本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,如有问题请及时联系我们以作处理。

以下文章来源于CDA数据分析师，作者：CDA数据分析师

前言

如果说冬天对北方人来说只是一个季节，而对南方人来说是一场“渡劫”。北方的冷是干冷，物理攻击，多穿一点就好了。而且室内有暖气，在室内可以穿着短袖吃冰棍。

而南方的冷是湿冷，魔法攻击，穿再多没有用。而且室内还没暖气，各种段子也是层出不穷：

“你在北方的暖气里四季如春，我在南方的寒冬下冻成冰棍儿”

“北方人过冬靠的是暖气，南方人过冬靠的是一身正气”

“我是一只来自北方的狼，来到南方却被冻成了狗”

一到冬天南方人除了靠一身浩然正气，空调、电热毯、油汀、电暖气等各类花式取暖电器都得安排上。

内贸批发平台1688上获取的数据显示，进入11月以来，暖气片在南方城市的销量比去年同期增长了300%，平台上取暖小家电品类整体营业额同比增幅达到200%，其中发热垫的同比增速甚至高达600%。

据显示，暖气片和暖气设备销量贡献最大的国内客户，主要都是来自长江沿线城市，以江浙沪、安徽、湖南、湖北、重庆、四川等地居多，一时间“南方取暖设备被买爆”话题登上了微博热搜，让人不禁感叹南方人过个冬天实在是太难了。

用Python分析全网取暖器数据

我们使用Python获取了淘宝网搜索关键词暖气片、取暖器、壁挂炉的商品数据，并进行了数据分析。

读取数据

首先导入获取的数据。

# 导入工具包
import numpy as np
import pandas as pd from pyecharts.charts import Bar, Pie, Map, Page
from pyecharts import options as optsimport jieba # 读取数据
df_all = pd.read_csv('../data/导出数据.csv')
df_all.head()

df_all.shape
(13212, 7)

数据清洗和整理

此处我们需要对数据集进行数据清洗以便后续分析和可视化，主要工作内容如下：

删除记录的重复值
goods_price列处理：提取数值
purchase_num列处理：提取数值
计算销售额sales_volume = goods_price*purchase_num
删除多余的列

代码实现如下：

df = df_all.copy()
# 去除重复值
df.drop_duplicates(inplace=True)
df.shape
(6849, 7)# 筛选记录
df = df[df['purchase_num'].str.contains('人付款')]# goods_price列处理
df['goods_price'] = df['goods_price'].str.extract('(\d+\.{0,1}\d*)')
df['goods_price'] = df['goods_price'].astype('float')# purchase_num列处理
df['num'] = df['purchase_num'].str.extract('(\d+\.{0,1}\d*)')
df['num'] = df['num'].astype('float')
df['unit'] = [10000 if '万' in i else 1 for i in df['purchase_num']]# 计算销量
df['purchase_num'] = df['num'] * df['unit']# 计算销售额
df['sales_volume'] = df['goods_price'] * df['purchase_num']# 提取省份字段
df['province_name'] = df['location'].astype('str').str.split(' ').apply(lambda x:x[0]) # 删除多余的列
df.drop(['num', 'unit', 'detail_url'], axis=1, inplace=True)# 重置索引
df = df.reset_index(drop=True)
df.head()

数据可视化

此处我们对店铺销量、产地分布、商品价格等方面进行可视化分析：

市场上的取暖器种类较多，有暖风机、小太阳、电热膜、油汀、快热炉、踢脚线等取暖设备，我们首先看到这些取暖器的标题词云。

商品标题词云图

可以看到"取暖器" "暖风机" "暖气片"都是出现的高频词。在特征方面"家用" "节能" "速热"都十分常见。

接着，看到店铺月销量排名Top10。

店铺月销量排名Top10

可以看到店铺销量前十，凯瑞莱旗舰店位居第一。其后春尚电器专营店和苏宁易购分别是第二第三名。排在前十的还有美的、tcl等品牌。

# 计算top10店铺
shop_top10 = df.groupby('shop_name')['purchase_num'].sum().sort_values(ascending=False).head(10)

全国各省份产地销量排名Top10

这些取暖器的产地都在哪儿呢？经过分析发现，浙江是生产取暖器的头号大省，在产地销量排名中一骑绝尘位居第一。之后排在第二位的是广东。湖南、江苏、山东分别位居第三第四第五名。

