作者:Mika
数据:真达
如果说冬天对北方人来说只是一个季节,而对南方人来说是一场“渡劫”。北方的冷是干冷,物理攻击,多穿一点就好了。而且室内有暖气,在室内可以穿着短袖吃冰棍。
而南方的冷是湿冷,魔法攻击,穿再多没有用。而且室内还没暖气,各种段子也是层出不穷:
“你在北方的暖气里四季如春,我在南方的寒冬下冻成冰棍儿”
“北方人过冬靠的是暖气,南方人过冬靠的是一身正气”
“我是一只来自北方的狼,来到南方却被冻成了狗”
一到冬天南方人除了靠一身浩然正气,空调、电热毯、油汀、电暖气等各类花式取暖电器都得安排上。
内贸批发平台1688上获取的数据显示,进入11月以来,暖气片在南方城市的销量比去年同期增长了300%,平台上取暖小家电品类整体营业额同比增幅达到200%,其中发热垫的同比增速甚至高达600%。
据显示,暖气片和暖气设备销量贡献最大的国内客户,主要都是来自长江沿线城市,以江浙沪、安徽、湖南、湖北、重庆、四川等地居多,一时间“南方取暖设备被买爆”话题登上了微博热搜,让人不禁感叹南方人过个冬天实在是太难了。
那么取暖器的全网销售数据是怎样的呢?今天我们就带你用看一看。
用Python分析全网取暖器数据
我们使用Python获取了淘宝网搜索关键词暖气片、取暖器、壁挂炉的商品数据,并进行了数据分析。
1.读取数据
首先导入获取的数据。
# 导入工具包 import numpy as np import pandas as pd from pyecharts.charts import Bar, Pie, Map, Page from pyecharts import options as opts import jieba
# 读取数据 df_all = pd.read_csv('../data/导出数据.csv')
df_all.head()
df_all.shape (13212, 7)
2.数据清洗和整理
此处我们需要对数据集进行数据清洗以便后续分析和可视化,主要工作内容如下:
代码实现如下:
df = df_all.copy() # 去除重复值 df.drop_duplicates(inplace=True)
df.shape
(6849, 7)
# 筛选记录 df = df[df['purchase_num'].str.contains('人付款')] # goods_price列处理 df['goods_price'] = df['goods_price'].str.extract('(d+.{0,1}d*)') df['goods_price'] = df['goods_price'].astype('float') # purchase_num列处理 df['num'] = df['purchase_num'].str.extract('(d+.{0,1}d*)') df['num'] = df['num'].astype('float') df['unit'] = [10000 if '万' in i else 1 for i in df['purchase_num']] # 计算销量 df['purchase_num'] = df['num'] * df['unit'] # 计算销售额 df['sales_volume'] = df['goods_price'] * df['purchase_num'] # 提取省份字段 df['province_name'] = df['location'].astype('str').str.split(' ').apply(lambda x:x[0]) # 删除多余的列 df.drop(['num', 'unit', 'detail_url'], axis=1, inplace=True) # 重置索引 df = df.reset_index(drop=True) df.head()
3.数据可视化
此处我们对店铺销量、产地分布、商品价格等方面进行可视化分析:
市场上的取暖器种类较多,有暖风机、小太阳、电热膜、油汀、快热炉、踢脚线等取暖设备,我们首先看到这些取暖器的标题词云。
商品标题词云图
可以看到"取暖器" "暖风机" "暖气片"都是出现的高频词。在特征方面"家用" "节能" "速热"都十分常见。
接着,看到店铺月销量排名Top10。
店铺月销量排名Top10
可以看到店铺销量前十,凯瑞莱旗舰店位居第一。其后春尚电器专营店和苏宁易购分别是第二第三名。排在前十的还有美的、tcl等品牌。
# 计算top10店铺 shop_top10 = df.groupby('shop_name')['purchase_num'].sum().sort_values(ascending=False).head(10)
全国各省份产地销量排名Top10
这些取暖器的产地都在哪儿呢?经过分析发现,浙江是生产取暖器的头号大省,在产地销量排名中一骑绝尘位居第一。之后排在第二位的是广东。湖南、江苏、山东分别位居第三第四第五名。
# 计算销量top10 province_top10 = df.groupby('province_name')['purchase_num'].sum().sort_values(ascending=False).head(10)
不同价格区间的商品数量占比
取暖器都卖多少钱呢?经过分析发现,100元以下的商品是最多占比高达34.76%。其次是200-500元的商品,占比22.09%。
不同价格区间的销量占比
与此同时,在销量方面,价格在100元以下和100-200元之间的取暖产品也是销量最好的,全网销售量分别占比37.49%和35.92%。
结语
有了各式各样的取暖器,南方冬天就好过了吗?并不,空调开久了干,踢脚线耗电高,油汀等电暖气更适合局部取暖,大空间制热效果差。
虽然近年来也有很多南方家庭选择全房装地暖的,然而电暖用起来一个月电费就高达2、3千,这可能就是北方一个冬天的暖气费用了。这么对比起来,似乎还是开空调和取暖器实在啊。
数据分析咨询请扫描二维码
大数据分析师证书 针对不同知识,掌握程度的要求分为【领会】、【熟知】、【应用】三个级别,考生应按照不同知识要求进行学习。 ...
