Python文本挖掘数据分析——竞争分析(1)

---

前言

• 数据说明:
  

项目背景与目标

• 该项目旨在分析三个品牌（拜耳、安速、科凌虫控）在电商领域的销售数据、产品结构、流量结构和舆情状况。
• 目的是评估市场竞争地位，识别市场机会和潜在风险，为市场策略提供数据支持。

品类分布分析

数据准备与处理

• 导入相应的库和模块:

import glob
import os
import pandas as pd
import re
import numpy as np
import datetime as dt
from sklearn.linear_model import LinearRegression
import seaborn as sns
from matplotlib import pyplot as plt
import jieba
import jieba.analyse
import imageio
from wordcloud import WordCloud

• 忽视警告：

import warnings 
warnings.filterwarnings("ignore")

• 将当前工作目录切换到指定的路径 ‘C:/Users/Desktop/竞争数据’:

os.chdir('..')
os.chdir('C:/Users/Desktop/竞争数据')
# 将当前工作目录切换到指定的路径 'C:/Users/Desktop/竞争数据'

• 数据准备:

os.chdir('C:/Users/Desktop/竞争数据/商品销售数据')

• 使用 glob 模块获取当前目录下所有扩展名为.xlsx 的文件，并将文件名列表存储在 filenames2 变量中:

filenames2 = glob.glob('*.xlsx')
filenames2

查看数据

• 从 filenames2 列表中的第二个文件读取 Excel 数据，并将其存储为 DataFrame 对象 df3
• 显示 df3 的前 1 行数据

df3 = pd.read_excel(filenames2[1])
df3.head(1)

• 定义了一个名为 load_xlsx1 的函数，作用是读取指定的 Excel 文件，并删除数据框 df 中的指定列（‘序号’、‘店铺名称’、‘主图链接’、‘商品链接’、‘商品名称’），最后返回处理后的结果数据框 df 。

def load_xlsx1(filename):
    df = pd.read_excel(filename)
    useless = ['序号','店铺名称','主图链接',
               '商品链接','商品名称']
    df.drop(columns=useless,inplace=True)
    return df

• 输出：

df3bai = load_xlsx1(filenames2[1])
df3bai.head()

df3an = load_xlsx1(filenames2[0])
df3an.head()

df3kl = load_xlsx1(filenames2[2])
df3kl.head()

类目

• 将三个Excel的类目作为索引输出：

bai31 = df3bai.groupby('类目').sum()
bai31

an31 = df3an.groupby('类目').sum()
an31

kl31 = df3kl.groupby('类目').sum()
kl31

作图查看占比的不同

# 创建一个 1 行 3 列的子图布局，图形大小为 (10, 6)
fig, axes = plt.subplots(1, 3, figsize=(10, 6))

# 选择第一个子图
ax = axes[0]
# 绘制 bai31 数据框中'销售额'列的饼图，显示百分比为整数形式，标题为'拜耳'，起始角度为 30 度，并在当前子图绘制
bai31['销售额'].plot.pie(autopct='%.f', title='拜耳', startangle=30, ax=ax)
# 去除当前子图的 y 轴标签
ax.set_ylabel('')

# 选择第二个子图
ax = axes[1