最好吃的月饼！用Python爬取了某宝1166家月饼进行可视化分析！

2021年9月15日 441点热度 0人点赞 0条评论

在有几天就是中秋节了，不知道大家有没有选择困难症，面对琳琅满目的商品，不知道挑哪款月饼送长辈最好。

不过好在会Python，将淘宝上的月饼商品都爬取了下来，并进行可视化分析，从而你看看哪款月饼是最合适的。

数据采集

数据采集是数据可视化分析的第一步，也是最基础的一步，数据采集的数量和质量越高，后面分析的准确的也就越高，我们来看一下淘宝网的数据该如何爬取。

淘宝网站是一个动态加载的网站，我们之前可以采用解析接口或者用Selenium自动化测试工具来爬取数据，但是现在淘宝对接口进行了加密，使我们很难分析出来其中的规律，同时淘宝也对Selenium进行了反爬限制，所以我们要换种思路来进行数据获取。

打开开发者模式，开始对网页进行观察后发现，淘宝商品的数据竟然在源网页中以注释的方式存储着。

已经发现了数据存储的位置和方式，那我们可以直接构建爬虫了，部分代码如下：

import requests
import re
import openpyxlresponse = requests.get(url, headers=headers, params=params)for i in range(44): try:
     if (fukuanrenshu[i] == '1.5万+'):
         f = 15000
     elif (fukuanrenshu[i] == '1.0万+'):
         f = 10000
     elif ('+'in fukuanrenshu[i]):
         f = re.findall('\d+', fukuanrenshu[i])
     else:
         f = fukuanrenshu[i]
     if float(jiage[i]) > 10:
         sheet.append([dianpumingcheng[i], shangpinming[i], float(jiage[i]), fahuodi[i], f])

数据清洗

数据采集后，要对其进行清洗，剔除脏数据，有助于提高分析的准确性。

导入商品数据

用pandas读取爬取后的商品数据并预览。

import pandas as pd
df = pd.read_excel('月饼.xlsx',names=['店铺名称','商品名','价格','产地','付款人数'])
print(df.head())

删除重复数据

df.drop_duplicates()

查看数据类型

查看字段类型和缺失值情况，符合分析需要，无需另做处理。

df.info()

可视化分析

我们来对这1166家月饼商品数据进行可视化分析。可视化图是由Python、Tableau和Excel共同绘制而来。

在售月饼的特点

通过对月饼的商品名称进行词云图绘制，发现蛋黄、广式、五仁、莲蓉、豆沙味的月饼售卖较多，同时淘宝上售卖的月饼大多是用来给人们送礼的。

制作代码如下：

from imageio import imread
import jieba
from wordcloud import WordCloud, STOPWORDS

with open("1.txt",'r',encoding='utf-8') as f:
  job_title_1 = f.read()
contents_cut_job_title = jieba.cut(job_title_1)
contents_list_job_title = " ".join(contents_cut_job_title)
wc = WordCloud(stopwords=STOPWORDS.add("一个"), collocations=False,
             background_color="white",
             font_path=r"K:\msyh.ttc",
             width=400, height=300, random_state=42,
             mask=imread('月饼.jpg', pilmode="RGB")
             )
wc.generate(contents_list_job_title)
wc.to_file("推荐语.png")

各省产量分布图

通过对各商品的产地数据进行统计并绘制了全国地图，我们发现广东、浙江和北京这三个地方生产月饼最多，分别是312家、221家和131家。

制作代码如下：

import openpyxl
from collections import Counter
from pyecharts import Map
wb = openpyxl.load_workbook('月饼.xlsx')
sheet = wb['Sheet']
a = []
for i in range(2,1960):
  D = sheet[f'D{i}']
  a.append(D.value)
province_distribution = dict(Counter(a))
provice = list(province_distribution.keys())
values = list(province_distribution.values())
map = Map("中国地图",width=1200, height=600)
map.add("", provice, values, visual_range=[0, 50], maptype='china', is_visualmap=True,
visual_text_color='#000',is_label_show=True)
map.render(path="地图.html")