量df['purchase_num'] = df['num'] * df['unit']# 计算销售额df['sales_volume'] = df['goods_price'] * df['purchase_num']# 提取省份字段 df['province_name'] = df['location'].astype('str').str.split(' ').apply(lambda x:x[0]) # 删除多余的列df.drop(['num', 'unit', 'detail_url'], axis=1, inplace=True)# 重置索引df = df.reset_index(drop=True)df.head()

可以看到"取暖器">

接着，看到店铺月销量排名Top10。

店铺月销量排名Top10

可以看到店铺销量前十，凯瑞莱旗舰店位居第一。其后春尚电器专营店和苏宁易购分别是第二第三名。排在前十的还有美的、tcl等品牌。

# 计算top10店铺shop_top10 = df.groupby('shop_name')['purchase_num'].sum().sort_values(ascending=False).head(10)

全国各省份产地销量排名Top10

这些取暖器的产地都在哪儿呢？经过分析发现，浙江是生产取暖器的头号大省，在产地销量排名中一骑绝尘位居第一。之后排在第二位的是广东。湖南、江苏、山东分别位居第三第四第五名。

# 计算销量top10province_top10 = df.groupby('province_name')['purchase_num'].sum().sort_values(ascending=False).head(10)

不同价格区间的商品数量占比

取暖器都卖多少钱呢？经过分析发现，100元以下的商品是最多占比高达34.76%。其次是200-500元的商品，占比22.09%。

不同价格区间的销量占比

与此同时，在销量方面，价格在100元以下和100-200元之间的取暖产品也是销量最好的，全网销售量分别占比37.49%和35.92%。

到此，相信大家对"怎么用Python分析全网取暖器数据"有了更深的了解，不妨来实际操作一番吧！这里是网站，更多相关内容可以进入相关频道进行查询，关注我们，继续学习！