驅(qū)蟲(chóng)市場(chǎng)潛力分析

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#windows 中文編碼 plt.rcParams['font.sans-serif']='simhei' plt.rcParams['axes.unicode_minus']=False os.chdir("C:/data") os.chdir("./驅(qū)蟲(chóng)劑市場(chǎng)")

加載數(shù)據(jù)

• 讀取各個(gè)子類(lèi)目交易額數(shù)據(jù),合并

filenames = glob.glob('*市場(chǎng)近三年交易額.xlsx') filenames ['滅鼠殺蟲(chóng)劑市場(chǎng)近三年交易額.xlsx','電蚊香套裝市場(chǎng)近三年交易額.xlsx','盤(pán)香滅蟑香蚊香盤(pán)市場(chǎng)近三年交易額.xlsx','蚊香加熱器市場(chǎng)近三年交易額.xlsx','蚊香液市場(chǎng)近三年交易額.xlsx','蚊香片市場(chǎng)近三年交易額.xlsx','防霉防蛀片市場(chǎng)近三年交易額.xlsx'] re.search(r'.*(?=市場(chǎng))','滅鼠殺蟲(chóng)劑市場(chǎng)近三年交易額.xlsx',).group() #正則表達(dá)式 ,?=市場(chǎng),表示取出市場(chǎng)以前的內(nèi)容 '滅鼠殺蟲(chóng)劑' def load_xlsx(filename):# 抽取子類(lèi)目名colname = re.search(r'.*(?=市場(chǎng))',filename).group()# 讀文件df = pd.read_excel(filename)# 如果時(shí)間列是整數(shù),修正為日期時(shí)間格式if df['時(shí)間'].dtypes == 'int64':df['時(shí)間'] = pd.to_datetime(df['時(shí)間'],unit='D',origin=pd.Timestamp('1899-12-30')) # df['時(shí)間'] = pd.TimedeltaIndex(df['時(shí)間'],unit='D') + dt.datetime(1899,12,30)# 重命名列名(交易金額)為子類(lèi)目名df.rename(columns={df.columns[1]:colname},inplace=True)# 設(shè)置時(shí)間列為行索引df = df.set_index('時(shí)間')return df

• 讀取所有文件到列表

dfs = [load_xlsx(i) for i in filenames]

• 依行索引(時(shí)間)合并所有文件到一個(gè)數(shù)據(jù)框

df = pd.concat(dfs,axis=1).reset_index() #將時(shí)間變成一列,將索引變成列,重置索引 df.dtypes 時(shí)間 datetime64[ns] 滅鼠殺蟲(chóng)劑 float64 電蚊香套裝 float64 盤(pán)香滅蟑香蚊香盤(pán) float64 蚊香加熱器 float64 蚊香液 float64 蚊香片 float64 防霉防蛀片 float64 dtype: object df.head() 時(shí)間滅鼠殺蟲(chóng)劑電蚊香套裝盤(pán)香滅蟑香蚊香盤(pán)蚊香加熱器蚊香液蚊香片防霉防蛀片01234

2018-10-01	1.136548e+08	106531.29	4171283.35	315639.48	7814546.15	1032414.29	8541153.59
2018-09-01	1.440261e+08	105666.63	6784500.17	457366.41	10654973.47	1566651.88	8825870.43
2018-08-01	1.540426e+08	201467.03	10709683.41	746513.13	17835577.80	2617149.00	6320153.44
2018-07-01	1.480032e+08	438635.29	16589184.89	1871757.00	38877917.83	6209040.06	6302595.06
2018-06-01	1.359438e+08	953749.78	23526385.73	3641025.92	76499091.86	12484919.63	7047206.98

清洗數(shù)據(jù)

• 查看各列缺失值占比

df.isna().mean() 時(shí)間 0.0 滅鼠殺蟲(chóng)劑 0.0 電蚊香套裝 0.0 盤(pán)香滅蟑香蚊香盤(pán) 0.0 蚊香加熱器 0.0 蚊香液 0.0 蚊香片 0.0 防霉防蛀片 0.0 dtype: float64

