520情人节，不懂送女朋友什么牌子的口红？没关系！Python 数据分析告诉你。

520情人节，不懂送女朋友什么牌子的口红？没关系！Python 数据分析告诉你。

一、案例说明

1、案例背景

520情人节，不懂送女朋友什么牌子的口红？没关系！Python 数据分析告诉你。

我们爬取了京东商城口红近 4000 条口红商品信息，并对这些口红数据进行分析，让大家买口红给女朋友时有个选择的参考，从如下几个方面去分析：

1、哪些价格区间的口红卖的最好？
2、口红销量分布情况。
3、销量前10的口红有哪些？
4、销量前10的店铺。
5、商品价格和销量的关系。

2、任务说明

通过 Python 爬虫爬取了京东上所有口红铺的数据集 jd_data.csv。

我们希望通过该数据集，针对不同的口红品牌和店铺进行统计与分析，从而能够解开我们上述疑问。

3、数据字段的说明

字段含义图：

4、数据分析的流程

二、数据预处理

数据清洗

1、首先从csv文件中导入数据

import pandas as pd 
import matplotlib.pyplot as plt 

#读取数据
dataframe = pd.read_csv('jd_data.csv',encoding = 'gb18030')#这里不能使用utf-8
print(dataframe.shape)
复制代码

查看下有多少行、列数据：
(3816, 6)
共有3816行，6列（上面有这六个字段说明）

2、缺失值处理

data = dataframe.dropna(how='any')
data.head()
print(data.shape)
复制代码

(3610, 6)
从这里可以看出还是有些缺失值的

对于缺失值的处理主要有两种方法：

删除

填充：分为均值、中位数、众数、附近值进行填充，还有牛顿差值法等等。
这里偷一下懒，使用比较简便的删除的方式处理缺失值，毕竟缺失的不是很多。

# inplace=True表示原地修改数据集  
data.dropna(axis=0, inplace=True)   
  
# 对删除后缺失值后的数据集，再次进行缺失值统计  
data.isnull().sum(axi