使用Python采集淘宝类目数据并进行数据分析

qq-3323096930

已于 2022-08-06 15:44:44 修改

阅读量2.4k

点赞数 3

文章标签：数据分析数据挖掘爬虫

于 2022-08-06 15:39:08 首次发布

本文链接：https://blog.csdn.net/xinwanwualin/article/details/126195768

版权

使用Python采集沙发类目商品数据，并对数据进行分析，提供给普通买家购买参考以及学习使用

商品类目：沙发
数量：共100页 4400个商品；
筛选条件：天猫、销量从高到低、价格500元以上。

项目目的

对商品标题进行文本分析词云可视化
不同关键词word对应的sales的统计分析
商品的价格分布情况分析
商品的销量分布情况分析
不同价格区间的商品的平均销量分布
商品价格对销量的影响分析
商品价格对销售额的影响分析
不同省份或城市的商品数量分布

9.不同省份的商品平均销量分布

注：本项目仅以以上几项分析为例。

项目步骤

数据采集：Python爬取淘宝网商品数据
对数据进行清洗和处理
文本分析：jieba分词、wordcloud可视化
数据柱形图可视化 barh
数据直方图可视化 hist
数据散点图可视化 scatter
数据回归分析可视化 regplot

工具&模块：

工具：本案例代码编辑工具 Anaconda的Spyder
模块：requests、retrying、missingno、jieba、matplotlib、wordcloud、imread、seaborn 等。

爬取数据

因淘宝网是反爬虫的，虽然使用多线程、修改headers参数，但仍然不能保证每次100%爬取，所以我增加了循环爬取，每次循环爬取未爬取成功的页直至所有页爬取成功停止。
说明：淘宝商品页为JSON格式这里使用正则表达式进行解析；
代码如下：

数据清洗、处理：

此步骤也可以在Excel中完成再读入数据
代码如下：

说明：根据需求，本案例中只取了 item_loc, raw_title, view_price, view_sales 这4列数据，主要对标题、区域、价格、销量进行分析。

代码如下:

数据挖掘与分析：

对 raw_title 列标题进行文本分析：

使用结巴分词器，安装模块pip install jieba

对 title_s（list of list 格式）中的每个list的元素（str）进行过滤剔除不需要的词语，即把停用词表stopwords中有的词语都剔除掉：

因为下面要统计每个词语的个数，所以为了准确性这里对过滤后的数据 title_clean 中的每个list的元素进行去重，即每个标题被分割后的词语唯一。

观察 word_count 表中的词语，发现jieba默认的词典无法满足需求：

有的词语（如可拆洗、不可拆洗等）却被cut，这里根据需求对词典加入新词（也可以直接在词典dict.txt里面增删，然后载入修改过的dict.txt）

词云可视化：

安装模块 wordcloud：
方法1： pip install wordcloud
方法2：下载Packages安装：pip install 软件包名称
软件包下载地址：https://www.lfd.uci.edu/~gohlke/pythonlibs/#wordcloud

注意：要把下载的软件包放在Python安装路径下。

代码如下：

分析结论：

综合分析：

组合、整装商品占比很高；
从沙发材质看：布艺沙发占比很高，比皮艺沙发多；
从沙发风格看：简约风格最多，北欧风次之，其他风格排名依次是美式、中式、日式、法式等；
从户型看：小户型占比最高、大小户型次之，大户型最少。

不同关键词word对应的sales之和的统计分析：

（说明：例如词语简约’，则统计商品标题中含有简约’一词的商品的销量之和，即求出具有简约’风格的商品销量之和）
代码如下：

对表df_word_sum 中的 word 和 w_s_sum 两列数据进行可视化
（本例中取销量排名前30的词语进行绘图）

由图表可知：

组合商品销量最高；
从品类看：布艺沙发销量很高，远超过皮艺沙发；
从户型看：小户型沙发销量最高，大小户型次之，大户型销量最少；
从风格看：简约风销量最高，北欧风次之，其他依次是中式、美式、日式等；
可拆洗、转角类沙发销量可观，也是颇受消费者青睐的。

