图片来源：互联网

大家好，我是菜鸟哥~

众所周知，中国是智利车厘子最主要的出口对象，占据了其95%的市场份额。

智利驻华大使馆商务参赞娜塔曾表示：“2020-2021产季车厘子实现了丰收，预计今年有50万吨左右的车厘子进入中国市场。”自2020年12月中旬开始，智利海运车厘子陆续到达中国，运输成本较此前空运方式大幅下滑。这意味着，国内消费者将能以更低的价格买到车厘子。然而，近日国内已有多地进口车厘子核酸检测结果为阳性，在这种情况下，你还敢大呼“车厘子自由”吗？

01

数据获取

本文利用Python采集了淘宝网1585个商家车厘子销售数据，获取到车厘子的商品名称、商品价格、付款人数、店铺名称、发货地址等字段。限于篇幅，爬虫代码仅给出主函数：

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()

02

数据处理

1.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)

2.查看数据信息

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

3.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：

03

数据可视化

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！

1.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。

2.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：

3.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。

4.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.公众号后台回复「车厘子」可自动获取本文数据集。

我们开了一个“菜鸟玩转服务器”星球

最近搞了一个阿里云的白领服务器的活动，很多同学拿了服务器之后不知道怎么玩。好比你买了一台车，但是不会开只能停在停车场太浪费了。

于是我们开了教大家玩转云服务器，主要教大家玩Linux,安装Python,安装数据库，用Django+uwsigi+nginx web服务搭建网站，求职简历网站搭建，写脚本部署股票基金机器人，还可以搭建个人网盘！

星球的价格是一年88元，算下来每个月7块钱，连半杯奶茶的钱都不到，一天才2毛多钱，非常划算。

推荐阅读:
入门: 最全的零基础学Python的问题  | 零基础学了8个月的Python  | 实战项目 |学Python就是这条捷径
干货:爬取豆瓣短评，电影《后来的我们》 | 38年NBA最佳球员分析 |   从万众期待到口碑扑街！唐探3令人失望  | 笑看新倚天屠龙记 | 灯谜答题王 ｜用Python做个海量小姐姐素描图 ｜碟中谍这么火，我用机器学习做个迷你推荐系统电影
趣味:弹球游戏  | 九宫格  | 漂亮的花 | 两百行Python《天天酷跑》游戏!
AI: 会做诗的机器人 | 给图片上色 | 预测收入 | 碟中谍这么火，我用机器学习做个迷你推荐系统电影
小工具: Pdf转Word，轻松搞定表格和水印！ | 一键把html网页保存为pdf！|  再见PDF提取收费！ | 用90行代码打造最强PDF转换器，word、PPT、excel、markdown、html一键转换 | 制作一款钉钉低价机票提示器！ ｜60行代码做了一个语音壁纸切换器天天看小姐姐！｜

年度爆款文案

• 1).卧槽！Pdf转Word用Python轻松搞定！

• 2).学Python真香！我用100行代码做了个网站，帮人PS旅行图片，赚个鸡腿吃

• 3).首播过亿，火爆全网，我分析了《乘风破浪的姐姐》，发现了这些秘密

• 4).80行代码！用Python做一个哆来A梦分身

• 5).你必须掌握的20个python代码，短小精悍，用处无穷

• 6).30个Python奇淫技巧集

• 7).我总结的80页《菜鸟学Python精选干货.pdf》,都是干货

• 8).再见Python！我要学Go了！2500字深度分析！

• 9).发现一个舔狗福利！这个Python爬虫神器太爽了，自动下载妹子图片

点击阅读原文，加入我们的星球！