利用python进行股票数据分析利用Python发现60%以上女孩的罩杯是B，但A穿衣却是百搭且很高级

?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

文章插图
?

1. 需求梳理很多人学习蟒蛇，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。

文章插图
?

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）

文章插图

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！

文章插图
?

2. 数据采集
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 requestsimport reimport pandas as pdheaders = {# "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)

文章插图
?

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 = https://tazarkount.com/read/re.findall(r'fetchJSON_comment98\((.*)\)', r.text)[0]comment_data = https://tazarkount.com/read/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')

文章插图

文章插图
?

3. 统计展示
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 63Data columns (total 5 columns): #ColumnNon-Null CountDtype ----------------------------0尺码64 non-nullobject 1skuId64 non-nullobject 2颜色64 non-nullobject 3commentCount64 non-nullobject 4cup64 non-nullobjectdtypes: object(5)memory usage: 3.0+ KB

3.1. cup分布
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 pltfrom matplotlib import font_manager as fmplt.rcParams['font.sans-serif'] = ['Microsoft YaHei']plt.rcParams['axes.unicode_minus'] = Falselabels = cupNum.indexsizes = 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()

文章插图
?

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% 。

3.2. color分布
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。

文章插图
?

color分布

以下是占比最高高达38.1%的藕粉色

文章插图
?

藕粉色：来自京东

文章插图
?

4. 就这样吧
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！?
【利用python进行股票数据分析利用Python发现60%以上女孩的罩杯是B，但A穿衣却是百搭且很高级】

利用python进行股票数据分析 利用Python发现60%以上女孩的罩杯是B，但A穿衣却是百搭且很高级

利用python进行股票数据分析利用Python发现60%以上女孩的罩杯是B，但A穿衣却是百搭且很高级