python爬虫数据分析项目双十一_用Python数据分析选购手机，双十一刚过你选对了嘛...-CSDN博客

前言

文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理。

作者： shenzhongqiang

PS：如有需要Python学习资料的小伙伴可以加点击下方链接自行获取

分析思路

思路很简单，上京东商城把所有手机的数据爬下来，然后根据配置、价格过滤出符合条件的手机，在过滤出来的手机里选择一部性价比最高的。画成流程图，大致是这样的

爬取数据

第一步，我们先从京东商城爬取所有在售的手机数据。这里我们关心的主要是价格和配置信息，商品页面上的价格和配置信息像下面两张图所示

我们编写代码爬取所有手机的价格和配置信息，爬虫的核心代码如下

# 获取手机单品的价格

def get_price(skuid):

url = "https://c0.3.cn/stock?skuId=" + str(skuid) + "&area=1_72_4137_0&venderId=1000004123&cat=9987,653,655&buyNum=1&choseSuitSkuIds=&extraParam={%22originid%22:%221%22}&ch=1&fqsp=0&pduid=15379228074621272760279&pdpin=&detailedAdd=null&callback=jQuery3285040"

r = requests.get(url, verify=False)

content = r.content.decode('GBK')

matched = re.search(r'jQuery\d+\((.*)\)', content, re.M)

if matched:

data = json.loads(matched.group(1))

price = float(data["stock"]["jdPrice"]["p"])

return price

return 0

# 获取手机的配置信息

def get_item(skuid, url):

price = get_price(skuid)

r = requests.get(url, verify=False)

content = r.content

root = etree.HTML(content)

nodes = root.xpath('.//div[@class="Ptable"]/div[@class="Ptable-item"]')

params = {"price": price, "skuid": skuid}

for node in nodes:

text_nodes = node.xpath('./dl')[0]

k = ""

v = ""

for text_node in text_nodes:

if text_node.tag == "dt":

k = text_node.text

elif text_node.tag == "dd" and "class" not in text_node.attrib:

v = text_node.text

params[k] = v

return params

# 获取一个页面中的所有手机信息

def get_cellphone(page):

url = "https://list.jd.com/list.html?cat=9987,653,655&page={}&sort=sort_rank_asc&trans=1&JL=6_0_0&ms=4#J_main".format(page)

r = requests.get(url, verify=False)

content = r.content.decode("utf-8")

root = etree.HTML(content)

cell_nodes = root.xpath('.//div[@class="p-img"]/a')

client = pymongo.MongoClient()

db = client[DB]

for node in cell_nodes:

item_url = fix_url(node.attrib["href"])

matched = re.search('item.jd.com/(\d+)\.html', item_url)

skuid = int(matched.group(1))

saved = db.items.find({"skuid": skuid}).count()

if saved > 0:

print(saved)

continue

item = get_item(skuid, item_url)

# 结果存入MongoDB

db.items.insert(item)

需要注意的是，上面的get_price和get_item函数分别从两个url获取数据，这是因为配置信息可以直接从商品页面中解析得到，而价格信息需要从另外一个ajax请求里获得。爬下来的所有数据存入MongoDB。

过滤数据

爬下来的手机数据当中，信息完整的共有4700多条数据，这4700多部手机属于70个手机品牌。这些品牌画成词云图是这样的

手机的配置主要有以下这些参数是否双卡双待

机身材质

CPU型号

内存大小

存储容量

电池容量

屏幕材质

屏幕大小

分辨率

摄像头

平时用手机主要是看看书、刷刷知乎微信、买买东西，所以选购新手机的时候最关心的就是速度、容量、待机时间这几项，对摄像头、屏幕材质倒不是特别在乎。考虑以上因素，在对数据做过滤的时候，我设定了以下几个条件CPU的品牌是高通

内存大小大于等于6GB

存储容量大于等于64GB

电池容量大于3000mAh

必须是双卡双待

价格在1500元以内

过滤数据的代码如下

client = pymongo.MongoClient()

db = client[DB]

items = db.items.find({})

result = preprocess(items)

df = pd.DataFrame(result)

df_res = df[df.cpu_brand=="骁龙（Snapdragon)"][df.battery_cap >= 3000][df.rom >= 64][df.ram >= 6][df.dual_sim == True][df.price<=1500]

print(df_res[["brand", "model", "color", "cpu_brand", "cpu_freq", "cpu_core", "cpu_model", "rom", "ram", "battery_cap", "price"]].sort_values(by="price"))

首先从MongoDB里读取数据，然后创建DataFrame，对DataFrame里的数据按照上面的条件作选择。代码的最后一行将筛选出来的手机打印出来，并按价格从低到高排序。

经过了这样一轮筛选后，我们得到了下面的38款手机

上面的几部手机配置都比较接近，但是网上对小米的评价普遍比较高，于是又在上面的列表里筛选出了所有的小米手机，得到下面7款

这里就变成了红米Note5和小米6X的PK了。价格上，两者不差上下。配置方面，网上查到红米Note5的cpu是骁龙636的（上面的表格里缺少红米Note5的cpu型号），相比小米6X的骁龙660，636虽然性能上不如660，但更省电，而且考虑到红米Note5 4000毫安的超大容量电池，最后决定了购买红米Note 5这一款。作为一款千元机，骁龙636八核CPU、6G大内存、64G大存储、5.99英寸大视野全面屏、前置相机+后置双摄、超长的待机时间，这款手机大概算是千元机中的机皇了。