[](https://imgchr.com/i/yamaNj) 今年不知道有多少小夥伴留在原地過年，雖然今年過年不能回老家，但這個年也得過，也得買年貨，給家人長輩送禮。於是我出於好奇心的想法利用爬蟲獲取某寶資料，並結合 Python 資料分析和第三方視覺化平臺來分析一下大家過年都買了哪些東西，分析結果如下： [](https://imgchr.com/i/yamUEQ) 上面使用清洗好的資料後用 finebi 第三方視覺化工具完成的。接下來是用 Python 的實現過程，對於本文的敘述，主要分為以下五步： - 分析思路 - 爬蟲部分 - 資料清洗 - 資料視覺化及分析 - 結論與建議 ## 一、分析思路 其實就今天的資料來講，我們主要做的是探索性分析；首先梳理已有的欄位，有標題（提取出品類）、價格、銷量、店鋪名、發貨地。下面來做一下詳細的維度拆分以及視覺化圖形選擇： 品類: - 品類銷量的 TOP 10 有哪些？（表格或者橫向條形圖） - 熱門（出現次數最多）品類展示；（詞雲） 價格：年貨的價格區間分佈情況；（圓環圖，觀察佔比） 銷量、店鋪名： - 店鋪銷量最高的 TOP 10 有哪些？（條形圖） - 結合品類做聯動，比如點堅果，對應展示銷量排名的店鋪；（聯動，利用三方工具） 發貨地：銷量最高的城市有哪些？（地圖） ## 二、爬取資料 爬取主要利用 selenium 模擬點選瀏覽器，前提是已經安裝 selenium 和瀏覽器驅動，這裡我是用的 Google 瀏覽器，找到對應的版本號後並下載對應的版本驅動，一定要對應瀏覽器的版本號。 pip install selenium [](https://imgchr.com/i/yamtHg) 安裝成功後，執行如下程式碼，輸入關鍵字"年貨"，進行掃碼就可以了，等著程式慢慢採集。 ```python # coding=utf8 import re from selenium.webdriver.chrome.options import Options from selenium import webdriver import time import csv # 搜尋商品，獲取商品頁碼 def search_product(key_word): # 定位輸入框 browser.find_element_by_id("q").send_keys(key_word) # 定義點選按鈕，並點選 browser.find_element_by_class_name('btn-search').click() # 最大化視窗：為了方便我們掃碼 browser.maximize_window() # 等待15秒，給足時間我們掃碼 time.sleep(15) # 定位這個“頁碼”，獲取“共100頁這個文字” page_info = browser.find_element_by_xpath('//div[@class="total"]').text # 需要注意的是：findall()返回的是一個列表，雖然此時只有一個元素它也是一個列表。 page = re.findall("(\d+)", page_info)[0] return page # 獲取資料 def get_data(): # 通過頁面分析發現：所有的資訊都在items節點下 items = browser.find_elements_by_xpath('//div[@class="items"]/div[@class="item J_MouserOnverReq "]') for item in items: # 引數資訊 pro_desc = item.find_element_by_xpath('.//div[@class="row row-2 title"]/a').text # 價格 pro_price = item.find_element_by_xpath('.//strong').text # 付款人數 buy_num = item.find_element_by_xpath('.//div[@class="deal-cnt"]').text # 旗艦店 shop = item.find_element_by_xpath('.//div[@class="shop"]/a').text # 發貨地 address = item.find_element_by_xpath('.//div[@class="location"]').text # print(pro_desc, pro_price, buy_num, shop, address) with open('{}.csv'.format(key_word), mode='a', newline='', encoding='utf-8-sig') as f: csv_writer = csv.writer(f, delimiter=',') csv_writer.writerow([pro_desc, pro_price, buy_num, shop, address]) def main(): browser.get('https://www.taobao.com/') page = search_product(key_word) print(page) get_data() page_num = 1 while int(page) != page_num: print("*" * 100) print("正在爬取第{}頁".format(page_num + 1)) browser.get('https://s.taobao.com/search?q={}&s={}'.format(key_word, page_num * 44)) browser.implicitly_wait(25) get_data() page_num += 1 print("資料爬取完畢！") if __name__ == '__main__': key_word = input("請輸入你要搜尋的商品：") option = Options() browser = webdriver.Chrome(chrome_options=option, executable_path=r"C:\Users\cherich\AppData\Local\Google\Chrome\Application\chromedriver.exe") main() ``` 採集結果如下： [](https://imgchr.com/i/yam6DU) 資料準備完成，中間從標題裡提取類別過程比較耗時，建議大家直接用整理好的資料。 