python数据分析案例（三）：网购篮球鞋数据分析

1.数据获取

我是在淘宝网站上爬取了我们需要的数据信息，部分数据截图如下：

不会爬虫的可以去我的python专栏里查看，那里有详细的过程。

2.分析内容

        1).篮球鞋销量榜

        2).篮球鞋店铺地理位置分布

        3).销量和价格的关系

        4).价格分布

        5).运费比例占比

3.步骤

3.1数据预处理

1)去除重复值

df = pd.read_csv('./finalbasketshoes.csv')
print("原长度", len(df))
df = df.drop_duplicates()
print("取重复后长度", len(df))

2)去除缺失值

评论数有缺失值，我们用0补上。

3）数据规范化

# 数据规范化(40人付款-->40, 300+人付款-->300,1万+人付款-->10000)
def clean(x):
    x = x[:-3]
    if '+' in x:
        x = x.replace("+","")
    if '万' in x:
        x = x.replace("万", "")
        x = float(x) * 10000
    return int(x)
df['sales'] = df['sales'].map(clean)

3.2 数据分析以及可视化

1）篮球鞋销量榜排行前十 

可视化：

代码：

2)篮球鞋店铺地理位置分布前20

可视化：

代码：

df2 = df.groupby(df['location'])['title'].count()[:20]
df2.plot(kind='barh')
for a, b in enumerate(df2):
    plt.text(b+1, a-0.5, b, ha='center', va='bottom')
plt.show()

 3).销量和价格的关系

可视化：

代码：

df3 = df[['sales', 'price']]
plt.scatter(df3['price'], df3['sales'], s=8)
plt.xlabel('价格')
plt.ylabel('销量')
plt.show()

4).价格分布

可视化：价格分布密度图

代码：

df['price'].plot(kind='kde')
plt.xlabel('价格')
plt.legend(loc='best')
plt.show()

5).运费比例占比（是否包邮对销量的影响）

可视化：包邮商家对比

代码：

# 如果运费等于0--包邮，else不包邮
def modify_fee(x):
    if(x == 0):
        return '包邮'
    else:
        return '不包邮'
df['fee'] = df['fee'].map(modify_fee)
df4 = df.groupby(df['fee'])['title'].count().reset_index()
plt.pie(df4['title'], labels=df4['fee'], autopct='%3.2f%%', pctdistance=0.6)
plt.axis('equal')
plt.legend(loc='best')
plt.show()