• 抽取月份以供后面索引

month = df['時(shí)間'].dt.month #抽取月份 month 0 10 1 9 2 8 3 7 4 6 5 5 6 4 7 3 8 2 9 1 10 12 11 11 12 10 13 9 14 8 15 7 16 6 17 5 18 4 19 3 20 2 21 1 22 12 23 11 24 10 25 9 26 8 27 7 28 6 29 5 30 4 31 3 32 2 33 1 34 12 35 11 Name: 時(shí)間, dtype: int64

• 循環(huán)預(yù)測(cè)2018年11月和12月的銷(xiāo)售金額

for i in [11,12]:# 收取對(duì)應(yīng)月份數(shù)據(jù)dm = df[month == i] #抽取的是行 # 訓(xùn)練x是年份xtrain = np.array(dm['時(shí)間'].dt.year).reshape(-1,1) #reshape(-1,1)變成一個(gè)二維數(shù)組# 測(cè)試y是新增加的行,第一列是對(duì)應(yīng)的日期ytest = [pd.datetime(2018,i,1)]for j in range(1,len(dm.columns)):# 訓(xùn)練y是指定的j列ytrain = np.array(dm.iloc[:,j]).reshape(-1,1)# 回歸建模lm = LinearRegression().fit(xtrain,ytrain)# 預(yù)測(cè)當(dāng)測(cè)試x是2018時(shí)的交易金額yhatyhat = lm.predict(np.array([2018]).reshape(-1,1))# 對(duì)應(yīng)列的預(yù)測(cè)值附在新增加的行后ytest.append(round(yhat[0][0],2))# 給預(yù)測(cè)結(jié)果賦值對(duì)應(yīng)的列名newrow = pd.DataFrame([dict(zip(df.columns,ytest))]) # 預(yù)測(cè)結(jié)果行加在數(shù)據(jù)前df = newrow.append(df) D:\ProgramData\Anaconda3\lib\site-packages\ipykernel_launcher.py:3: UserWarning: Boolean Series key will be reindexed to match DataFrame index.This is separate from the ipykernel package so we can avoid doing imports until df 時(shí)間滅鼠殺蟲(chóng)劑電蚊香套裝盤(pán)香滅蟑香蚊香盤(pán)蚊香加熱器蚊香液蚊香片防霉防蛀片012345678910111213141516171819202122232425262728293031323334353637

