车厘子为何这么贵？还这么多人喜欢吃？Python分析了1500家店铺数据，发现了这些秘密！

前言

一直以来我都是以大小来区分樱桃和车厘子的区别，那么他们的价格就是天差地别，现在我在水果店基本很少有看到卖樱桃的，但是车厘子一般情况下都有！车厘子这么贵为何还这么多人买？比樱桃好吃吗？车厘子的价格一般都在60左右一斤，今天我们来抓取整个某宝上面的车厘子商家，看看如何他会让这么多人喜欢吧！

看着感觉很好吃的样子！

第一步获取数据

这篇用Python采集1500多家商家的销售数据，获取车厘子的名称，价格，付款人数，店铺名字，发货地段等信息。

函数：

def main():browser.get('https://www.taobao.com/')page = search_product(key_word)print(page)get_data()page_num = 70while int(page) != page_num:print("-" * 100)print("正在爬取第{}页数据".format(page_num + 1))browser.get('https://s.taobao.com/search?q={}&s={}'.format(key_word, page_num*44))browser.implicitly_wait(10)get_data()page_num += 1print("数据抓取完成")if __name__ == '__main__':key_word = "车厘子"browser = webdriver.Chrome("./chromedriver")main()

第二步数据处理

既然采集到数据了，那就把这些数据整理一下！

数据读取并预览

import pandas as pd
import numpy as np
df = pd.read_csv('/菜J学Python/淘宝/车厘子.csv',header=None,names=['商品名称','商品价格','付款人数','店铺名称','发货地址']) #添加字段名称df.sample(5)

怎么查看数据信息呢

df.info()<class 'pandas.core.frame.DataFrame'>
Int64Index: 1595 entries, 0 to 1674
Data columns (total 5 columns):# Column Non-Null Count Dtype
--- ------ -------------- ----- 0   商品名称 1595 non-null   object 1   商品价格 1595 non-null   float642   付款人数 1595 non-null   object 3   店铺名称 1595 non-null   object 4   发货地址 1585 non-null   object
dtypes: float64(1), object(4)
memory usage: 74.8+ KB

发现数据存在以下几个问题：

①发货地址有缺失值

②付款人数需做提取

③发货地址需做分割

④自定义索引并降序

数据清洗

#剔除缺失记录
df.dropna(axis=0, how='any', inplace=True)#从发货地址字段中切分出省份和城市
df["省份"] = df["发货地址"].str.split(' ',expand=True)[0] #expand=True可以把用分割的内容直接分列
df["城市"] = df["发货地址"].str.split(' ',expand=True)[1] #提取城市
df["城市"].fillna(df["省份"], inplace=True) #城市字段空值用省份非空值填充#用正则表达式从付款人数中提取数字
import re
df['数字'] = [re.findall(r'(\d+\.{0,1}\d*)', i)[0] for i in df['付款人数']] # 提取数值
df['数字'] = df['数字'].astype('float') # 转化数值型
df['单位'] = [''.join(re.findall(r'(万)', i)) for i in df['付款人数']] # 提取单位（万）
df['单位'] = df['单位'].apply(lambda x:10000 if x=='万' else 1)
df['付款人数'] = df['数字'] * df['单位'] # 计算付款人数
df.drop(['发货地址', '数字', '单位'], axis=1, inplace=True) # 删除多余的列#按商品价格降序并重置索引
df = df.sort_values(by="商品价格", axis=0, ascending=False) #降序
df = df.reset_index(drop=True) #重置索引

清洗后，数据预览如下：

第三步数据可视化

数据都清洗整理好了，那接下来就是可视化了！

在以往的数据可视化中，常常以Python可视化库作图。而本文将尝试用Excel进行车厘子数据可视化，因为在绘图方面，Excel完全不输Python！

国内哪些地方车厘子卖的最火？

利用省份和付款人数字段数据制作地图，发现上海、浙江和广东等地车厘子销售量最大，西藏、青海和内蒙古销量较小。沿海地区的经济和人口优势，成为车厘子主要的消费市场。

车厘子作为“明星水果”，不菲的价格常常让打工人望而却步。根据国家统计总局发布的最新数据，上海人均可支配收入居首，超过7万元，自然更容易实现“车厘子自由”。北京虽然收入较高，但可能受疫情影响较大，车厘子销量并不多。

车厘子到底有多贵？

由上图可知，40%的车厘子价格在201-500元之间（淘宝挂牌价，非每斤价格），50元以下的车厘子占比不到4%，我表示有被贵到，你呢？如果你不嫌贵，那我帮你找到一家，可能符合你的需求，如下：

哪些店铺卖的最好？

从销量较高的淘宝店铺来看，基本都是旗舰店，看来大家对店铺品牌度关注较多。福瑞达旗舰店月销量超6万，名副其实车厘子销冠，百果园紧随其后。

在售的车厘子具有哪些特点？

为了了解车厘子的特点，对商品名称字段做了文本分析，以果篮为背景绘制了车厘子词云图。主要的特点还是可以看出来的，新鲜、智利、当季、特大等词都是水果店家推销的点。至于孕妇提及频率这么高，有点纳闷，于是百度之：

那么问题来了，特殊时期，我们打工人能不能剁手买车厘子？截至目前，根据中国疾控中心公布的消息，目前并没有发现因为食用进口冷链食品而感染新冠肺炎的病例。因此对于普通消费者来说，无须过于恐慌。当然如果你确实非常焦虑的话，疫情期间也可以多选择国内生产的食品。

结语

1.本数据分析只做学习研究之用途，提供的结论仅供参考，还请独立思考。

2.需要完整项目代码的：点击这里获取