|Python分析淘宝月饼销售数据，五仁月饼王者地位不可动摇

距离国庆中秋8天的假期没几天了，朋友圈各家大厂都开始秀自家定制的中秋月饼礼盒，假期要走亲访友的手里也少不了要提一盒月饼。
每年中秋节到，总会去姥姥那里送中秋，并买上各种各样的月饼，那个时候科技并不怎么发达，不仅没有这么多形形色色的月饼，也不知道哪些月饼卖得好？月饼的价格分布是怎样的呢？什么地方的月饼销量最高呢？简直有十万个为什么，希望别人给我们解答。
随着科技的飞速发展，互联网沟通了你我他。通过淘宝上月饼的销量，就可以解决我们想要知道的好多问题。基于此，我爬取了淘宝上4000多条月饼的销售数据，为大家展示了一幅漂亮的可视化分析仪表板，解决大家心目中的问题。

本文插图

可视化大屏效果展示
数据采集
这次爬取淘宝，采用的是最简单的方式：Selenium控制Chrome浏览器进行自动化操作，中途只需要扫码登陆一次，即可完成整个数据的爬取。
这种方法极其好用，不会出现封IP、封号的情况，大家放心使用！
大家运行这个代码之前，唯一要做的就是下载与谷歌版本相对应的chromedriver驱动，然后进行相关配置即可。其实关于淘宝整个数据爬取的过程，我之前为大家写了一篇很详细的文章，供大家参考。
部分爬虫代码如下：
from selenium import webdriver # 搜索商品，获取商品页码 def search_product(key_word): # 定位输入框 browser.find_element_by_id(''q'').send_keys(key_word) # 定义点击按钮，并点击 browser.find_element_by_class_name('btn-search').click() # 最大化窗口：为了方便我们扫码 browser.maximize_window() # 等待15秒，给足时间我们扫码 time.sleep(15) # 定位这个“页码” ，获取“共100页这个文本” page_info = browser.find_element_by_xpath('//div[@class=''total'']').text # 需要注意的是：findall()返回的是一个列表，虽然此时只有一个元素它也是一个列表。page = re.findall(''(d+)'',page_info)[0] return page数据清洗
数据清洗很重要，这个对于我们后续做可视化展示，极其重要。因此我们需要根据后面要做的图形，然后进行对应的进行数据清洗。
爬取到的原始数据如下：

本文插图

原始数据
整个数据看上去算是比较干净，但是还是有几个地方值得我们处理一下。

爬取到的原始数据没有列名，我们需要添加一个新列名；
整个爬虫过程中，会出现重复数据，我们需要提前去重处理；
将购买人数为空的记录，替换成0人付款；
将购买人数转换为销量（注意部分单位为万）；
删除无发货地址的商品，并提取其中的省份；

数据清洗部分代码如下：
# 提取数值 df['num'] = [re.findall(r'(d+.{0,1}d*)', i)[0] for i in df['付款人数']]# 提取数值 df['num'] = df['num'].astype('float')# 转化数值型 # 提取单位（万） df['unit'] = [''.join(re.findall(r'(万)', i)) for i in df['付款人数']]# 提取单位（万） df['unit'] = df['unit'].apply(lambda x:10000 if x=='万' else 1) # 计算销量 df['销量'] = df['num'] * df['unit']现在来看看，清洗后的数据是啥样的？