2018-12-01	5.256763e+07	50204.53	928554.26	86849.17	3.081492e+06	426812.59	3958717.58
2018-11-01	7.175250e+07	38692.61	1801318.82	193874.39	5.543204e+06	776627.04	6678677.55
2018-10-01	1.136548e+08	106531.29	4171283.35	315639.48	7.814546e+06	1032414.29	8541153.59
2018-09-01	1.440261e+08	105666.63	6784500.17	457366.41	1.065497e+07	1566651.88	8825870.43
2018-08-01	1.540426e+08	201467.03	10709683.41	746513.13	1.783558e+07	2617149.00	6320153.44
2018-07-01	1.480032e+08	438635.29	16589184.89	1871757.00	3.887792e+07	6209040.06	6302595.06
2018-06-01	1.359438e+08	953749.78	23526385.73	3641025.92	7.649909e+07	12484919.63	7047206.98
2018-05-01	1.241642e+08	1238967.37	28118581.25	5032466.78	1.050396e+08	15309721.94	7942340.44
2018-04-01	7.509661e+07	841051.93	16420341.87	3130513.43	6.254165e+07	7954875.07	7031364.60
2018-03-01	5.918182e+07	475177.48	7900094.91	1198332.81	2.632447e+07	2950648.32	6051561.02
2018-02-01	2.292138e+07	33232.95	545917.66	75714.46	2.235774e+06	218915.63	1393948.47
2018-01-01	3.653873e+07	54305.20	592663.20	86670.45	1.759451e+06	298146.11	2607776.07
2017-12-01	4.292283e+07	71600.17	796930.46	69145.59	2.213103e+06	314120.38	3259747.23
2017-11-01	5.838217e+07	94993.76	1581530.20	168141.79	4.257594e+06	617094.94	5447184.43
2017-10-01	8.226882e+07	145925.31	2824785.80	166522.62	4.290843e+06	766588.77	6152868.25
2017-09-01	1.010081e+08	242194.37	5581352.42	353042.45	7.833349e+06	1574779.65	5792065.80
2017-08-01	1.049504e+08	332922.02	7229409.84	544076.63	1.376039e+07	2323304.14	5081714.64
2017-07-01	1.116729e+08	913425.95	13718046.88	1357778.93	4.257757e+07	6627299.71	6691694.17
2017-06-01	1.051463e+08	2045163.59	19635925.59	2639777.66	8.283230e+07	12422420.21	7155138.87
2017-05-01	9.185035e+07	3606141.82	20275515.85	3185961.75	1.014605e+08	15961946.71	8145781.12
2017-04-01	5.363586e+07	1285599.49	9197868.29	1554864.42	4.880687e+07	6214963.68	6682161.49
2017-03-01	4.078967e+07	390486.57	3397837.60	317206.48	1.488979e+07	1319399.22	3904656.82
2017-02-01	3.467502e+07	209643.87	1519446.34	148158.07	5.929509e+06	687697.46	2584035.90
2017-01-01	2.047156e+07	39434.76	596744.04	48164.63	1.213749e+06	238973.09	1781773.46
2016-12-01	3.546668e+07	84350.57	1234900.05	52118.96	1.558634e+06	293737.20	3504367.98
2016-11-01	4.780625e+07	106291.23	1473418.20	82835.82	2.758827e+06	512990.23	4975519.21
2016-10-01	6.339722e+07	179015.23	2543813.78	130484.07	3.641803e+06	690912.02	4600717.78
2016-09-01	6.864724e+07	210456.69	3092898.02	168724.83	4.632818e+06	930513.91	4642681.07
2016-08-01	7.610885e+07	316467.14	4389862.79	272553.95	8.956868e+06	1581021.50	4151326.68
2016-07-01	7.832954e+07	932728.10	7384968.66	761159.35	2.260036e+07	4088320.77	5412185.06
2016-06-01	7.693264e+07	2184985.33	10859461.67	1728788.53	4.640197e+07	8004562.69	5694825.13
2016-05-01	5.812696e+07	2059879.80	9912801.93	1618361.54	4.777690e+07	7474421.97	5469360.60
2016-04-01	3.762602e+07	1034992.53	4687913.18	758206.81	2.432917e+07	3435257.35	5253619.06
2016-03-01	2.952610e+07	352013.31	1204574.20	246106.75	6.656382e+06	746709.07	3481194.46
2016-02-01	1.500135e+07	96979.48	449199.41	36193.85	6.939075e+05	109108.05	1274810.96
2016-01-01	2.107822e+07	108412.71	619042.01	49670.25	4.828890e+05	113284.71	1562393.95
2015-12-01	2.472756e+07	110068.83	818479.56	34076.91	5.832845e+05	134890.48	2333602.08
2015-11-01	3.303873e+07	185094.22	1197791.27	86889.91	1.579796e+06	325744.43	3364112.14

• 去掉原始索引

df.reset_index(drop=True,inplace=True)

• 去掉15年的數(shù)據(jù)

df = df[df['時(shí)間'].dt.year != 2015]

• 查看預(yù)測(cè)結(jié)果

df.head() 時(shí)間滅鼠殺蟲(chóng)劑電蚊香套裝盤(pán)香滅蟑香蚊香盤(pán)蚊香加熱器蚊香液蚊香片防霉防蛀片01234

2018-12-01	5.256763e+07	50204.53	928554.26	86849.17	3081491.99	426812.59	3958717.58
2018-11-01	7.175250e+07	38692.61	1801318.82	193874.39	5543203.83	776627.04	6678677.55
2018-10-01	1.136548e+08	106531.29	4171283.35	315639.48	7814546.15	1032414.29	8541153.59
2018-09-01	1.440261e+08	105666.63	6784500.17	457366.41	10654973.47	1566651.88	8825870.43
2018-08-01	1.540426e+08	201467.03	10709683.41	746513.13	17835577.80	2617149.00	6320153.44

驅(qū)蟲(chóng)市場(chǎng)潛力分析

分析整個(gè)市場(chǎng)的總體趨勢(shì)

分析各子類(lèi)目市場(chǎng)占比及變化趨勢(shì)