# 计算销量top10
province_top10 = df.groupby('province_name')['purchase_num'].sum().sort_values(ascending=False).head(10)

不同价格区间的商品数量占比

取暖器都卖多少钱呢？经过分析发现，100元以下的商品是最多占比高达34.76%。其次是200-500元的商品，占比22.09%。

不同价格区间的销量占比

与此同时，在销量方面，价格在100元以下和100-200元之间的取暖产品也是销量最好的，全网销售量分别占比37.49%和35.92%。

结语

有了各式各样的取暖器，南方冬天就好过了吗？并不，空调开久了干，踢脚线耗电高，油汀等电暖气更适合局部取暖，大空间制热效果差。

虽然近年来也有很多南方家庭选择全房装地暖的，然而电暖用起来一个月电费就高达2、3千，这可能就是北方一个冬天的暖气费用了。这么对比起来，似乎还是开空调和取暖器实在啊。

南方人过冬靠的是一身正气？用Python分析全网取暖器数据相关推荐

南方人过冬有多难？用Python带你分析全网取暖器销量数据
CDA数据分析师出品作者:Mika数据:真达如果说冬天对北方人来说只是一个季节,而对南方人来说是一场"渡劫".北方的冷是干冷,物理攻击,多穿一点就好了.而且室内有暖气,在 ...
浙江海盐已经试行“核供暖”，南方到底该不该供暖？南方人顶起~
北方,在一些供暖非常好的地方,甚至出现了外面零下20多摄氏度,屋内零上30多摄氏度,热得需要开窗户.穿短袖.吃冷饮的情况,不得不说,这实在是令南方人羡慕了,毕竟南方的冬天可怕的"湿冷&quo ...
南方人，在北京，夏秋冬
故宫博物院 | zhang kaiyv 前言昨天,一个学弟问我:北京的生活怎么样?他在考虑是来北京实习,还是去上海. 这篇文章记录了我去年七月来北京大半年生活的变化,希望给有意来北京的同学们一些参考 ...
python做数据和大数据区别_不懂Python，不懂大数据的人，和咸鱼有什么区别？
原标题:不懂Python,不懂大数据的人,和咸鱼有什么区别? 在这个处处充斥着大数据影响的时代之下,不懂Python,不懂大数据,你就可能轻易地错过身边的黄金. 我们生活在数据密布的环境中,就像< ...
32岁了学python来的及吗_为什么每个人都应该在2020年学习Python？
如今每个人都在谈论 Python,包括那些曾经对 Python 嗤之以鼻的人.本文作者 Javinpaul 原是一名 Java 狂热粉,他以前还曾号召大家学习 Java 而不是 Python.如今他的 ...
大数据好还是不好_学python好还是大数据好？想学IT，但有点搞不清方向的人可以看看...
这是我在某平台上看到的一个问题,学IT的话,是学python好还是学大数据好? 首先这个问题不太对,因为大数据和python,从根源上来说是两码事,就像你问我,是学做湘菜好,还是学做打铁好. 所以,学 ...
Python 分析国庆热门旅游景点，告诉你哪些地方好玩、便宜、人又少！
作者 | 裸睡的猪责编 | 屠敏 2019年国庆马上就要到来, 今年来点新花样吧, 玩肯定是要去玩的, 不然怎么给祖国庆生? 那去哪里玩?人少档次还高呢? 咱不是程序员嘛, 那就用数据分析下, 看看 ...
用Python分析国庆旅游景点，告诉你哪些地方好玩、便宜、人又少
点击上方"码农进阶之路",选择"设为星标" 回复"面经"获取面试资料 2019年国庆马上就要到来猪哥今年想着来点新花样吧玩肯定是要去玩的 ...
南方人第一次到北方过冬是一种什么样的体验？

南方人过冬靠的是一身正气？用Python分析全网取暖器数据

前言