本篇文章是關于某化妝品企業的銷售分析，從分析思路開始帶大家一步步地用python進行分析，找出問題，并提出解決方案的整個流程，
以下文章來源于修煉Python
作者：葉庭云
Python爬蟲、資料分析、網站開發等案例教程視頻免費在線觀看
https://space.bilibili.com/523606542
一、前言
看到可愛的貓咪表情包，總是會忍不住收藏，曬部分圖如下：
認識的一些朋友也養了貓，比如橘貓、英短、加菲貓之類的，看他們發朋友圈擼貓，老羨慕了，貓咪真的太可愛啦，發現一個專門交易貓貓的網站—貓貓交易網可以云看貓：http://www.maomijiaoyi.com/
從這個網站里爬取了貓貓品種介紹的資料，以及 20W+ 條貓貓交易資料，以此來了解一下可愛的貓咪，
二、資料獲取
打開貓貓交易網，先爬取貓咪品種資料，打開頁面可以看到貓貓品種串列：
但只顯示了每種貓貓的品種名，參考價格，點進詳情頁，可以看到更加詳細的資料：品種名、參考價格、中文學名、基本資訊、性格特點、生活習性、優缺點、喂養方法等，
檢查網頁，可以發現網頁結構簡單，容易決議和提取資料，爬蟲代碼如下：
import requests import re import csv from lxml import etree from tqdm import tqdm from fake_useragent import UserAgent # 隨機產生請求頭 ua = UserAgent(verify_ssl=False, path='fake_useragent.json') def random_ua(): # 用于隨機切換請求頭 headers = { "Accept-Encoding": "gzip", "Accept-Language": "zh-CN", "Connection": "keep-alive", "Host": "www.maomijiaoyi.com", "User-Agent": ua.random } return headers def create_csv(): # 創建保存資料的csv with open('./data/cat_kind.csv', 'w', newline='', encoding='utf-8') as f: wr = csv.writer(f) wr.writerow(['品種', '參考價格', '中文學名', '別名', '祖先', '分布區域', '原產地', '體型', '原始用途', '今日用途', '分組', '身高', '體重', '壽命', '整體', '毛發', '顏色', '頭部', '眼睛', '耳朵', '鼻子', '尾巴', '胸部', '頸部', '前驅', '后驅', '基本資訊', 'FCI標準', '性格特點', '生活習性', '優點/缺點', '喂養方法', '鑒別挑選']) def scrape_page(url1): # 獲取HTML網頁源代碼 回傳文本 response = requests.get(url1, headers=random_ua()) # print(response.status_code) response.encoding = 'utf-8' return response.text def get_cat_urls(html1): # 獲取每個品種貓咪詳情頁url dom = etree.HTML(html1) lis = dom.xpath('//div[@]/a') cat_urls = [] for li in lis: cat_url = li.xpath('./@href')[0] cat_url = 'http://www.maomijiaoyi.com' + cat_url cat_urls.append(cat_url) return cat_urls def get_info(html2): # 爬取每個品種貓咪詳情頁里的有關資訊 # 品種 kind = re.findall('div >.*?<div >(.*?)<span>', html2, re.S)[0] kind = kind.replace('\r','').replace('\n','').replace('\t','') # 參考價格 price = re.findall('<div>參考價格：</div>.*?<div>(.*?)</div>', html2, re.S)[0] price = price.replace('\r', '').replace('\n', '').replace('\t', '') # 中文學名 chinese_name = re.findall('<div>中文學名:</div>.*?<div>(.*?)</div>', html2, re.S)[0] chinese_name = chinese_name.replace('\r', '').replace('\n', '').replace('\t', '') # 別名 other_name = re.findall('<div>別名:</div>.*?<div>(.*?)</div>', html2, re.S)[0] other_name = other_name.replace('\r', '').replace('\n', '').replace('\t', '') # 祖先 ancestor = re.findall('<div>祖先:</div>.*?<div>(.*?)</div>', html2, re.S)[0] ancestor = ancestor.replace('\r', '').replace('\n', '').replace('\t', '') # 分布區域 area = re.findall('<div>分布區域:</div>.*?<div>(.*?)</div>', html2, re.S)[0] area = area.replace('\r', '').replace('\n', '').replace('\t', '') # 原產地 source_area = re.findall('<div>原產地:</div>.*?<div>(.*?)</div>', html2, re.S)[0] source_area = source_area.replace('\r', '').replace('\n', '').replace('\t', '') # 體型 body_size = re.findall('<div>體型:</div>.*?<div>(.*?)