分析市場(chǎng)集中度,即是否存在壟斷

市場(chǎng)變化趨勢(shì)描述

• 每行所有市場(chǎng)的交易金額的總和生成新列
• 抽出年份生成新列

df['colsums'] = df.sum(1) df.insert(1,'year',df['時(shí)間'].dt.year) df.head() 時(shí)間year滅鼠殺蟲(chóng)劑電蚊香套裝盤(pán)香滅蟑香蚊香盤(pán)蚊香加熱器蚊香液蚊香片防霉防蛀片colsums01234

2018-12-01	2018	5.256763e+07	50204.53	928554.26	86849.17	3081491.99	426812.59	3958717.58	6.110026e+07
2018-11-01	2018	7.175250e+07	38692.61	1801318.82	193874.39	5543203.83	776627.04	6678677.55	8.678489e+07
2018-10-01	2018	1.136548e+08	106531.29	4171283.35	315639.48	7814546.15	1032414.29	8541153.59	1.356363e+08
2018-09-01	2018	1.440261e+08	105666.63	6784500.17	457366.41	10654973.47	1566651.88	8825870.43	1.724211e+08
2018-08-01	2018	1.540426e+08	201467.03	10709683.41	746513.13	17835577.80	2617149.00	6320153.44	1.924731e+08

• 按照年份分組求每個(gè)子類(lèi)目市場(chǎng)的交易額總和

byyear = df.groupby('year').sum().reset_index() byyear year滅鼠殺蟲(chóng)劑電蚊香套裝盤(pán)香滅蟑香蚊香盤(pán)蚊香加熱器蚊香液蚊香片防霉防蛀片colsums012

2016	6.080471e+08	7666572.12	4.785285e+07	5905204.71	1.704905e+08	27980839.47	50023001.94	9.179661e+08
2017	8.477740e+08	9377531.68	8.635539e+07	10552841.02	3.300656e+08	49068587.96	62678822.18	1.395873e+09
2018	1.137893e+09	4537682.09	1.180885e+08	16836723.43	3.582077e+08	51845921.56	72701365.23	1.760111e+09

• 繪圖前處理中文字體

plt.rcParams['font.sans-serif']='simhei' plt.rcParams['axes.unicode_minus']=False

• 線圖分析整體市場(chǎng)的趨勢(shì)

# replot表示描述相關(guān)性的圖標(biāo),height表圖形的高度 sns.relplot('year','colsums',kind='line',marker='o',data=byyear,height=4) plt.title('近三年驅(qū)蟲(chóng)市場(chǎng)趨勢(shì)') # 加標(biāo)題 plt.xticks(byyear.year,rotation=45) # 定義x軸標(biāo)簽 plt.xlabel('年份') # 定義x軸標(biāo)題 plt.ylabel('總交易額') # 定義y軸標(biāo)題 plt.show()

• 分析各類(lèi)目市場(chǎng)銷(xiāo)量趨勢(shì)分析

# 圖形大小 f, ax = plt.subplots(figsize=(10, 6)) # 線圖中,由于有大于6個(gè)的分類(lèi),而線型最多6中,所以這里不區(qū)分線型,即dashes=False sns.lineplot(data=byyear.set_index('year').iloc[:,:-1],dashes=False,marker='^') #dashes=False 不區(qū)分線型 plt.title('近三年各類(lèi)目市場(chǎng)銷(xiāo)量趨勢(shì)分析') plt.xticks(byyear.year,rotation=45) # 在指定位置加文本 for a,b in zip(byyear.year,byyear['滅鼠殺蟲(chóng)劑']):plt.text(a,b,'%.3e'% b , ha='center',va='bottom',size=12) plt.xlabel('年份') plt.ylabel('總交易額') plt.show()

• 直觀的查看滅鼠殺蟲(chóng)劑近三年的增量趨勢(shì)

g = sns.FacetGrid(byyear,height=5) g.map(sns.barplot,'year','滅鼠殺蟲(chóng)劑',color='wheat') g.map(sns.pointplot,'year','滅鼠殺蟲(chóng)劑') for a,b in zip(range(len(byyear)),byyear['滅鼠殺蟲(chóng)劑']):plt.text(a,b,'%.3e'% b , ha='center',va='bottom',size=12) plt.xlabel('年份') plt.title('近三年滅鼠滅蟲(chóng)市場(chǎng)增量趨勢(shì)分析') plt.xticks(rotation=45) plt.show() D:\ProgramData\Anaconda3\lib\site-packages\seaborn\axisgrid.py:715: UserWarning: Using the barplot function without specifying `order` is likely to produce an incorrect plot.warnings.warn(warning) D:\ProgramData\Anaconda3\lib\site-packages\seaborn\axisgrid.py:715: UserWarning: Using the pointplot function without specifying `order` is likely to produce an incorrect plot.warnings.warn(warning)

