手把手教你采集京东销售数据并做简单的数据分析和可视化

2023-05-30 10:14| 来源: 网络整理| 查看: 265

点击上方“Python爬虫与数据挖掘”，进行关注

回复“书籍”即可获赠Python从入门到进阶共10本电子书

今

日

鸡

汤

身着白衣，心有锦缎。

前言大家好！我是古月星辰，大三本科生，数学专业，Python爬虫爱好者一枚。今天给大家带来JD数据的简单采集和可视化分析，希望大家可以喜欢。

一、目标数据

随着移动支付的普及，电商网站不断涌现，由于电商网站产品太多，由用户产生的评论数据就更多了，这次我们以京东为例，针对某一单品的评论数据进行数据采集,并且做简单数据分析。

二、页面分析

这个是某一手机页面的详情页，对应着手机的各种参数以及用户评论信息，页面URL是：

https://item.jd.com/10022971060622.html#none

然后通过分析找到评论数据对应的数据接口，如下图所示:

它的请求url:

https://club.jd.com/comment/productPageComments.action?callback=fetchJSON_com ment98& productId=10022971060622 &score=0&sortType=5& page=0 &pageSize=10&isShadowSk u=0&fold=1

注意看到这两个关键参数 1. productId: 每个商品有一个id 2. page: 对应的评论分页

三、解析数据

对评论数据的url发起请求:

url:https://club.jd.com/comment/productPageComments.action?callback=fetchJSON_comm ent98& productId=10022971060622 &score=0&sortType=5& page=0 &pageSize=10&isShado wSku=0&fold=1

json.cn 打开json数据(我们的评论数据是以json形式与页面进行交互传输的)，如下图所示:

分析可知,评论url中对应十条评论数据,对于每一条评论数据,我们需要获取3条数据,contents,color,size(注意到上图的maxsize,100,也就是100*10=1000条评论)。

四、程序

1.导入相关库

import requests import json import time import openpyxl #第三方模块，用于操作Excel文件的 #模拟浏览器发送请求并获取响应结果 import random

2.获取评论数据

def get_comments(productId,page): url='https://club.jd.com/comment/productPageComments.action?callback=fetchJSON_comment98&productId={0}&score=0&sortType=5&page={1}&pageSize=10&isShadowSku=0&fold=1'.format(productId,page) # 商品id resp=requests.get(url,headers=headers) #print(resp.text) #响应结果进行显示输出 s1=resp.text.replace('fetchJSON_comment98(','') #fetchJSON_comment98( s=s1.replace(');','') #将str类型的数据转成json格式的数据 # print(s,type(s)) # print('*'*100) res=json.loads(s) print(type(res)) return res

3.获取最大页数(也可以不写)

def get_max_page(productId): dic_data=get_comments(productId,0) #调用刚才写的函数，向服务器发送请求，获取字典数据 return dic_data['maxPage']

4.提取数据

def get_info(productId): #调用函数获取商品的最大评论页数 #max_page=get_max_page(productId) # max_page=10 lst=[] #用于存储提取到的商品数据 for page in range(0,get_max_page(productId)): #循环执行次数 #获取每页的商品评论 comments=get_comments(productId,page) comm_lst=comments['comments'] #根据key获取value，根据comments获取到评论的列表（每页有10条评论） #遍历评论列表，分别获取每条评论的中的内容，颜色，鞋码 for item in comm_lst: #每条评论又分别是一个字典，再继续根据key获取值 content=item['content'] #获取评论中的内容 color=item['productColor'] #获取评论中的颜色 size=item['productSize'] #鞋码 lst.append([content,color,size]) #将每条评论的信息添加到列表中 time.sleep(3) #延迟时间，防止程序执行速度太快，被封IP save(lst) #调用自己编写的函数，将列表中的数据进行存储

5.用于将爬取到的数据存储到Excel中

def save(lst): wk=openpyxl.Workbook () #创建工作薄对象 sheet=wk.active #获取活动表 #遍历列表，将列表中的数据添加到工作表中,列表中的一条数据，在Excel中是一行 for item in lst: sheet.append(item) #保存到磁盘上 wk.save('销售数据.xlsx')

6.运行程序

if __name__ == '__main__': productId='10029693009906' # 单品id get_info(productId)

五、简单数据

1.简单配置

# 导入相关库 import pandas as pd import matplotlib.pyplot as plt # 这两行代码解决 plt 中文显示的问题 plt.rcParams['font.sans-serif'] = ['SimHei'] plt.rcParams['axes.unicode_minus'] = False # 由于采集的时候没有设置表头,此处设置表头 data = pd.read_excel('./销售数据.xlsx', header=None, names = ['comments','color','intro'] ) # data.head()

2.手机颜色数量对比

x = ['白色','黑色','绿色','蓝色','红色','紫色'] y = [314,295,181,173,27,10] plt.bar(x,y) plt.title('各种颜色手机数量对比') plt.xlabel('颜色') plt.ylabel('数量') # plt.legend() # 显示图例 plt.show()

可以看出用户购买的手机白色和黑色的机型比较多.占据了60%多。3.评论词云展示1）先要提取评论数据

import xlrd def strs(row): values = ""; for i in range(len(row)): if i == len(row) - 1: values = values + str(row[i]) else: values = values + str(row[i]) return values # 打卡文件 data = xlrd.open_workbook("./销售数据.xlsx") sqlfile = open("data.txt", "a") # 文件读写方式是追加 table = data.sheets()[0] # 表头 nrows = table.nrows # 行数 ncols = table.ncols # 列数 colnames = table.row_values(1) # 某一行数据 # 打印出行数列数 for ronum in range(1, nrows): row = table.cell_value(rowx=ronum, colx = 0) #只需要修改你要读取的列数-1 values = strs(row) # 调用函数，将行数据拼接成字符串 sqlfile.writelines(values + "\n") # 将字符串写入新文件 sqlfile.close() # 关闭写入的文件

2）词云展示

# 导入相应的库 import jieba from PIL import Image import numpy as np from wordcloud import WordCloud import matplotlib.pyplot as plt # 导入文本数据并进行简单的文本处理 # 去掉换行符和空格 text = open("./data.txt",encoding='gbk').read() text = text.replace('\n',"").replace("\u3000","") # 分词，返回结果为词的列表 text_cut = jieba.lcut(text) # 将分好的词用某个符号分割开连成字符串 text_cut = ' '.join(text_cut)

注意: 这里我们不能使用encoding='uth-8'，会报出一个错误:

> 'utf-8' codec can't decode byte 0xd3 in position 0: invalid continuation byte

所以我们需要改成 gbk。

word_list = jieba.cut(text) space_word_list = ' '.join(word_list) print(space_word_list) # 调用包PIL中的open方法，读取图片文件，通过numpy中的array方法生成数组 mask_pic = np.array(Image.open("./xin.png")) word = WordCloud( font_path='C:/Windows/Fonts/simfang.ttf', # 设置字体，本机的字体 mask=mask_pic, # 设置背景图片 background_color='white', # 设置背景颜色 max_font_size=150, # 设置字体最大值 max_words=2000, # 设置最大显示字数 stopwords={'的'} # 设置停用词，停用词则不在词云途中表示 ).generate(space_word_list) image = word.to_image() word.to_file('2.png') # 保存图片 image.show()

最后得到的效果图，如下图所示：