到現(xiàn)在為止，我們的淘寶教程已經(jīng)寫到了第四篇，前三篇分別是：

• 第一篇：Python模擬登錄淘寶，詳細(xì)講解如何使用requests庫登錄淘寶pc端。
• 第二篇：淘寶自動登錄2.0，新增Cookies序列化，教大家如何將cookies保存起來。
• 第三篇：Python爬取淘寶商品避孕套，教大家如何爬取淘寶pc端商品信息。

今天，我們來看看淘寶系列的第四篇

我們在上一篇的時候已經(jīng)將淘寶數(shù)據(jù)爬取下來了，但是并沒有做數(shù)據(jù)分析。所以今天這篇文章就是教大家如何去分析數(shù)據(jù)，得出一些有用的結(jié)論！

Python語言相比其他語言的優(yōu)勢在哪里？豬哥認(rèn)為是 數(shù)據(jù)分析 和 人工智能 這兩大塊，而且這兩個方向需求會慢慢增大，所以那些想學(xué)習(xí)Python卻不知道要朝著哪個目標(biāo)學(xué)習(xí)的同學(xué)可以考慮往這兩個方向發(fā)展！

一、分析目標(biāo)

數(shù)據(jù)分析之前我們需要清楚的知道自己想要分析什么東西，也就是先搞清楚我們的目標(biāo)。在公司可能是公司財報、用戶增量變化、產(chǎn)品受歡迎程度、一些報表等等。

那我們今天的目標(biāo)有哪些呢？我們來看看：

1. 分析避孕套標(biāo)題高頻關(guān)鍵字
2. 分析避孕套標(biāo)題高頻關(guān)鍵字 與 商品數(shù)量關(guān)系
3. 分析避孕套標(biāo)題高頻關(guān)鍵字 與 平均銷量關(guān)系
4. 分析避孕套標(biāo)題高頻關(guān)鍵字 與 平均售價關(guān)系
5. 分析避孕套商品價格區(qū)間分布關(guān)系
6. 分析避孕套商品銷量區(qū)間分布關(guān)系
7. 分析避孕套商品價格區(qū)間 與 平均銷量關(guān)系
8. 分析避孕套商家數(shù)量全國分布關(guān)系
9. 分析避孕套商家全國平均銷量關(guān)系

注意： 以上數(shù)據(jù)分析全部基于上次爬取的2500款淘寶商品（默認(rèn)排序），并不代表淘寶所有避孕套商品！

二、分析實現(xiàn)

有了明確的目標(biāo)之后，我們就要開始技術(shù)選型。

首先數(shù)據(jù)處理的庫這個很好確定，基本就是 numpy 和 pandas 這兩個必備的庫，所以大家首先確保已經(jīng)安裝了這兩個庫。

然后數(shù)據(jù)可視化庫呢？這么多可視化庫該怎么選？如果你不知道怎么選，那豬哥給你推薦： pyecharts 這個由中國人開發(fā)的可視化庫，想要什么類型的圖在下面文檔里面找就行。

中文文檔：https://pyecharts.org/#/zh-cn/intro
源碼地址：https://github.com/pyecharts/pyecharts

最后技術(shù)選型完畢，我們就可以開始正式的敲代碼分析了。（分析的標(biāo)題將和上面的分析目標(biāo)一一對應(yīng)）

0.數(shù)據(jù)清洗

在我們數(shù)據(jù)分析之前，我們需要對數(shù)據(jù)進(jìn)行清洗。因為從淘寶爬取下來的數(shù)據(jù)并不是標(biāo)準(zhǔn)的數(shù)據(jù)，比如：商品銷量，爬取下來的數(shù)據(jù)是： 2.5萬+人付款 ，我們需要將它轉(zhuǎn)為： 25000（整型） ，這樣才方面后面的處理！

我們先來看看從淘寶爬取的原始數(shù)據(jù)，看看那些數(shù)據(jù)需要清洗

根據(jù)使用庫的經(jīng)驗豬哥認(rèn)為有兩列數(shù)據(jù)需要清洗：1、銷量轉(zhuǎn)成整型 2、地區(qū)轉(zhuǎn)成只包含省份，具體如何清洗我們直接看代碼吧！