• 查看各類(lèi)目市場(chǎng)每年總交易額占比

# 計(jì)算每年每個(gè)子市場(chǎng)占比 byyear_per = byyear.iloc[:,1:-1].div(byyear.colsums,axis=0) byyear_per.index = byyear.year byyear_per 滅鼠殺蟲(chóng)劑電蚊香套裝盤(pán)香滅蟑香蚊香盤(pán)蚊香加熱器蚊香液蚊香片防霉防蛀片year201620172018

0.662385	0.008352	0.052129	0.006433	0.185726	0.030481	0.054493
0.607343	0.006718	0.061865	0.007560	0.236458	0.035153	0.044903
0.646489	0.002578	0.067092	0.009566	0.203514	0.029456	0.041305

byyear_per.plot(kind='bar',stacked=True,figsize=(10,8),colormap='tab10') #stacked=True 堆棧條形圖 for a,b in zip(range(len(byyear_per)),byyear_per['滅鼠殺蟲(chóng)劑']):plt.text(a,b/2,f'{b*100:.2f}%', ha='center',va='bottom',size=16,color='white') plt.xlabel('年份') plt.ylabel('總交易額占比') plt.title('近三年各類(lèi)目市場(chǎng)銷(xiāo)量占比') plt.show()

• 查看各類(lèi)目市場(chǎng)年增幅

# 計(jì)算年增幅 byyear0 = byyear.iloc[:,1:-1] byyear_diff = byyear0.diff().iloc[1:,:].reset_index(drop=True)/byyear0.iloc[:2,:] byyear_diff.index = ['16-17','17-18'] byyear_diff 滅鼠殺蟲(chóng)劑電蚊香套裝盤(pán)香滅蟑香蚊香盤(pán)蚊香加熱器蚊香液蚊香片防霉防蛀片16-1717-18

0.394257	0.223171	0.804603	0.787041	0.935976	0.753650	0.253000
0.342213	-0.516111	0.367471	0.595468	0.085262	0.056601	0.159903

# 作圖查看 f, ax = plt.subplots(figsize=(10, 8)) sns.lineplot(data=byyear_diff,dashes=False) plt.title('近三年各類(lèi)目市場(chǎng)銷(xiāo)量年增幅') plt.xlabel('年份') plt.ylabel('總交易額年增幅') plt.show()

市場(chǎng)集中度描述

• 讀取對(duì)應(yīng)數(shù)據(jù),并且描述數(shù)據(jù)

df1 = pd.read_excel('top100品牌數(shù)據(jù).xlsx') df1.isna().mean() 品牌 0.0 行業(yè)排名 0.0 交易指數(shù) 0.0 交易增長(zhǎng)幅度 0.0 支付轉(zhuǎn)化指數(shù) 0.0 操作 0.0 dtype: float64 df1.head() 品牌行業(yè)排名交易指數(shù)交易增長(zhǎng)幅度支付轉(zhuǎn)化指數(shù)操作01234

PREMISE/拜滅士	1	530344	-0.3235	1521	趨勢(shì)分析
科凌蟲(chóng)控	2	474937	-0.1910	1581	趨勢(shì)分析
ARS/安速	3	402372	-0.2682	1448	趨勢(shì)分析
思樂(lè)智	4	360780	0.2056	841	趨勢(shì)分析
希諾	5	346656	-0.1085	1865	趨勢(shì)分析

df1.describe(include='all') 品牌行業(yè)排名交易指數(shù)交易增長(zhǎng)幅度支付轉(zhuǎn)化指數(shù)操作countuniquetopfreqmeanstdmin25%50%75%max

