Python|中秋节月饼不知道买哪种（Python爬取4000种月饼类别告诉你答案！）爬虫|数据可视化|python

前言
马上临近中秋了，月饼的销量持续增长，也推出了各个不同口味类别的月饼，价格差异也较大。我们究竟应该买哪种月饼呢？今天就一起用Python爬取某宝月饼信息，并对爬取的数据进行可视化分析，一起来看看哪种月饼最受欢迎，哪家店铺月饼销量最高吧~

直接跳到文末获取粉丝专属福利。
一、核心功能设计
总体来说，我们需要先从网站爬虫获取月饼数据，并将这些数据进行清洗，最后可视化分析展示。拆解需求，大致可以整理出我们需要分为以下几步完成：

通过爬虫获取月饼数据，主要包括月饼名称、销量、店铺、省份城市等。
对获取的数据进行预处理清洗，统一销量数据单位、省份城市等，获取清洗后的各个月饼数量。
对清洗的数据进行可视化展示，主要包括热销月饼口味TOP10、热销月饼店铺Top10、月饼价格区间分布、各省份城市月饼销量分布情况等。

二、实现步骤
1. 爬取数据本文我们通过selenium模块进行月饼数据爬取。为了保证数据爬取顺利，首先我们需要安装selenium模块，通过pip指令即可安装。

pip install selenium

如果第一次安装使用selenium，不少人有可能会出现以下异常，那该怎么解决呢？

Python|中秋节月饼不知道买哪种（Python爬取4000种月饼类别告诉你答案！）

文章图片

出现的主要原因是因为selenium模拟的客户端对浏览器的操作,但相应浏览器的驱动版本不匹配导致的。所以我们需要先了解我们当前浏览器的版本，可以打开浏览器，地址栏输入chrome://version/查看到谷歌当前的版本号。

文章图片

这样我们就可以到谷歌浏览器驱动找到对应版本下载驱动就可以了。下载解压之后，可以看到chromedriver.exe。

文章图片

我们需要把它拷贝到Python路径下面，至此我们就可以正常使用selenium模拟客户端浏览器操作了。

文章图片

接下来我们进行网页分析，获取对应的月饼名称、店铺名、销售量、价格、地区。根据对数据分析，可以发现：

各个月饼信息都在item的class=“item J_MouserOnverReq”
月饼名称对应的class=“row row-2 title”
价格对应的strong标签
付款人数对应class=“deal-cnt”
店铺信息在class="shop"中
发货地区对应class=“location”

文章图片

网页结构我们上面已经分析好了，那么我们就可以来动手爬取我们所需要的数据了，获取到所有的数据资源之后，可以把这些数据保存下来。
获取商品：

# author：Dragon少年 # 获取商品 def get_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() browser.maximize_window() # 等待20秒，方便手动登录 time.sleep(20) # 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 # findall()返回的是一个列表 page = re.findall("(\d+)", page_info)[0] return page

获取数据：

# author：Dragon少年 # 获取数据 def get_data(): # 所有的信息都在items节点下 items = browser.find_elements_by_xpath('//div[@class="items"]/div[@class="item J_MouserOnverReq"]') for item in items: pro_desc = item.find_element_by_xpath('.//div[@class="row row-2 title"]/a').text # 价格 pro_price = item.find_element_by_xpath('.//strong').text # 付款人数 buy_num = item.find_element_by_xpath('.//div[@class="deal-cnt"]').text # 店铺 shop = item.find_element_by_xpath('.//div[@class="shop"]/a').text # 发货地 address = item.find_element_by_xpath('.//div[@class="location"]').text with open('{}.csv'.format(key_word), mode='a', newline='', encoding='utf-8-sig') as f: csv_writer = csv.writer(f, delimiter=',') csv_writer.writerow([pro_desc, pro_price, buy_num, shop, address])

selenium模拟爬取：

# author：Dragon少年 key_word = input("请输入您要搜索的商品：") browser = webdriver.Chrome() browser.execute_cdp_cmd("Page.addScriptToEvaluateOnNewDocument", {"source": """ Object.defineProperty(navigator, 'webdriver', { get: () => undefined }) """ }) browser.get('https://www.taobao.com/') page = get_product(key_word) print(page) get_data() page_num = 1 while int(page) != page_num: print("=" * 100) print("正在爬取第{}页".format(page_num + 1)) browser.get('https://s.taobao.com/search?q={}&s={}'.format(key_word, page_num * 44)) browser.implicitly_wait(15) get_data() page_num += 1 print("爬取结束！")

至此我们就可以爬取月饼的数据并保存下来，如下图所示。

文章图片

2. 数据清洗接下来我们需要把爬虫获取的数据进行清洗，首先可以去除重复数据，删除没有人购买的记录。核心代码如下：

# author：Dragon少年 # 读取爬虫数据 df = pd.read_csv("月饼.csv", encoding='utf-8-sig', header=None) df.columns = ["商品名", "价格", "购买人数", "店铺", "地址"] # 去除重复的数据 df.drop_duplicates(inplace=True) print(df.shape) # 删除购买人数0的记录 df['购买人数'] = df['购买人数'].replace(np.nan,'0人付款')

对于购买人数，有些是按照万为单位显示，我们需要将销售量进行统一，并将发货地区进行整理出各个省份信息，最后将这些清洗的数据保存下来。核心代码如下：

df['num'] = [re.findall(r'(\d+\.{0,1}\d*)', i)[0] for i in df['购买人数']]# 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['购买人数']]# 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']# 删除没有发货地址的店铺数据获取省份 df = df[df['地址'].notna()] df['省份'] = df['地址'].str.split(' ').apply(lambda x:x[0]) # 删除多余的列 df.drop(['购买人数', '地址', 'num', 'unit'], axis=1, inplace=True) # 重置索引 df = df.reset_index(drop=True) df.to_csv('月饼清洗数据.csv')