大家可以看到最后豬哥又從新生成了一個excel文件，目的就是不去污染原始數(shù)據(jù)， 因為原始數(shù)據(jù)非常重要 ，所以我們在以后的數(shù)據(jù)處理中要盡量保存好原始數(shù)據(jù)，多備份幾個都不多余！

1.分析避孕套標(biāo)題高頻關(guān)鍵字

數(shù)據(jù)清洗完畢之后，我們就可以開始分析了。

分析標(biāo)題高頻關(guān)鍵字這都是老生常談的一個流程，也就是使用jieba分詞，然后統(tǒng)計詞頻，最后生成一個詞云圖，我相信經(jīng)常看豬哥公眾號的同學(xué)看都看膩了吧，這種小功能閉著眼睛都會了。

十幾行代碼就搞定了，我們來看看效果圖吧

分析結(jié)論：

1. 從整體看商家取名偏愛情趣二字
2. 從材質(zhì)看尿酸的最多
3. 從功能看顆粒、螺紋的較多

ps：別問豬哥最中意哪個詞，問就是 延時 。

2.分析避孕套標(biāo)題高頻關(guān)鍵字 與 商品數(shù)量關(guān)系

上面我們只看到大概哪些功能受歡迎，如果需要看具體的數(shù)據(jù)怎么辦呢？

我們就來統(tǒng)計一下包含這些高頻關(guān)鍵詞的商品數(shù)據(jù)數(shù)量吧，代碼講解在圖片下方，下同！

我們?nèi)∽罡哳l的20個關(guān)鍵字，然后遍歷所有數(shù)據(jù)的標(biāo)題中是否包含其中關(guān)鍵字，如果包含則該關(guān)鍵字的value就+1。來看看生成的柱狀圖效果吧！

分析結(jié)論：

1. 包含情趣二字的商品有1150款，占到總數(shù)（2500款+）的46%。
2. 前三甲是：情趣、尿酸、顆粒

ps：豬哥有個疑問想請教各位老司機：這個 免洗 是咋玩的？

3.分析避孕套標(biāo)題高頻關(guān)鍵字 與 平均銷量關(guān)系

這個分析有意思了，就相當(dāng)于用戶更喜歡哪種功能或者材質(zhì)的套套。

高頻關(guān)鍵字與平均銷量分析數(shù)據(jù)的實現(xiàn)方法是，同樣遍歷所有數(shù)據(jù)的標(biāo)題，如果包含某個關(guān)鍵字，則把該項數(shù)據(jù)的銷量放在關(guān)鍵字的value中（一個list），統(tǒng)計完后再對每個關(guān)鍵字的value進(jìn)行求平均值，最后再根據(jù)平均銷量排序。來看看效果吧！

分析結(jié)論：

1. 螺紋功能平均銷量最高，大家的最愛
2. 功能平均銷量前三分別是：螺紋、顆粒、狼牙
3. 小號竟然上榜，哈哈

ps：有很多同學(xué)問：為什么不是超薄？超薄自己是爽了，可女朋友呢？

4.分析避孕套標(biāo)題高頻關(guān)鍵字 與 平均售價關(guān)系

分析完大家喜歡的功能，再來分析下這些功能的價格如何？哪些功能的避孕套比較貴呢？


高頻關(guān)鍵字 與 平均售價關(guān)系分析原理與上面是相似的，使用的同一個方法，只不過是將原來的銷量換成價格，來看看效果圖吧！

分析結(jié)果：

1. 可以看到前排幾個基本都是關(guān)于材質(zhì)的
2. 凝膠、透明質(zhì)、免洗這三項均價最貴，超過100大洋

ps：類似凝膠、透明質(zhì)、免洗的哪位老司機用過，和一般的有啥區(qū)別？

5.分析避孕套商品價格區(qū)間分布關(guān)系

商品的標(biāo)題和功能差不多分析完了，我們來分析下價格吧！


豬哥人為的對價格進(jìn)行了劃分，一共分為：'0-20', '21-40', '41-60', '61-80', '81-100', '101-120', '121-150', '151-200', '200以上'這9個區(qū)間，然后對數(shù)據(jù)切割、統(tǒng)計、排序，最后分別生成柱狀圖和餅圖。