大概思路是對標題進行分詞，命名實體識別，標記出名詞，找出類別名稱，比如堅果、茶葉等。 ## 三、資料清洗 這裡的檔案清洗幾乎用 Excel 搞定，資料集小，用 Excel 效率很高，比如這裡做了一個價格區間。到現在資料清洗已經完成（可以用三方工具做可視化了），如果大家愛折騰，可以接著往下看用 Python 如何進行分析。 ## 四、資料視覺化及分析 ### 1、讀取檔案 ```python import pandas as pd import matplotlib as mpl mpl.rcParams['font.family'] = 'SimHei' from wordcloud import WordCloud from ast import literal_eval import matplotlib.pyplot as plt datas = pd.read_csv('./年貨.csv',encoding='gbk') datas ``` [](https://imgchr.com/i/yamrvV) ### 2、視覺化：詞雲圖 ```python li = [] for each in datas['關鍵詞'].values: new_list = str(each).split(',') li.extend(new_list) def func_pd(words): count_result = pd.Series(words).value_counts() return count_result.to_dict() frequencies = func_pd(li) frequencies.pop('其他') plt.figure(figsize = (10,4),dpi=80) wordcloud = WordCloud(font_path="STSONG.TTF",background_color='white', width=700,height=350).fit_words(frequencies) plt.imshow(wordcloud) plt.axis("off") plt.show() ``` [](https://imgchr.com/i/yamyuT) 圖表說明：我們可以看到詞雲圖，熱門（出現次數最多）品類字型最大，依次是：堅果、茶葉、糕點等。 ### 3、視覺化：繪製圓環圖 ```python # plt.pie(x,lables,autopct,shadow,startangle,colors,explode) food_type = datas.groupby('價格區間').size() plt.figure(figsize=(8,4),dpi=80) explodes= [0,0,0,0,0.2,0.1] size = 0.3 plt.pie(food_type, radius=1,labels=food_type.index, autopct='%.2f%%', colors=['#F4A460','#D2691E','#CDCD00','#FFD700','#EEE5DE'], wedgeprops=dict(width=size, edgecolor='w')) plt.title('年貨價格區間佔比情況',fontsize=18) plt.legend(food_type.index,bbox_to_anchor=(1.5, 1.0)) plt.show() ``` [](https://imgchr.com/i/yamhCR) 圖表說明：圓環圖和餅圖類似，代表部分相對於整體的佔比情況，可以看到0 ~ 200元的年貨大概33%左右，100 ~ 200元也是33%。說明大部分的年貨的價格趨於200以內。 ### 4、視覺化：繪製條形圖 data = datas.groupby(by='店鋪名')['銷量'].sum().sort_values(ascending=False).head(10) plt.figure(figsize = (10,4),dpi=80) plt.ylabel('銷量') plt.title('年貨銷量前十名店鋪',fontsize=18) colors = ['#F4A460','#D2691E','#CDCD00','#EEE5DE', '#EEB4B4', '#FFA07A', '#FFD700'] plt.bar(data.index,data.values, color=colors) plt.xticks(rotation=45) plt.show() [](https://imgchr.com/i/yam481) 圖表說明：以上是店鋪按銷量排名情況，可以看到第一名是三隻松鼠旗艦店，看來過年大家都喜歡吃乾貨。 ### 5、視覺化：繪製橫向條形圖 foods = datas.groupby(by='類別')['銷量'].sum().sort_values(ascending=False).head(10) foods.sort_values(ascending=True,inplace=True) plt.figure(figsize = (10,4),dpi=80) plt.xlabel('銷量') plt.title('年貨推薦購買排行榜',fontsize=18) colors = ['#F4A460','#D2691E','#CDCD00','#CD96CD','#EEE5DE', '#EEB4B4', '#FFA07A', '#FFD700'] plt.barh(foods.index,foods.values, color=colors,height=1) plt.show() [](https://imgchr.com/i/yamW59) 圖表說明：根據類別銷量排名，排名第一是堅果，驗證了上面的假設，大家喜歡吃堅果。 ## 結論與建議 淘寶熱賣年貨: 堅果，茶葉，糕點，餅乾，糖果，白酒，核桃，羊肉，海蔘，枸杞； 年貨推薦清單（按銷量）：堅果、零食、糕點、餅乾、茶葉、糖果、松子、紅棗、蛋糕、滷味、瓜子、牛奶、核桃； 年貨價格參考：66%以上的年貨價格在0~200元之間； 熱門店鋪：三隻老鼠、天貓超市、百草味、良品鋪子；