商品的价格分布情况分析：

分析发现，有一些值太大，为了使可视化效果更加直观，这里我们结合自身产品情况，选择价格小于20000的商品。
代码如下：

由图表可知：

商品数量随着价格总体呈现下降阶梯形势，价格越高，在售的商品越少；
低价位商品居多，价格在500-1500之间的商品最多，1500-3000之间的次之，价格1万以上的商品较少；
价格1万元以上的商品，在售商品数量差异不大。

商品的销量分布情况分析：

同样，为了使可视化效果更加直观，这里我们选择销量大于100的商品。
代码如下：

由图表及数据可知：

销量100以上的商品仅占3.4% ，其中销量100-200之间的商品最多，200-300之间的次之；
销量100-500之间，商品的数量随着销量呈现下降趋势，且趋势陡峭，低销量商品居多；
销量500以上的商品很少。

不同价格区间的商品的平均销量分布：

代码如下：

由图表可知：

价格在1331-1680之间的商品平均销量最高，951-1331之间的次之，9684元以上的最低；
总体呈现先增后减的趋势，但最高峰处于相对低价位阶段；
说明广大消费者对购买沙发的需求更多处于低价位阶段，在1680元以上价位越高平均销量基本是越少。

商品价格对销量的影响分析：

同上，为了使可视化效果更加直观，这里我们结合自身产品情况，选择价格小于20000的商品。

代码如下：

由图表可知：

总体趋势：随着商品价格增多其销量减少，商品价格对其销量影响很大；
价格500-2500之间的少数商品销量冲的很高，价格2500-5000之间的商品多数销量偏低，少数相对较高，但价格5000以上的商品销量均很低没有销量突出的商品。

商品价格对销售额的影响分析：

代码如下：

由图表可知：

总体趋势：由线性回归拟合线可以看出，商品销售额随着价格增长呈现上升趋势；
多数商品的价格偏低，销售额也偏低；
价格在0-20000的商品只有少数销售额较高，价格2万-6万的商品只有3个销售额较高，价格6-10万的商品有1个销售额很高，而且是最大值。

注：
以上为采集淘宝数据并对采集数据进行分析，但以上只为示例，并且对淘宝数据采集不够稳定，并且效率也不高，作者将淘宝采集数据封装成了数据接口，可实时获取到相关数据，可用于大数据分析、电商选品、品牌维权监控、同行监控等作用
以下为返回数据示例（关键字搜索）：

封装的接口返回数据示例：

{
  "code": 1,
  "msg": "返回成功",
  "time": "1650382153",
  "data": {
    "detail": {
      "_cost": 405.758359,
      "pageTraceArgs": [
        {
          "value": "a2141.7631557.0.0",
          "key": "spm-cnt"
        },
        {
          "value": "{\"for_bts\":\"wlrank_bigmodel:66670;health_rerank:432590;newSimilar:17424;mac_aac_layer:24785;main_feedback:33288;JK95:36180;diversity:6882;guangguangTabFlow:34770;new_card:24153;LBS_TAB:8437;tmtab_algo:77886;wlrank_pricesort:11118;sophon_card_hs:565508;interactive_search:8966;wlrank_business:32038;smart_ui_fast:27633;ifashion_tab_fe:546016;tpp_search_app:66;wlrank_adapt:6025;search_growth_outside:17105;navigation_kg:10281;tmall_tab_bucket:5536;newSearch:6445016;shop_combo:29018;search_growth_drop_down:21025;shopsearch_price_optimization:428409;pk_exp:35386;xui_layer:37026;mixrank_mainse:8249;smart_ui:7205;skuGovern:433908;price_sort_to_tpp:31917;tb_sug_rank:25832;taobao_new_experience:25980;ads_test:3612;relevance:3333;coupon_abTest_c:21465;newitem_tab:6012;wlrank_strategy:555511;sp2tpp:44010;tpp_search_ab:206609;aliHealthy_vertical:32877;newproduct_fe_1:6233;mac_aac_card_layer:26631;rank_policy:27410;twoLineTitle:20776;show_title:35494;magellan:716505;g9_search:1263;fruit:431238;hour_cloud_theme:26258;spl_suggest:97825;wlrank_layer4:4140;hour_store_check:17316;match:7367;srp_guess_like_search:17372;tpp_search_bucketId:88;recall_hx:7364;lsc_bucket_id:7\",\"list_param\":\"优衣库_22_f17b321b5a127c0474c0e12d39d0ffce\"}",
          "key": "utparam-cnt"
        }
      ],
      "pageSize": "10",
      "sessionid": "7857de02e1475d36ac06a36321f5554d",
      "pageName": "MainSrp",
      "tpp_trace": "212c2abf16503821538002842e7866",
      "tpp_buckets": "66#0#206609#88",
      "totalResults": "33224",
      "abtest": "22",
      "boxSearchTrace": [

