距離中秋假期沒幾天了，各個公司都開始秀自家定製的中秋月餅禮盒，假期要走親訪友的手裏也少不了要提一盒月餅。
每年中秋節到，總會去姥姥那裏送中秋，並買上各種各樣的月餅，那個時候科技並不怎麼發達，不僅沒有這麼多形形色色的月餅，也不知道哪些月餅賣得好？ 月餅的價格分佈是怎樣的呢？ 什麼地方的月餅銷量最高呢？ 簡直有十萬個爲什麼，希望別人給我們解答。
隨着科技的飛速發展，互聯網溝通了你我他。通過網上商店月餅的銷量，就可以解決我們想要知道的好多問題。基於此，我爬取了某寶上4000多條月餅的銷售數據，爲大家展示了一幅漂亮的可視化分析儀錶板，解決大家心目中的問題。文末送Code和數據集XDD，感興趣的一起試試吧
數據採集
這次爬取某寶，採用的是最簡單的方式：Selenium控制Chrome瀏覽器進行自動化操作，中途只需要掃碼登陸一次，即可完成整個數據的爬取。
這種方法極其好用，不會出現封IP、封號的情況，大家放心使用！
大家運行這個代碼之前，唯一要做的就是下載與谷歌版本相對應的chromedriver驅動，然後進行相關配置即可。
在此列出部分爬蟲代碼如下：
from selenium import webdriver
# 搜索商品，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)
# 定義點擊按鈕，並點擊 browser.find_element_by_class_name(‘btn-search’).click()
# 最大化窗口：爲了方便我們掃碼 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頁這個文本”
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
數據清洗
數據清洗很重要，這個對於我們後續做可視化展示，極其重要。因此我們需要根據後面要做的圖形，然後進行對應的進行數據清洗。
爬取到的原始數據如下：
整個數據看上去算是比較乾淨，但是還是有幾個地方值得我們處理一下。
- 爬取到的原始數據沒有列名，我們需要添加一個新列名；
- 整個爬蟲過程中，會出現重複數據，我們需要提前去重處理；
- 將購買人數爲空的記錄，替換成0人付款；
- 將購買人數轉換爲銷量（注意部分單位爲萬）；
- 刪除無發貨地址的商品，並提取其中的省份；
數據清洗部分代碼如下：
# 提取數值
df[‘num’] = [re.findall(r’(\d+\.{0,1}\d*)’, i)[0] for i in df[‘付款人數’]] # 提取數值
df[‘num’] = df[‘num’].astype(‘float’) # 轉化數值型
# 提取單位（萬）df[‘unit’] = [‘’.join(re.findall(r’(萬)’, i)) for i in df[‘付款人數’]] # 提取單位（萬）
df[‘unit’] = df[‘unit’].apply(lambda x:10000 if x==’萬’ else 1)
# 計算銷量df[‘銷量’] = df[‘num’] * df[‘unit’]
現在來看看，清洗後的數據是啥樣的？
可視化展示
可視化是整個文章的亮點所在，所謂“字不如表、表不如圖”。整個可視化分析我們基於以下五個問題開展而來。
- 月餅銷量Top10的柱形圖；
- 店鋪月餅銷量Top10的柱形圖；
- 全國月餅銷量的地域分佈地圖；
- 不同價格區間的月餅銷量圓環圖；
- 月餅銷售關鍵字的詞雲圖；
鑑於整個文章排版，本文可視化部分的Code均可在本文末尾獲取。
1、月餅銷量Top10的柱形圖
結論分析：銷量Top10的月餅，其實對於我們選購月餅還是挺有指導意義的。從圖中可以看到這個稻香村月餅，賣的還是極其好的，銷量排名前10的產品中，稻香村月餅佔據了3個位置。還有一個名字特別熟悉：五芳齋，只知道他家的糉子做的好，原來月餅也做的不錯，所以說品牌效應還是很好的。那麼你是否可以再看看，這些店裏面是否有其他更好喫的點心呢？
2、店鋪月餅銷量Top10的柱形圖
結論分析：這裏圖中顯示的結果，和第一張圖顯示的結果不謀而合，就不再過多的解釋了。唯獨感興趣的還是這個稻香村，爲啥銷量如此好？百度一下得知原來是一家百年老店。
3、全國月餅銷量的地域分佈地圖
結論分析：從圖中可以看出，廣東、浙江、山東、福建、北京的月餅銷量，在全國都是遙遙領先的。查閱資料可以發現，它們幾乎都有自己的品牌，像廣東的廣式月餅、浙江的衢式月餅、山東的魯式月餅等。廣式月餅重油重糖、京式月餅重油輕糖、魯式月餅口味清淡、蘇式月餅重甜。大家可以根據自己的需求，給親戚長輩們合理挑選符合口味的月餅哦。
4、不同價格區間的月餅銷量圓環圖
結論分析：當然價格纔是大家關注的焦點。觀察上圖可以發現，月餅的價格幾乎是處在中間的、能被大家接受的範圍(22–115)，再稍微貴一點的就是115–633這個區間(還可以接受)，而處在633元以上的月餅幾乎爲0。畢竟中秋節是一個傳統節日，適中的價格才能被大家接受，利潤就這麼幾天，薄利多銷纔是王道。
5、月餅銷售關鍵字的詞雲圖
結論分析：從圖中可以看出，傳統的四大月餅（京式月餅、廣式月餅、滇式月餅、蘇式月餅）中廣式月餅極其受歡迎（PS：我還沒喫過），月餅口味上，小時候經常喫的五仁月餅的王者地位不可動搖，豆沙月餅提及率也很高，一直是很多孩子的最愛！還有現在出來的各種各樣的新鮮口味，像美心、酥皮、心奶、燕窩、白蓮等等，你到底喜歡哪一個呢？
關注數據君的臉書：
我是「數據分析那些事」。常年分享數據分析乾貨，不定期分享好用的職場技能工具。按贊我的臉書，期待你與我的互動！完整Code及數據集，私訊“月餅”即可獲得！
文源：數據分析與統計學之美 作者：黃偉呢