100	100.000000	100.000000	100.000000	100.000000	100
100	NaN	NaN	NaN	NaN	1
羅貝特	NaN	NaN	NaN	NaN	趨勢(shì)分析
1	NaN	NaN	NaN	NaN	100
NaN	50.500000	147327.560000	0.395790	1247.870000	NaN
NaN	29.011492	88177.182391	2.038278	350.304014	NaN
NaN	1.000000	65194.000000	-0.781900	577.000000	NaN
NaN	25.750000	86129.000000	-0.266325	967.750000	NaN
NaN	50.500000	118682.500000	-0.061800	1245.000000	NaN
NaN	75.250000	163373.250000	0.334350	1491.500000	NaN
NaN	100.000000	530344.000000	17.675100	2000.000000	NaN

• 生成交易指數(shù)占比列,用以描述市場(chǎng)份額

df1['交易指數(shù)占比'] = df1['交易指數(shù)']/df1['交易指數(shù)'].sum()

• 圖形描述交易指數(shù)占比

df1.plot(x='品牌',y='交易指數(shù)占比',kind='bar',figsize=(15,4)) plt.show()

• 計(jì)算HHI指標(biāo)并打印

• Gini:不純度,基尼系數(shù)越大越不純

• HHI:市場(chǎng)純度度量,越大越純,越純表明壟斷了

HHI = sum(df1['交易指數(shù)占比']**2) print(f'驅(qū)蟲(chóng)市場(chǎng)HHI指數(shù):{HHI:.6f}(或{HHI*10000:.2f}),等效公司數(shù):{1/HHI:.2f}') 驅(qū)蟲(chóng)市場(chǎng)HHI指數(shù):0.013546(或135.46),等效公司數(shù):73.82

滅鼠殺蟲(chóng)劑市場(chǎng)機(jī)會(huì)點(diǎn)分析

os.chdir('..') os.chdir('./滅鼠殺蟲(chóng)劑細(xì)分市場(chǎng)')

加載數(shù)據(jù),清洗數(shù)據(jù)

• 讀文件,合并文件

filenames1 = glob.glob('*.xlsx') dfs1 = [pd.read_excel(i) for i in filenames1] df2 = pd.concat(dfs1,sort=False)

• 五個(gè)表的特征不同,故合并后的特征更多,并且會(huì)有大量缺失值

df2.info() <class 'pandas.core.frame.DataFrame'> Int64Index: 6556 entries, 0 to 1742 Columns: 229 entries, 類(lèi)別 to 產(chǎn)品名 dtypes: float64(129), int64(5), object(95) memory usage: 11.5+ MB

• 這里認(rèn)為如果一個(gè)特征的缺失值占比超過(guò)98%,則從全數(shù)據(jù)的角度看沒(méi)有意義,直接刪

ind1 = df2.isna().mean()>0.98 sum(ind1) 191 df20 = df2.loc[:,~ind1]

• 特征值完全一致的話也沒(méi)有意義,可以直接刪

ind2 = np.array([len(df20[i].unique())==1 for i in df20.columns]) #unique 查看是否有重復(fù)值 df21 = df20.loc[:,~ind2]

• 依據(jù)邏輯刪除不可能會(huì)用到的列,例如鏈接

• 藥品登記號(hào)后的列缺失值占比高,市場(chǎng)分析意義不大,故都不需要

ind3 = df21.columns.get_loc('藥品登記號(hào)') df22 = df21.iloc[:,:ind3]

• 其他邏輯上不用的列

useless = ['時(shí)間','鏈接','主圖鏈接','主圖視頻鏈接','頁(yè)碼','排名','寶貝標(biāo)題','運(yùn)費(fèi)','下架時(shí)間','旺旺'] df23 = df22.drop(columns=useless)

• 查看清洗后的數(shù)據(jù)屬性

df23.isna().mean() 類(lèi)別 0.000000 寶貝ID 0.000000 銷(xiāo)量（人數(shù)） 0.000000 售價(jià) 0.000000 預(yù)估銷(xiāo)售額 0.005491 評(píng)價(jià)人數(shù) 0.022880 收藏人數(shù) 0.000000 地域 0.406955 店鋪類(lèi)型 0.000000 品牌 0.095333 型號(hào) 0.423276 凈含量 0.421599 適用對(duì)象 0.279896 物理形態(tài) 0.286303 dtype: float64 df23.dtypes 類(lèi)別 object 寶貝ID int64 銷(xiāo)量（人數(shù)） int64 售價(jià) float64 預(yù)估銷(xiāo)售額 float64 評(píng)價(jià)人數(shù) float64 收藏人數(shù) int64 地域 object 店鋪類(lèi)型 object 品牌 object 型號(hào) object 凈含量 object 適用對(duì)象 object 物理形態(tài) object dtype: object