</div>', html2, re.S)[0] body_size = body_size.replace('\r', '').replace('\n', '').replace('\t', '').strip() # 原始用途 source_use = re.findall('<div>原始用途:</div>.*?<div>(.*?)</div>', html2, re.S)[0] source_use = source_use.replace('\r', '').replace('\n', '').replace('\t', '') # 今日用途 today_use = re.findall('<div>今日用途:</div>.*?<div>(.*?)</div>', html2, re.S)[0] today_use = today_use.replace('\r', '').replace('\n', '').replace('\t', '') # 分組 group = re.findall('<div>分組:</div>.*?<div>(.*?)</div>', html2, re.S)[0] group = group.replace('\r', '').replace('\n', '').replace('\t', '') # 身高 height = re.findall('<div>身高:</div>.*?<div>(.*?)</div>', html2, re.S)[0] height = height.replace('\r', '').replace('\n', '').replace('\t', '') # 體重 weight = re.findall('<div>體重:</div>.*?<div>(.*?)</div>', html2, re.S)[0] weight = weight.replace('\r', '').replace('\n', '').replace('\t', '') # 壽命 lifetime = re.findall('<div>壽命:</div>.*?<div>(.*?)</div>', html2, re.S)[0] lifetime = lifetime.replace('\r', '').replace('\n', '').replace('\t', '') # 整體 entirety = re.findall('<div>整體</div>.*?<!-- 頁面小折角 -->.*?<div></div>.*?<div>(.*?)</div>', html2, re.S)[0] entirety = entirety.replace('\r', '').replace('\n', '').replace('\t', '').strip() # 毛發 hair = re.findall('<div>毛發</div>.*?<div></div>.*?<div>(.*?)</div>', html2, re.S)[0] hair = hair.replace('\r', '').replace('\n', '').replace('\t', '').strip() # 顏色 color = re.findall('<div>顏色</div>.*?<div></div>.*?<div>(.*?)</div>', html2, re.S)[0] color = color.replace('\r', '').replace('\n', '').replace('\t', '').strip() # 頭部 head = re.findall('<div>頭部</div>.*?<div></div>.*?<div>(.*?)</div>', html2, re.S)[0] head = head.replace('\r', '').replace('\n', '').replace('\t', '').strip() # 眼睛 eye = re.findall('<div>眼睛</div>.*?<div></div>.*?<div>(.*?)</div>', html2, re.S)[0] eye = eye.replace('\r', '').replace('\n', '').replace('\t', '').strip() # 耳朵 ear = re.findall('<div>耳朵</div>.*?<div></div>.*?<div>(.*?)</div>', html2, re.S)[0] ear = ear.replace('\r', '').replace('\n', '').replace('\t', '').strip() # 鼻子 nose = re.findall('<div>鼻子</div>.*?<div></div>.*?<div>(.*?)</div>', html2, re.S)[0] nose = nose.replace('\r', '').replace('\n', '').replace('\t', '').strip() # 尾巴 tail = re.findall('<div>尾巴</div>.*?<div></div>.*?<div>(.*?)</div>', html2, re.S)[0] tail = tail.replace('\r', '').replace('\n', '').replace('\t', '').strip() # 胸部 chest = re.findall('<div>胸部</div>.*?<div></div>.*?<div>(.*?)</div>', html2, re.S)[0] chest = chest.replace('\r', '').replace('\n', '').replace('\t', '').strip() # 頸部 neck = re.findall('<div>頸部</div>.*?<div></div>.*?<div>(.*?)</div>', html2, re.S)[0] neck = neck.replace('\r', '').replace('\n', '').replace('\t', '').strip() # 前驅 font_foot = re.findall('<div>前驅</div>.*?<div></div>.*?<div>(.*?)</div>', html2, re.S)[0] font_foot = font_foot.replace('\r', '').replace('\n', '').replace('\t', '').strip() # 后驅 rear_foot = re.findall('<div>前驅</div>.