1. 资料采集

参考《用Python爬取文胸资料发现中国女性50%以上罩杯是B，但是A-cup穿衣最高级！》，这里我们也算是取样操作，仅采集在京东销量最高的某莎品牌的某款产品的资料，由于都是均码，区别在于color，所以采集的是各color产品的大致销量分布，这部分资料采集这里不做介绍，和此前推文一致，

不过，这里我们将对评论进行采集，做简单的评价分析，

页面分析

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

在开发者模式，我们通过翻页找到了评论资料源地址，

找到评论资料源

采集程序

根据对页面分析及所需资料的决议，我们可以构造获取评论信息的函式如下，得到的是某页的评论串列资料

# 获取评论信息
def get_comments(productId, page, proxies=None):
    # time.sleep(0.5)
    url = 'https://club.jd.com/comment/productPageComments.action?'
    params = {
            'callback': 'fetchJSON_comment98',
            'productId': productId,
            'score': 0,
            'sortType': 6,
            'page': page,
            'pageSize': 10,
            'isShadowSku': 0,
            'fold': 1,
            }
    # print(proxies)
    r = requests.get(url, headers=headers, params=params, 
                     # proxies=proxies, 
                     timeout=6)
    comment_data = https://www.cnblogs.com/sn5200/p/re.findall(r'fetchJSON_comment98\((.*)\)', r.text)[0]
    comment_data = https://www.cnblogs.com/sn5200/p/json.loads(comment_data)
    comments = comment_data['comments']
    
    return comments

资料预览

由于请求次数过多可能触发反爬，为了尽可能采集更多资料，实际操作中我会用到代理ip的方法，

对于采集到的资料，我们做了简单的清洗处理

df = pd.DataFrame(commentsList)
df.drop_duplicates(subset='guid',inplace=True)
df = df[~(df['content']=='此用户未填写评价内容')]
df = df[['id', 'content', 'creationTime', 'score', 'plusAvailable',
       'mobileVersion', 'productColor',  'referenceTime', 'nickname']]

资料预览

2. 统计展示

本部分我们主要看丝袜的颜色分布，购买丝袜的用户评价词云、用户属性以及丝袜市场份额

2.1. 颜色分布

由于采集到的原始资料中是按组合卖的，我们做简单的处理后拆分出每个颜色的数量，然后进行统计展示，

肤色（也就是肉色）占比最高，达到62.9%，其次是黑色占比23.3%，

原始资料大家可以后台回复 955，在丝袜资料档案夹领取，

import pandas as pd

df = pd.read_excel('丝袜资料.xlsx')
df['颜色'] = df.颜色.str.replace('双','').str.split('+')
df = df.explode('颜色')
df[['颜色','单件数']] = df.颜色.str.extract('(?P<颜色>.*?)(?P<单件数>\d)')
df['单件数'] = df['单件数'].astype('int')
df['数量'] = df['单件数']*df['commentCount']
colorNum = df.groupby('颜色')['数量'].sum().to_frame('数量')
colorNum

颜色数量咖啡色34334灰色44372肤色359305黑色133268

# 饼图绘制
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 = colorNum.index
sizes = colorNum['数量']
explode = (0, 0, 0, 0.1) 

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') 

# 重新设定字体大小
proptease = fm.FontProperties()
proptease.set_size('large')
plt.setp(autotexts, fontproperties=proptease)
plt.setp(texts, fontproperties=proptease)
ax1.set_title('【丝袜 颜色】 分布')
plt.show()

2.2. 评价词云

词云绘制参考《140行代码自己动手写一个词云制作小工具（文末附工具下载）》，我们直接将评论资料汇入即可，后台回复 955，在丝袜资料档案夹领取评论资料，

词云

2.3. 用户属性

会员分布

plus会员占比高达72.7%

评论时间分布

评论时间集中在上午10-11点和晚上的8-10点，，，

labels = timeNum.index
sizes = timeNum['数量']
plt.style.use('ggplot')
x = labels
plt.figure(figsize=(10,5))
plt.title("评论时间折线图")
plt.xlabel("时间")
plt.xticks(labels)
plt.ylabel("数量")
plt.plot(x,sizes,'-',color='coral',label="评论数")

plt.legend()
plt.show()

2.4. 丝袜市场

购买丝袜较多的主要是集中在南方的城市

来源：丝袜消费流行趋势报告

丝袜市场规模

fig, ax = plt.subplots(figsize=(10,5))

y_data = https://www.cnblogs.com/sn5200/p/[175.5, 190.2, 203.8, 224.2, 248.9, 266.4]
x_data = ['2014年', '2015年', '2016年', '2017年', '2018年', '2019年']

# 柱状图颜色
color = 'coral'

# 柱状图
bar = plt.bar(x_data, y_data, 0.5, color=color,edgecolor='grey')

# 设定标题
ax.set_title('丝袜市场规模（单位:亿）',fontsize=14,y=1.05)
# 设定坐标轴标题
ax.set_ylabel("",fontsize = 12,color = 'black',alpha = 0.7,rotation=360)
# 设定Y轴区间
ax.set_ylim(0,300)

# 显示资料标签
for a,b in zip(x_data, y_data):
    plt.text(a,b,
             b,
             ha='center', 
             va='bottom',
            )