• 其中寶貝ID列是整數(shù)不合理,這里將類(lèi)型改為object

df23 = df23.astype({'寶貝ID':'object'}) df23.reset_index(drop=True,inplace=True) df23.describe() 銷(xiāo)量（人數(shù)）售價(jià)預(yù)估銷(xiāo)售額評(píng)價(jià)人數(shù)收藏人數(shù)countmeanstdmin25%50%75%max

6556.000000	6556.000000	6.520000e+03	6406.000000	6556.000000
324.518609	39.559527	1.032676e+04	1942.746800	1345.778981
3207.470186	49.678113	7.851193e+04	13493.925308	6947.250438
0.000000	0.010000	1.000000e-02	0.000000	0.000000
14.000000	13.900000	2.307375e+02	36.000000	33.000000
26.000000	25.800000	6.741000e+02	160.000000	133.000000
70.000000	48.000000	2.288000e+03	602.750000	496.500000
143037.000000	618.000000	2.672898e+06	502295.000000	234645.000000

df23.head() 類(lèi)別寶貝ID銷(xiāo)量（人數(shù)）售價(jià)預(yù)估銷(xiāo)售額評(píng)價(jià)人數(shù)收藏人數(shù)地域店鋪類(lèi)型品牌型號(hào)凈含量適用對(duì)象物理形態(tài)01234

殺蟲(chóng)	578459866289	99	29.9	2960.1	26.0	202	NaN	天貓	拜耳	特姆得	NaN	蟑螂	液體
殺蟲(chóng)	548196868239	99	0.6	59.4	1330.0	242	浙江 金華	淘寶	佰凌	180325	NaN	NaN	NaN
殺蟲(chóng)	580839295562	99	98.0	9702.0	44.0	27	廣東 深圳	淘寶	NaN	NaN	NaN	NaN	NaN
殺蟲(chóng)	580264662322	99	6.9	683.1	24.0	26	河南 商丘	淘寶	SHURONGCROP/樹(shù)榮作物	NaN	30g	NaN	NaN
殺蟲(chóng)	44484517973	99	18.8	1861.2	121.0	133	河北 秦皇島	天貓	Raid/雷達(dá)	雷達(dá)殺蟲(chóng)氣霧劑清香	600ml	蟑螂	噴霧

細(xì)化分析

• 進(jìn)一步分析滅鼠殺蟲(chóng)劑市場(chǎng)中最受歡迎的產(chǎn)品類(lèi)別,然后細(xì)分價(jià)格段,再對(duì)對(duì)應(yīng)屬性進(jìn)一步分析

產(chǎn)品類(lèi)別分布

byclass = df23['預(yù)估銷(xiāo)售額'].groupby(df23['類(lèi)別']).sum() byclass 類(lèi)別 殺蟲(chóng) 8207628.10 滅鼠 25686011.99 虱 4512886.01 螨 10886752.88 蟑螂 18037223.68 Name: 預(yù)估銷(xiāo)售額, dtype: float64 byclass.plot.barh() <matplotlib.axes._subplots.AxesSubplot at 0x1536ed24518>

byclass.plot.pie(autopct='%.2f') <matplotlib.axes._subplots.AxesSubplot at 0x1536f592e48>

• 可以看出重點(diǎn)需要研究的市場(chǎng)是滅鼠和蟑螂,我們選擇滅鼠

滅鼠類(lèi)別分析

• 選擇滅鼠數(shù)據(jù)

df24 = df23[df23['類(lèi)別']=='滅鼠']