      ],
      "pvid": "dcbef287-dc15-4de3-845a-3142c534ef60",
      "parameter": "q",
      "pageTraceName": "Page_SearchItemList-MainSrp",
      "scm": "1007.28601.159588.0",
      "height": "234",
      "paramValue": "优衣库",
      "totalPage": "200",
      "boxType": "RMI_CALL",
      "_router_host": "hippo.33.55.93.134.na63",
      "_host": "hippo.33.55.93.134.na63",
      "version": 1,
      "boxSearch": "http://show.chuangyi.taobao.com/html/65817/2022/04/18/286fa11d-d6280aad-205328209.html?rd=http%3A%2F%2Fclick.mz.simba.taobao.com%2Fbrand%3Fe%3DZNDS26m%252FpxoStXg%252B%252F8vbVPIC25qgcod08xnkK0gQlRp%252BhP8scr8HImF44NkOC4ckSybhiL%252F%252B4ZRqtsZTksZxmREkdsuPsCamr8WVqNcfHdhVdOCq6IIdON5FUbEg1KBIc86rR9eOOeqPSQCGfbSoUmqyopi6xDLbvlsboW2jMSUQhqUaN%252BVBVa7HVYROgaKGhT%252FnTt%252BcL0IGxfzsc6cWWrNTz10VYajdvlsboW2jMSW680kE1hqIRrWpQCbsKhxQorYgm7figGSuNMU300LgrKDQYJhonSLuN3zqKjJAtsrtewMrSsvXskjU0J03ayoh4NhLD5vontiUR8e3BaivmvPG%252FpPPm92g7uienL%252Ffilc5gEf2nbHqm2EAG2z5gXvsv2B%252FpN7wN3ySMpNV3hqwynlQCFZsyrJfbKvaJgSbpo7864V2lEOGorF0WEkPgrIjhpmG93IsZDeKM4aFmZLySzFx7kkl4fw4SXyrDqg6lO4gc%252B85jX0YlvEsIIJRN0GQ6cLBbV5gdKbGKbVEsOOXEkwYCgJNAMU%252BuoCrDRNLFfA3LgSqUe0QaiG3iwfgYD%252FVtT77GSmriwe7r2ymx1R8Urg7yB9l7n7k%26u%3D%26k%3D611%26eadt%3D42&style=112&q=%E4%BC%98%E8%A1%A3%E5%BA%93&nq=%E4%BC%98%E8%A1%A3%E5%BA%93&enable_linkage=true&bucketids=182037,182041,182042,182045,182052,182055,2790058,3243104,3243780,3284058,3287574,3285086,3286493,3493241,3286667,3287348,3301293,3302225,0,3506401&campaign_id=194366765&adgroup_id=194731278&creative_id=287971500420001&session_id=e5281e0ba37e5700625ed549d0bf4804&shop_id=57303596",
      "width": "375",
      "order_by": "_coefp",
      "style": "wf",
      "page": "1",
      "RN": "f17b321b5a127c0474c0e12d39d0ffce",
      "itemsArray": [
        {
          "priceWap": "59.00",
          "activityIdBase64": "",
          "short_title_c2c": "",
          "videoAutoPlay": "false",
          "extraParams": [
            {
              "value": "taobaoSearch",
              "key": "xxc"
            },
            {
              "value": "%E4%BC%98%E8%A1%A3%E5%BA%93",
              "key": "detailAlgoParam"
            }
          ],
          "uprightImg": "http://g.search2.alicdn.com/img/bao/uploaded/i4/i4/196993935/O1CN01W98iRD1ewHGhkRswt_!!0-item_pic.jpg",
          "title": "优衣库uniqlo圆领t恤春夏短袖",
          "tItemType": "nt_auction",
          "utLogMap": {
            "x_business": "tbxls",
            "p_t": "1",
            "xui_longPic": "c3f88862027c4054de612679660979ef",
            "p_f": "0",
            "smartui_exp": "5",
            "title": "showTitle"
          },
          "auctionURL": "http://a.m.taobao.com/i633123980436.htm?&ttid=10005533%40taobaolive_android_1.7.4&v=1.0&sid=3a040b44560d18ca9c09789b2086a096",
          "trace": {
            "spm-url": "a2141.7631557.0.0",
            "item_id": "633123980436",
            "utLogMap": {
              "item_price": "59.00",
              "list_param": "优衣库_22_f17b321b5a127c0474c0e12d39d0ffce",
              "x_biz": "item",
              "page": "1",
              "isP4p": "false"
            }
          },
          "itemCollect": "false",
          "price": "59.00",
          "summaryTips": [
            "理想之选:天猫认证",
            "设计师款:设计师款"
          ],
          "realSales": "5万+人付款",
          "sameCount": "0",
          "leafCategory": "50000671",
          "isP4p": "false",
          "sold": "50168",
          "shopInfo": {
            "pbshowshopinfo": "false",
            "shopInfoList": [
              "优衣库官方旗舰店",
              "上海"
            ],
            "url": "https://shop.m.taobao.com/shop/shop_index.htm?shop_navi=allitems&upText=%E4%BC%98%E8%A1%A3%E5%BA%93&item_id=633123980436"
          },
          "detailBaseUrl": "",
          "similarSameUrl": "",
          "item_id": "633123980436",
          "priceColor": "#000000",
          "hiddenSet": [

