最近常听到说女生的A罩杯,穿衣百搭且很高级!
今天,我们就爬取京东商城某文胸品牌不同size的大致销售情况,来看看当前什么尺码才是主流吧!
目录
1. 需求梳理
2. 数据采集
3. 统计展示
3.1. cup分布
3.2. color分布
4. 就这样吧
5. Python学习资源
很多人学习蟒蛇,不知道从何学起。 很多人学习寻找python,掌握了基本语法之后,不知道在哪里案例上手。 很多已经可能知道案例的人,却不怎么去学习更多高深的知识。 这三类人,我给大家提供一个好的学习平台,免费获取视频教程,电子书,以及课程的源代码! QQ群:101677771 欢迎加入,一起讨论学习
本文比较简单,单纯对京东评论数最多的某文胸品牌不同size的商品评论数进行采集,然后统计出不同size的占比。
由于京东没有类似销量(或多少人付款)等数据,我们这里仅用评论数做对比维度。关于评论数的获取,我们这里就不展开介绍了。
通过在京东进行商品类型选择内衣-文胸-适用人群 青年,再按照评论数排序,我们可以得到排名靠前的商品列表。由于前2个都是均码无尺寸的,第3个是文胸洗衣袋(也是均码无尺寸),故而我们选择了第4个商品。
寻找目标品牌
然后,我们直接点击进入到第4个商品的详情页面,发现存在很多7种颜色和10种尺寸,这组合有点多啊。
为了更好的获取每件商品的评论数据,我们这里需要先获取每个商品的productId。于是,我们F12进入到开发者模式,在元素页搜索其中一个商品id最终发现了存放全部商品id的地方如下:(可以通过正则解析出来)
color&size
既然可以获取全部的商品id,那么通过商品id即可调用评论接口获取对应商品的评论数据了,我们就编码走起!
数据采集部分,先用正则获取全部的商品id,然后通过商品id获取全部商品id对应的评论数据,那么需要的数据就齐活了。
获取全部商品id
import requests import re import pandas as pd headers = { # "Accept-Encoding": "Gzip", # 使用gzip压缩传输数据让访问更快 "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/83.0.4103.97 Safari/537.36", # "Cookie": cookie, "Referer": "https://item.jd.com/" } url= r'https://item.jd.com/100003749316.html' r = requests.get(url, headers=headers, timeout=6) text = re.sub(r'\s','',r.text) colorSize = eval(re.findall(r'colorSize:(\[.*?\])', text)[0]) df = pd.DataFrame(colorSize)
获取商品id对应评论数据
# 获取评论信息 def get_comment(productId, proxies=None): # time.sleep(0.5) url = 'https://club.jd.com/comment/skuProductPageComments.action?' params = { 'callback': 'fetchJSON_comment98', 'productId': productId, 'score': 0, 'sortType': 6, 'page': 0, 'pageSize': 10, 'isShadowSku': 0, 'fold': 1, } # print(proxies) r = requests.get(url, headers=headers, params=params, proxies=proxies, timeout=6) comment_data = re.findall(r'fetchJSON_comment98\((.*)\)', r.text)[0] comment_data = json.loads(comment_data) comment_summary = comment_data['productCommentSummary'] return sum([comment_summary[f'score{i}Count'] for i in range(1,6)]) df_commentCount = pd.DataFrame(columns=['skuId','commentCount']) proxies = get_proxies() for productId in df.skuId[44:]: df_commentCount = df_commentCount.append({ "skuId": productId, "commentCount": get_comment(productId, proxies), }, ignore_index=True ) df = df.merge(df_commentCount,how='left')
我们先将尺码中的ABC..罩杯部分单独成列
df['cup'] = df['尺码'].str[-1]
开始我们的简单统计展示吧
先看数据信息概况
>>> df.info() <class 'pandas.core.frame.DataFrame'> Int64Index: 64 entries, 0 to 63 Data columns (total 5 columns): # Column Non-Null Count Dtype --- ------ -------------- ----- 0 尺码 64 non-null object 1 skuId 64 non-null object 2 颜色 64 non-null object 3 commentCount 64 non-null object 4 cup 64 non-null object dtypes: object(5) memory usage: 3.0+ KB
不过我们采集的数据中只划分了A-B-C三种cup。。
cupNum = df.groupby('cup')['commentCount'].sum().to_frame('数量') cupNum
cup |
数量 |
A |
6049 |
B |
11618 |
C |
4076 |
import matplotlib.pyplot as plt from matplotlib import font_manager as fm plt.rcParams['font.sans-serif'] = ['Microsoft YaHei'] plt.rcParams['axes.unicode_minus'] = False labels = cupNum.index sizes = cupNum['数量'] explode = (0, 0.1, 0) fig1, ax1 = plt.subplots(figsize=(6,5)) patches, texts, autotexts = ax1.pie(sizes, explode=explode, labels=labels, autopct='%1.1f%%', shadow=True, startangle=90) ax1.axis('equal') # 重新设置字体大小 proptease = fm.FontProperties() proptease.set_size('large') plt.setp(autotexts, fontproperties=proptease) plt.setp(texts, fontproperties=proptease) ax1.set_title('cup 分布') plt.show()
cup分布
我们可以看到,高达53.4%的买家是B-cup,其次才是A-cup占比27.8%。
colorNum = df.groupby('颜色')['commentCount'].sum().to_frame('数量') colorNum
颜色 |
数量 |
浅肤 |
3627 |
淡蓝灰 |
3058 |
淡银灰 |
3837 |
白色 |
1439 |
藕粉 |
8286 |
酒红 |
1429 |
黑色 |
67 |
我们可以看到,藕粉色最多而且遥遥领先,其次是淡银灰、浅肤和淡蓝色。
color分布
以下是占比最高高达38.1%的藕粉色
藕粉色:来自京东
我们看到最多的34/75B,34就是英码对照,75可以理解为下胸围长(其实这里的34和75可以理解为一样的含义),B则是cup。
关于cup和胸围对照表,参考:
以上就是本次全部内容,样本量较小,不做考究,仅供娱乐哈!