至此我们就可以把爬取的月饼数据整理清洗完毕，如下图所示。

文章图片

3. 可视化分析接下来我们就需要对数据进行可视化显示，这里使用的是pyecharts，是一个用于生成Echarts图表的类库，便于在Python中根据数据生成可视化的图表。
之前博主有写过一篇关于pyecharts的文章，里面很详细的介绍了各类图表的使用方法和案例，不会的可以先去学习下pyecharts相关的内容。【一文学会炫酷图表利器pyecharts】
销量Top10店铺：
下面我们可以读取清洗结束的数据，通过对店铺分组获取各个店铺的月饼销量数据，统计出销量前十的店铺，通过柱状图显示。核心代码如下：

# 计算月饼总销量Top10的店铺 shop_top10 = df.groupby('店铺')['销量'].sum().sort_values(ascending=False).head(10) # 绘制柱形图 bar1 = Bar(init_opts=opts.InitOpts(width='600px', height='450px')) bar1.add_xaxis(shop_top10.index.tolist()) bar1.add_yaxis('销量', shop_top10.values.tolist()) bar1.set_global_opts(title_opts=opts.TitleOpts(title='销量Top10店铺-Dragon少年'), xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=-30))) bar1.render("销量Top10店铺-Dragon少年.html") bar1.render_notebook()

文章图片

我们可以看到稻香村食品店、天猫超市、华美食品、臻味食品等销量居前，其中销量最好的是稻香村，总销量遥遥领先。
销量Top10月饼：
我们还可以通过对月饼名称进行月饼分组获取销量最好的月饼，统计出销量前十的月饼，通过柱状图显示。核心代码如下：

# 计算销量top10月饼 shop_top10 = df.groupby('商品名')['销量'].sum().sort_values(ascending=False).head(10)# 绘制柱形图 bar0 = Bar(init_opts=opts.InitOpts(width='750px', height='450px')) bar0.add_xaxis(shop_top10.index.tolist()) bar0.add_yaxis('销量', shop_top10.values.tolist()) bar0.set_global_opts(title_opts=opts.TitleOpts(title='销量Top10月饼-Dragon少年'), xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=-30))) bar0.render("销量Top10月饼-Dragon少年.html") bar0.render_notebook()

文章图片

我们可以看到最受欢迎的10种月饼，其中的稻香村月饼礼盒装最受欢迎，销量达到了50w份。
不同价格月饼销量占比：
我们接下来还可以根据月饼的价格区间进行划分，统计50元以下，50-150元，150-500元，500元以上的各个价格区间月饼的销量分布，并通过饼图进行可视化显示。核心代码如下：

def price_range(x): #按照淘宝推荐划分价格区间 if x <= 50: return '50元以下' elif x <= 150: return '50-150元' elif x <= 500: return '150-500元' else: return '500元以上' df['price_range'] = df['价格'].apply(lambda x: price_range(x)) price_cut_num = df.groupby('price_range')['销量'].sum() data_pair = [list(z) for z in zip(price_cut_num.index, price_cut_num.values)] # 饼图 pie1 = Pie(init_opts=opts.InitOpts(width='750px', height='350px')) # 内置富文本 pie1.add( series_name="销量", radius=["35%", "55%"], data_pair=data_pair, label_opts=opts.LabelOpts(formatter='{b}—占比{d}%'), ) pie1.set_global_opts(legend_opts=opts.LegendOpts(pos_left="left", pos_top='30%', orient="vertical"), title_opts=opts.TitleOpts(title='不同价格月饼销量占比-Dragon少年')) pie1.render("不同价格月饼销量占比-Dragon少年.html") pie1.render_notebook()

文章图片

可以看出来，月饼的销售价格主要分布在≤150元之间，占据了销量的84%左右，单份月饼价格超过500元的购买的人较少。
各省月饼销量分布：
最好我们在统计下，月饼的产地销量分布省份地区，并通过地图可视化显示。核心代码如下：

# 计算销量 province_num = df.groupby('省份')['销量'].sum().sort_values(ascending=False) # 绘制地图 map1 = Map(init_opts=opts.InitOpts(width='750px', height='350px')) map1.add("", [list(z) for z in zip(province_num.index.tolist(), province_num.values.tolist())], maptype='china' ) map1.set_global_opts(title_opts=opts.TitleOpts(title='各省月饼销量分布-Dragon少年'), visualmap_opts=opts.VisualMapOpts(max_=300000) ) map1.render("各省月饼销量分布-Dragon少年.html") map1.render_notebook()

文章图片

可以看到月饼的销售地分布最多的是广东和浙江省，这两个省月饼销量最受欢迎。至此，月饼数据爬虫及分析可视化就完成啦~ 大家看完分析想好买什么月饼了吗？
源码及数据已上传，关注文末公众号回复【月饼源码】即可获取完整源码

Python往期精彩：

见过仙女蹦迪吗？一起用python做个小仙女代码蹦迪视频

python自制一款炫酷音乐播放器，想听啥随便搜！

【Python|中秋节月饼不知道买哪种（Python爬取4000种月饼类别告诉你答案！）】斗地主老是输？一起用Python做个AI出牌器，豆子蹭蹭涨！

桌面太单调？一起用Python做个自定义动画挂件，好玩又有趣！

一起用Python做个车牌自动识别系统，好玩又实用！

桌面太单调？一起用Python做个自定义动态壁纸，竟然还可以放视频！

一起用Python做个自动化弹钢琴脚本，我竟然弹出了《天空之城》！
往期精彩源码均可通过下方公众号获取