          ],
          "uprightImgAspectRatio": "0.667",
          "cardType": "item",
          "itemPriceSign": "",
          "pic_path": "http://g.search2.alicdn.com/img/bao/uploaded/i4/i4/196993935/O1CN015oL08X1ewHGefXx1g_!!196993935.jpg_60x60.jpg",
          "icons": [

          ],
          "priceShow": {
            "unit": "¥",
            "price": "59.00",
            "preText": ""
          },
          "userId": "196993935",
          "similarURL": "http://h5.m.taobao.com/app/searchsimilar/www/tbsimilar/index.html?from=tbsearch&showtype=similar&liantiao=wsearch_pre_http_gray&scm=20140662.search&vm=nw&nid=633123980436&q=%E4%BC%98%E8%A1%A3%E5%BA%93&searchToken=00825aec213d76ef56747df81596adb48c709c889c2a3543a65ef69a12c26a79",
          "g9": "false",
          "dItemType": "nt_auction_2019",
          "isB2c": "1",
          "productLaunch": "",
          "showLongTitle": "true",
          "iconList": "",
          "locType": "",
          "similarCount": "1"
        },
        // ... more ...
      ]
    },
    "time": "1.33s",
    "api_tp": "taobao",
    "api_name": "search",
    "log": "success"
  }
}