Python爬取某宝菠萝数据，并可视化分析销量

淡淡的烟草味﹌ 2022-11-11 05:24 164阅读 0赞

本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,如有问题请及时联系我们以作处理。

以下文章来源于志斌的python笔记 ，作者 志斌

**Python爬虫、数据分析、网站开发等案例教程视频免费在线观看**

https://space.bilibili.com/523606542

# [Python学习交流群：1039649593][Python_1039649593] #

**前言**

要说最近哪种水果最火，那就不得不说说菠萝了。随着“每3个中国菠萝就有1个来自徐闻”的话题登上各大平台热搜。徐闻菠萝迅速成为消费市场的热门商品。

随着徐闻菠萝高铁的开通大大降低了菠萝的运输成本和时间成本，这意味着我们可以以更低的价格吃上更新鲜的菠萝。在这种情况下，你还会担心网购的不新鲜吗？

**数据获取**

本文利用Python详细采集了淘宝网1774个商家菠萝的销售数据，获取到菠萝的店铺名称、商品名称、价格、产地、销量等数据，由于之前的文章已经详细介绍过淘宝网商家数据采集方法（不懂的看这篇文章用Requests+Cookie，轻松获取淘宝商品数据！），所以这里我们直接上代码:

response = requests.get('https://s.taobao.com/search', headers=headers, params=params)
    
    shangpinming = re.findall('"raw_title":"(.*?)"',response.text)
    jiage = re.findall('"view_price":"(.*?)"',response.text)
    fahuodi = re.findall('"item_loc":"(.*?)"',response.text)
    fukuanrenshu = re.findall('"view_sales":"(.*?)人付款"',response.text)
    dianpumingcheng = re.findall('"nick":"(.*?)"',response.text)

**数据处理**

我们打开Excel文件对数据进行观察，发现有很多重复的数据，如图：

![Python爬取某宝菠萝数据，并可视化分析销量][Python]

可能是因为某些店铺数据在不同页面中也存在导致的，我们可以采用pandas对数据进行清洗，但是这里我们可以用一种更简单的方式来对重复数据进行清洗，那就是Excel，它自带有删除重复项的功能，如图：

![Python爬取某宝菠萝数据，并可视化分析销量][Python 1]

数据处理后，数据预览：

![Python爬取某宝菠萝数据，并可视化分析销量][Python 2]

**数据可视化**

本文采取Excel进行菠萝数据可视化，因为在绘图方面Excel甚至强于Python！

**菠萝价格分布图**

![Python爬取某宝菠萝数据，并可视化分析销量][Python 3]

从图中可得菠萝的价格45%在30元以下，绝大多数的在100元以下，根据国家统计局公布的全国人均可支配收入来看，实现菠萝自由还是挺简单的。

![Python爬取某宝菠萝数据，并可视化分析销量][Python 4]

**那些店铺的销量较好**

![Python爬取某宝菠萝数据，并可视化分析销量][Python 5]

从图中我们可以看出，销量前十的店铺9个都是旗舰店，看来当价格较低时，人们更加的注重商品质量。

**价格与销量之间的关系**

![Python爬取某宝菠萝数据，并可视化分析销量][Python 6]

从散点图中我们可以看到，价格和销量基本上成反比，即价格越低，销量越高。

有三个点较高，可能是因为店铺的名气较大所导致的。

**国内哪里盛产菠萝**

![Python爬取某宝菠萝数据，并可视化分析销量][Python 7]

对淘宝店铺所在地进行可视化发现，大部分店铺集中在广东、海南、浙江这些沿海地区，我专门上网搜了一下菠萝生产的条件：

![Python爬取某宝菠萝数据，并可视化分析销量][Python 8]

**在售菠萝的特点**

![Python爬取某宝菠萝数据，并可视化分析销量][Python 9]

我们将所有的商品名称做成词云图，从词云图中我们可以看出，菠萝商品数据的关键字有：新鲜、凤梨、罐头、零食、海南。整箱、包邮等等。

[Python_1039649593]: https://jq.qq.com/?_wv=1027&k=SBLaYU2c
[Python]: /images/20221022/fb032ac2167f4e2f96411caac21d520c.png
[Python 1]: /images/20221022/9808e6e134b942a3989812002ba1f574.png
[Python 2]: /images/20221022/da37ff8588aa4732a1a96afafc7d84d7.png
[Python 3]: /images/20221022/e5c8f557abac407dbf671155b5b23f9b.png
[Python 4]: /images/20221022/acf008b1739e46f28fcd7edcad6539df.png
[Python 5]: https://img-blog.csdnimg.cn/img_convert/50f377f5b093fe75ddb648b60b9655ae.png
[Python 6]: https://img-blog.csdnimg.cn/img_convert/132d03a17b0b251fa023928231b97e7f.png
[Python 7]: https://img-blog.csdnimg.cn/img_convert/e92bd962ccef1a6bf507a0f412592cc3.png
[Python 8]: https://img-blog.csdnimg.cn/img_convert/68b9e41a8d4d451070dc6b380d80ea77.png
[Python 9]: https://img-blog.csdnimg.cn/img_convert/e0b3141c3c6fa0d8c6b79d7bb711e7fc.png