2024-10-29拥抱数据分析的世界 - 成为一名数据分析工程师是一个充满挑战和机遇的职业选择。要成功地进入这个领域,你需要掌握一系列关键技 ...
2024-10-28降本增效:管理战略的关键 企业管理中的降本增效不仅是一项重要的战略举措,更是激发竞争力、提高盈利能力的关键。这一理念在当 ...
2024-10-28企业数字化是指利用数字技术和信息化手段,对企业的各个方面进行改造和优化,以提升生产效率、服务质量和市场竞争力的过程。实现 ...
2024-10-28数据科学专业毕业后,毕业生可以选择从事多种不同的岗位和领域。数据科学是一个快速发展且广泛应用的领域,毕业生在企业、学术界 ...
2024-10-28学习数据科学与大数据技术是当今职业发展中至关重要的一环。从基础到高级,以下是一些建议的课程路径: 基础课程: Python编程 ...
2024-10-28在信息技术和数据科学领域,数据架构师扮演着至关重要的角色。他们负责设计和管理企业中复杂的数据基础设施,以支持数据驱动的决 ...
2024-10-28进入21世纪以来,随着信息技术的迅猛发展,大数据已经成为全球最具影响力的技术之一,并成为企业数字化转型的核心驱动力。大数据 ...
2024-10-28随着科技的迅猛发展,数字化转型已成为现代企业保持竞争力和推动增长的关键战略之一。数字化不仅仅是技术的应用,它代表着一种全 ...
2024-10-28银行业正处于一个前所未有的数字化转型时期。在数字经济的驱动下,金融科技如大数据、人工智能、生物识别、物联网和云计算等技术 ...
2024-10-28数据分析可视化是一门艺术与科学相结合的技术,其主要目标是将复杂的数据变得更易于理解和分析。通过将数据以图表的形式呈现,我 ...
2024-10-28数据分析师在现代信息密集型的商业世界中扮演着至关重要的角色。他们通过专业的技能和敏锐的商业洞察力,帮助企业从大量数据中提 ...
2024-10-28在当今快速发展的数据驱动世界中,数据专员的角色变得愈发重要。无论是在企业决策、市场分析还是产品开发中,数据专员都扮演着不 ...
2024-10-27在当今迅速发展的科技时代,数字化对企业的意义无比深远。它不仅提升了企业的竞争力和运营效率,还显著改善了客户体验,推动了企 ...
2024-10-27企业数字化转型是一个全方位的变革过程,旨在通过应用新兴数字技术,重新设计企业的业务流程、组织结构、产品和服务,以在竞争激 ...
2024-10-27数据挖掘是一种集成了统计学、人工智能和机器学习等多种技术的过程,其主要目标是从大量数据中提取有价值的信息和知识。通过分析 ...
2024-10-27数字经济是一种新型的经济形态,以数字技术为基础,通过数据的获取、存储、加工、传输和应用进行经济发展。其核心在于利用数字化 ...
2024-10-27数据科学无疑是现代数字化社会的中流砥柱。随着大数据和人工智能技术的持续飞跃,各行各业对具备数据分析和管理能力的人才需求呈 ...
2024-10-25在当今快速发展的商业环境中,数字化转型已经成为企业保持竞争力和促进业务增长的必然选择。数字化转型不仅意味着技术的变革,更 ...
2024-10-25在当今数据驱动的商业环境中,数据分析已经成为企业决策过程中的核心要素。企业需要处理海量数据,从中提炼出有价值的见解,以支 ...
2024-10-25