*?<div></div>.*?<div>(.*?)</div>', html2, re.S)[0] rear_foot = rear_foot.replace('\r', '').replace('\n', '').replace('\t', '').strip() # 保存前面貓貓的各種有關資訊 cat = [kind, price, chinese_name, other_name, ancestor, area, source_area, body_size, source_use, today_use, group, height, weight, lifetime, entirety, hair, color, head, eye, ear, nose, tail, chest, neck, font_foot, rear_foot] # 提取標簽欄資訊（基本資訊-FCI標準-性格特點-生活習性-優缺點-喂養方法-鑒別挑選） html2 = etree.HTML(html2) labs = html2.xpath('//div[@]/div') for lab in labs: text1 = lab.xpath('string(.)') text1 = text1.replace('\n','').replace('\t','').replace('\r','').replace(' ','') cat.append(text1) return cat def write_to_csv(data): # 保存資料 追加寫入 with open('./data/cat_kind.csv', 'a+', newline='', encoding='utf-8') as fn: wr = csv.writer(fn) wr.writerow(data) if __name__ == '__main__': # 創建保存資料的csv create_csv() # 貓咪品種頁面url base_url = 'http://www.maomijiaoyi.com/index.php?/pinzhongdaquan_5.html' # 獲取品種頁面中的所有url html = scrape_page(base_url) urls = get_cat_urls(html) # 進度條可視化運行情況 就不列印東西來看了 pbar = tqdm(urls) # 開始爬取 for url in pbar: text = scrape_page(url) info = get_info(text) write_to_csv(info)
運行效果如下：
成功爬取了貓咪品種資料保存到csv，接下來爬取貓貓交易資料，進入到買貓賣貓頁面：
爬取更詳細的資料需要進入詳情頁，包含商家資訊、貓咪品種、貓齡、價格、標題、在售只數、預防等資訊，
由于資料量較大，可以分開爬取，先獲取到每一頁中的所有貓貓詳情交易鏈接的 url 保存到csv，再讀取 csv 中的 url 來請求，爬取每條交易資料，爬蟲思路跟前面類似，為了加快爬取效率，可以使用多執行緒或者異步爬蟲，最侄訓取了 20W+ 條資料，
三、資料探索
通過詞云圖來直觀看一下，可愛的貓咪都有那些品種，
看各種貓咪的體型分布
所有品種的貓咪里，大型的只有一個品種，是布偶貓，其他品種都是中小型，那以后看見體型比較大的，可以先想到布偶貓，
橘貓是世界各地都有的，不愧是我大橘貓，俗話說 "十個橘貓九個胖還有一個壓塌炕"，橘貓比起其他花色的貓咪更喜歡吃東西，它們的食欲很好，能更好地生存，可能這也是橘貓在世界范圍都有的原因吧，可它卻是小型貓，橘貓小時候顏值一般挺高，看起來小小的一只，又嫩又可愛的，但等橘貓長大以后，才真正地意識到什么是 "橘足輕重"，
下面來看貓咪的交易資料，在交易的貓咪中，哪些品種交易數量最多呢？
橘貓的交易數量最多呀，之前也提到橘貓世界各地都有，從這里也可以看到橘貓數量最多，其次是咖啡貓，布偶貓，英短藍白貓等，
緬因貓、布偶貓均價名列前茅啊，橘貓的均價排倒數第二，看來挺實惠，
這些售賣的貓咪貓齡一般為多大呢？
售賣的貓咪貓齡主要在1-6個月，都是剛出生還未滿半歲的小貓咪呀，這時候的小貓咪應該很可愛吧，等待有緣的主人把它帶回家，
最后來看一下網站里價格最貴的貓咪和瀏覽次數最多的貓咪
import pandas as pd df = pd.read_excel('處理后資料.xlsx') print(df.info()) df1 = df.sort_values(by='瀏覽次數', ascending=False) print(df1.iloc[:3, ::].values) print('----------------------------------------------------------') df2 = df.sort_values(by='價格', ascending=False) print(df2.iloc[:3, ::].values) # 瀏覽次數最多的 http://www.maomijiaoyi.com/index.php?/chanpinxiangqing_441879.html http://www.maomijiaoyi.com/index.php?/chanpinxiangqing_462431.html http://www.maomijiaoyi.com/index.php?/chanpinxiangqing_455366.html
瀏覽次數最多的是這一家賣的緬因貓，瀏覽次數為16164，emmm，感覺這種貓咪看著還挺兇的，不怎么可愛，
反觀瀏覽次數排第二、第三的，價格便宜不少，預防都打了3針疫苗，在售只數還比較充裕，還比第一可愛好多（個人感覺），
# 價格最貴的如下 http://www.maomijiaoyi.com/index.php?/chanpinxiangqing_265770.html http://www.maomijiaoyi.com/index.php?/chanpinxiangqing_281910.html http://www.maomijiaoyi.com/index.php?/chanpinxiangqing_230417.html
價格最貴的發現均為 3000 元的布偶貓，查閱資料發現，布偶貓，大型貓咪，不僅購買的時候價格高昂，飼養成本也比較高，因為食量和運動量都比較大，而且美容等相關費用也會高一些，
轉載請註明出處，本文鏈接：https://www.uj5u.com/houduan/257324.html
標籤：Python