分析結(jié)論：

1. 價格區(qū)間在21-40的商品最多為778款，大約占比31%。
2. 價格在一百以內(nèi)與超過一百的商品比大概為7:1

ps：沒想到還有這么多超過100塊的，我想問下200塊價格的套套是啥感覺？

6.分析避孕套商品銷量區(qū)間分布關(guān)系

分析完價格當(dāng)然是分析銷量區(qū)間了

銷量區(qū)間分布分析實現(xiàn)原理：認(rèn)為為銷量分區(qū)，大概分為：'一千以內(nèi)', '一千到五千', '五千到一萬', '一萬到五萬', '五萬到十萬', '十萬以上'，這六個區(qū)間，然后同上方法進(jìn)行統(tǒng)計、排序最后可視化。


分析結(jié)論：

1. 銷量在1000以內(nèi)的最多，大概占比90%
2. 銷量過萬的一共也才10款，說明爆款真的很少
3. 有一款套套銷量竟然超過10萬

ps：想知道那款超過10萬銷量的避孕套商品信息嗎？關(guān)注豬哥微信公眾號「裸睡的豬」回復(fù)：爆款套套，即可查看！

7.分析避孕套商品價格區(qū)間 與 平均銷量關(guān)系

假如你是一個避孕套賣家，新推出一款避孕套，你想知道價格定為多少銷量才會比較高呢？

這時候我們就可以通過分析價格與商品的銷量關(guān)系，用實際的數(shù)據(jù)來定價，這也正是數(shù)據(jù)分析的價值之一。

商品價格區(qū)間 與 平均銷量關(guān)系分析實現(xiàn)原理是：使用pandas自動分區(qū)將價格劃分為12個分區(qū)，然后對銷量數(shù)據(jù)分組、求平均值，來看看可視化之后的效果。

分析結(jié)論：

1. 定價在31.9-39這個區(qū)間平均銷量最高，為893
2. 定價在10元以內(nèi)的銷量竟然高居第二

ps：誰用過10以內(nèi)一盒的套套，出來走走

8.分析避孕套商家數(shù)量全國分布關(guān)系

標(biāo)題、價格、銷量都分析過了，最后我們還分析下商家位置的數(shù)據(jù)。

分析的目標(biāo)是統(tǒng)計全國各省避孕套商家數(shù)量，然后做成熱力圖和柱狀圖。

統(tǒng)計商家數(shù)量還是比較簡單，因為我們之前在數(shù)據(jù)清洗的時候已經(jīng)只保留了省份數(shù)據(jù)，所以直接value_counts()就可以的到想要的數(shù)據(jù)，看看效果如何！


分析結(jié)論：

1. 避孕套商家前三甲：廣東、上海、浙江

ps：貴州四周都有賣套套的，為何就它沒有？難道和地理有關(guān)？

9.分析避孕套商家全國平均銷量關(guān)系

分析完商家數(shù)后，我們來看看各省的平均銷量吧。

商家全國平均銷量關(guān)系分析實現(xiàn)原理：我們新創(chuàng)建一個透視表并對銷量求平均值，然后再排序，最后生成熱力圖和柱狀圖。

分析結(jié)論：

1. 出乎意料的是山西39個商家平均銷量竟然是第一為1535。

ps：為何山西平均銷量是第一？原因是啥真想不通

三、總結(jié)

通過上面的數(shù)據(jù)分析，我們得到了一些有趣的結(jié)論：

1. 用戶偏愛螺紋、顆粒、狼牙等功能
2. 凝膠、透明質(zhì)、免洗這三項均價最貴，超過100大洋
3. 價格區(qū)間在21-40的商品最多為778款，大約占比31%
4. 銷量在1000以內(nèi)的最多，大概占比90%
5. 定價在31.9-39這個區(qū)間平均銷量最高，為893
6. 避孕套商家數(shù)量前三甲：廣東、上海、浙江
7. 山西省平均銷量最高為山西

通過上述分析結(jié)果，如果豬哥作為一個避孕套商家，想要推出一款產(chǎn)品，設(shè)置標(biāo)題帶螺紋、顆粒、狼牙，價格設(shè)置在31.9-39元，這樣可能會更暢銷一些。

數(shù)據(jù)分析作為一把利刃，能讓你看見別人看不見的事物，如果使用得當(dāng)完全可以作為你創(chuàng)業(yè)的一個重要支點！

最后豬哥再送你一句忠告：想學(xué)數(shù)據(jù)分析，一定要學(xué)好pandas！！！

獲取源碼：關(guān)注微信公眾號「裸睡的豬」回復(fù)： 分析套套 即可獲取！