基于统计学模型的乐高玩具商品价格研究（课程设计报告）

本文链接：https://blog.csdn.net/m0_52051577/article/details/130693736

阅读过程中若有不解之处可私信，乐于解答，项目资源请见资源发布。

基于统计学模型的乐高玩具商品价格研究

摘要：

科技进步推动玩具产业升级,智能玩具成市场焦点。随着科技的发展，越来越多信息科技、机器人技术被运用到玩具生产和设计当中，高科技玩具已成为吸引人们眼球的焦点，并深受消费者青睐,促使中国玩具业离开低水平复制的恶性竞争，有利于中国玩具产业向高水平、健康的方向发展,以及提升中国玩具业在国际国内高端市场上的竞争力。随着网购成为中国消费者的重要消费渠道，玩具电商也借机快速发展。

统计学模型是近年来的一种有效的预测方法。我们在此项目中运用了描述性统计方法，计算了标准差和算数平均数，通过箱线图、散点图、柱状图让结果更加鲜明，同时可以观察多种因素。通过此次分析，商家可以调整商品的价格来适应市场价格需求。买方可以通过评论数量来观测商品受欢迎程度，以此作为条件，决定是否购买。

关键词： 统计学模型 python 乐高商品金融挖掘

本文报告目录如下：

目录

4 各商家商品数、评价数、广告数据处理分析与可视化（主要完成者——梁鳕宇）

5 各商家sku数、商品价格的数据处理分析与可视化（主要完成者——武瑞）

6 各商家商品SKU、商品价格、评价人数的数据处理分析与可视化（主要完成者——郑浩楠）

项目整体研究意义：

全球玩具行业都呈现良性发展，中国玩具产业发展一如往常地稳健。随着网购成为中国消费者的重要消费渠道，玩具电商也借机快速发展。在目前的预测研究中，通常采用一个传统的模型，可是对于复杂的购物市场，传统的模型仅仅能够提供某一方面的有效信息，无法避免的会丢失另外一些有效数据，从而让该模型难以达到预期的预测结果。统计学模型是近年来的一种有效的预测方法。我们在此项目中运用了描述性统计方法，计算了标准差和算数平均数，通过箱线图、散点图、柱状图让结果更加鲜明，同时可以观察多种因素。通过此次分析，商家可以调整商品的价格来适应市场价格需求。买方可以通过评论数量来观测商品受欢迎程度，以此作为条件，决定是否购买。

整体思路流程图如下：

首先导入seaborn（可视化封装）、matplotlib（用于可视化）、pandas(二维表数据结构）、numpy(运算库）这些相关库，导入csv文件，进行数据查看，查看了维度、字段信息、数据类型、非空值这四个属性，之后通过查看并统计缺失值数量和填补缺失值fillnan()对数据进行预处理。处理完毕后，开始数据挖掘重点，对各品牌sku数、品牌总销量和总销售额、评价人数、价格、广告数进行分析。

（1）各品牌sku商品数：统计数据集中各商家店名的数量并按降序排序，绘制了箱线图和柱状图。期中柱状图的x代表各商家sku数，y代表商品数量。

（2）品牌总销量和总销售额：将商家点名分类后统计各个商家对应所有商品的价格总和，绘制了柱状图，其中柱状图的x代表商家店名，y代表各商家总商品价格。

（3）评价人数：遍历评价人数列，通过数据转换，用字典替换：str→int，绘制了柱状图，其中柱状图的x代表各商家商品的评论数，y代表评论数。

（4）价格：按商家店名分组，求得评价人数均值（代表热度），绘制了散点图、箱线图，求得各商家平均价格，绘制了柱状图，其中柱状图的x代表商家店名，y代表各商家平均商品价格，分位线代表全商家平均商品价格。

（5）广告数：通过数据转化，把“有广告”转换成1，“无广告”转换成0，按商家店名对广告计数，绘制了柱状图，其中x代表商家店名，y代表各商家广告数。