【python数据分析】对乐高、奥特曼、高达进行分析，看看哪个卖的最好

前言

嗨喽~大家好呀，这里是魔王呐 ❤ ~!

前期准备

软件：

Jupyter Notebook：

是一个开源的web应用程序，可以使用它来创建和共享包含实时代码、方程、可视化和文本的文档。

Jupyter Notebook是IPython项目的一个派生项目，IPython项目本身曾经有一个IPython Notebook项目。后来从中拆分出去，叫做Jupyter Notebook。

数据准备：

代码展示

导入库

import pandas as pd 
import pyecharts.options as opts
from pyecharts.charts import *
from pyecharts.globals import ThemeType#设定主题
from pyecharts.commons.utils import JsCode

读取文件

df1 = pd.read_csv(r'京东-乐高.csv', engine='python', encoding='utf-8-sig')
df2 = pd.read_csv(r'6K高达.csv', engine='python', encoding='utf-8-sig')
df3 = pd.read_csv(r'6K奥特曼.csv', engine='python', encoding='utf-8-sig')
df1.head(1)

df2.head(1)

df3.head(1)

df_all = pd.concat([df1,df2,df3])
df_all.info()

去除重复值

df_all.drop_duplicates(inplace=True)

删除不必要的列

df_all = df_all.drop(['商品SKU','商品链接','封面图链接','评论链接','店铺链接','页码','当前时间','页面网址'],axis=1)
df_all.head(1)

筛选剔除广告

df_all = df_all[df_all['是否广告'] == '否']

重置索引

df_all = df_all.reset_index(drop=True)
df_all.info()

商家上线的商品数目Top20

shopname = df_all.groupby('商家店名')['商品名称'].count().sort_values(ascending=False).head(20)
shopname

绘制商家上线的商品数目Top20柱状图

bar1 = (Bar(init_opts=opts.InitOpts(theme='dark', width='1000px',height ='500px')).add_xaxis(shopname.index.tolist()).add_yaxis("",shopname.values.tolist()).set_series_opts(label_opts=opts.LabelOpts(is_show=True, position='insideRight',font_style='italic'),源码、解答、教程+VX：qian97378itemstyle_opts=opts.ItemStyleOpts(color=JsCode("""new echarts.graphic.LinearGradient(1, 0, 0, 0, [{offset: 0,color: 'rgb(255,99,71)'}, {offset: 1,color: 'rgb(32,178,170)'}])"""))).set_global_opts(title_opts=opts.TitleOpts(title="商家上线的商品数目Top20"),xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=45)),legend_opts=opts.LegendOpts(is_show=True)).reversal_axis()
)
bar1.render_notebook()

总体价格区间

def tranform_price(x):if x <= 100.0:return '0~100元'elif x <= 500.0:return '101~500元'elif x <= 2000.0:return '501~2000元'elif x <= 5000.0:return '2001~5000元'elif x <= 10000.0:return '5001~10000元'else:return '10000以上'

df_all['分级'] = df_all["价格"].apply(lambda x:tranform_price(x))price_score = df_all['分级'].value_counts()
print(price_score)

datas_pair = [(i, int(j)) for i, j in zip(price_score.index, price_score.values)]
print(datas_pair)

pie1 = (Pie(init_opts=opts.InitOpts(theme='dark',width='1000px',height='600px')).add('', datas_pair, radius=['35%', '60%']).set_global_opts(title_opts=opts.TitleOpts(title='不同价格区间的销售额整体表现'), legend_opts=opts.LegendOpts(orient='vertical', pos_top='15%', pos_left='2%')).set_series_opts(label_opts=opts.LabelOpts(formatter="{b}:{d}%")).set_global_opts(title_opts=opts.TitleOpts(# 源码、解答、教程+VX：qian97378title="乐高、奥特曼、高达\\n\\n价格区间", pos_left='center', pos_top='center',title_textstyle_opts=opts.TextStyleOpts(color='#F0F8FF', font_size=20, font_weight='bold'),)).set_colors(['#EF9050', '#3B7BA9', '#6FB27C', '#FFAF34', '#D8BFD8', '#00BFFF', '#7FFFAA'])
)
pie1.render_notebook() 

单价最高的商品Top20

#单价最高的商品
price_top = df_all.groupby('商品名称')['价格'].sum().sort_values(ascending=False).head(20)
price_top

单价最高的商品详细柱状图

bar=(Bar(init_opts=opts.InitOpts(height='500px',width='1000px',theme='dark')).add_xaxis(price_top.index.tolist()).add_yaxis('单价最高的商品',price_top.values.tolist(),label_opts=opts.LabelOpts(is_show=True,position='top'),itemstyle_opts=opts.ItemStyleOpts(color=JsCode("""new echarts.graphic.LinearGradient(0, 0, 0, 1,[{offset: 0,color: 'rgb(255,99,71)'}, {offset: 1,color: 'rgb(32,178,170)'}])"""))).set_global_opts(title_opts=opts.TitleOpts(title='单价最高的商品详细柱状图'),xaxis_opts=opts.AxisOpts(name='玩具名称',type_='category',                                           axislabel_opts=opts.LabelOpts(rotate=90),),yaxis_opts=opts.AxisOpts(name='单价/元',min_=0,max_=39980.0,源码、解答、教程+VX：qian97378splitline_opts=opts.SplitLineOpts(is_show=True,linestyle_opts=opts.LineStyleOpts(type_='dash'))),tooltip_opts=opts.TooltipOpts(trigger='axis',axis_pointer_type='cross')).set_series_opts(markline_opts=opts.MarkLineOpts(data=[opts.MarkLineItem(type_='average',name='均值'),opts.MarkLineItem(type_='max',name='最大值'),opts.MarkLineItem(type_='min',name='最小值'),]))
)
bar.render_notebook()

尾语 💝

要成功，先发疯，下定决心往前冲！

学习是需要长期坚持的，一步一个脚印地走向未来！

未来的你一定会感谢今天学习的你。

—— 心灵鸡汤

本文章到这里就结束啦~感兴趣的小伙伴可以复制代码去试试哦 😝

👇问题解答 · 源码获取 · 技术交流 · 抱团学习请联系👇