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。

作 者：Huang supreme、print('I love u {}'.format(lcw)
编 辑：JackTian
微信公众号：杰哥的IT之旅（ID：Jake_Internet）

一、案例说明

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。

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

二、数据预处理

数据清洗

1、首先从csv文件中导入数据

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

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。

# 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

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！

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

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：

1、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。

2、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

#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：

1、销售量基本是在20万以内。

2、销售量在10万以内的占了绝大多数

3、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

#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 title

data['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：

1、京东国际魅可（MAC)经典唇膏 子弹头口红3g Chili 小辣椒色

商品链接：

https://item.jd.hk/4564204.html

商品图片

2、【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）

商品链接：

https://item.jd.com/33051756368.html

商品图片

3、【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）

商品链接：

https://item.jd.com/61602677875.html

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：

#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：

由上图可以看到：

1、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。

2、前三名都基本达到了130多万

3、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

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！

另外，杰哥建立了一个交流群，关于Python、数据分析领域的微信群，大家可以添加我的微信：Hc220066，备注：读者，或扫描下方二维码添加邀请你。

本公众号全部博文已整理成一个目录，请在公众号后台回复「m」获取！

推荐阅读：1、精心整理的 52 页 Python 操作 excel、word、pdf 文件【附获取方式】
2、“罗永浩抖音首秀”销售数据的可视化大屏是怎么做出来的呢？
3、利用 Python 进行多 Sheet 表合并、多工作簿合并、一表按列拆分
4、Python 自动化办公之"你还在手动操作“文件”或“文件夹”吗？"
5、当当网的羊毛被网友薅惨了！这一次到底又被薅了多少？
6、100天从 Python 小白到大神最良心的学习资源！关注微信公众号『杰哥的IT之旅』，后台回复“1024”查看更多内容，回复“微信”添加我微信。点个在看，支持作者！