• 依價(jià)格劃分

df24['售價(jià)'].describe() count 1523.000000 mean 49.018910 std 69.762057 min 0.010000 25% 15.800000 50% 27.700000 75% 52.600000 max 498.000000 Name: 售價(jià), dtype: float64 df24['售價(jià)'].plot.hist() <matplotlib.axes._subplots.AxesSubplot at 0x15374a7d668>

bins = [0,50,100,150,200,250,300,500] labels = ['0_50','50_100','100_150','150_200','200_250','250_300','300以上'] df24['價(jià)格區(qū)間'] = pd.cut(df24['售價(jià)'],bins,labels=labels,include_lowest=True) df24['價(jià)格區(qū)間'].value_counts() C:\Programs\Anaconda3\lib\site-packages\ipykernel_launcher.py:4: SettingWithCopyWarning:A value is trying to be set on a copy of a slice from a DataFrame. Try using .loc[row_indexer,col_indexer] = value insteadSee the caveats in the documentation: http://pandas.pydata.org/pandas-docs/stable/indexing.html#indexing-view-versus-copy0_50 1138 50_100 242 100_150 62 150_200 35 300以上 28 250_300 9 200_250 9 Name: 價(jià)格區(qū)間, dtype: int64

• 計(jì)算各價(jià)格區(qū)間的銷(xiāo)售額,銷(xiāo)售額占比,寶貝數(shù),寶貝數(shù)占比,競(jìng)爭(zhēng)度(單寶貝平均銷(xiāo)售額的反面)

def byfun(df,by,sort='單寶貝平均銷(xiāo)售額'):byc = pd.DataFrame(df.groupby(by).sum()).loc[:,['預(yù)估銷(xiāo)售額']]byc['銷(xiāo)售額占比'] = byc['預(yù)估銷(xiāo)售額']/byc['預(yù)估銷(xiāo)售額'].sum()byc['寶貝數(shù)'] = df.groupby(by).nunique()['寶貝ID']byc['寶貝數(shù)占比'] = byc['寶貝數(shù)']/byc['寶貝數(shù)'].sum()byc['單寶貝平均銷(xiāo)售額'] = byc['預(yù)估銷(xiāo)售額']/byc['寶貝數(shù)']byc['相對(duì)競(jìng)爭(zhēng)度'] = 1 - (byc['單寶貝平均銷(xiāo)售額']-byc['單寶貝平均銷(xiāo)售額'].min())/(byc['單寶貝平均銷(xiāo)售額'].max()-byc['單寶貝平均銷(xiāo)售額'].min())if sort: byc.sort_values(sort,ascending=False,inplace=True)return byc byprice1 = byfun(df24,'價(jià)格區(qū)間') byprice1 預(yù)估銷(xiāo)售額銷(xiāo)售額占比寶貝數(shù)寶貝數(shù)占比單寶貝平均銷(xiāo)售額相對(duì)競(jìng)爭(zhēng)度價(jià)格區(qū)間200_250100_150300以上250_300150_20050_1000_50

2743758.00	0.106819	7	0.006173	391965.428571	0.000000
2758086.29	0.107377	46	0.040564	59958.397609	0.887218
819468.00	0.031903	18	0.015873	45526.000000	0.925786
237740.00	0.009256	9	0.007937	26415.555556	0.976854
629813.00	0.024520	28	0.024691	22493.321429	0.987336
3335060.19	0.129840	172	0.151675	19389.884826	0.995629
15162086.51	0.590286	854	0.753086	17754.199660	1.000000

• 定義制圖函數(shù)

def mcplot(bydf,figsize=(10,4)):ax = bydf.plot(y='相對(duì)競(jìng)爭(zhēng)度',linestyle='-',marker='o',figsize=figsize)bydf.plot(y='銷(xiāo)售額占比',kind='bar',alpha=0.8,color='wheat',ax=ax)plt.show() mcplot(byprice1)

• 結(jié)果依單寶貝銷(xiāo)售額降序,即依競(jìng)爭(zhēng)度升序
• 可見(jiàn)0-50容量大,競(jìng)爭(zhēng)大,大容量市場(chǎng)(對(duì)比的是50-100,容量小,競(jìng)爭(zhēng)稍小)
• 200-250,競(jìng)爭(zhēng)小,做高價(jià)市場(chǎng)的優(yōu)先選擇,屬于機(jī)會(huì)點(diǎn)

0-50細(xì)分價(jià)格市場(chǎng)分析

• 選擇0-50細(xì)分價(jià)格市場(chǎng)

df25 = df24[df24['價(jià)格區(qū)間']=='0_50']

• 進(jìn)一步細(xì)分價(jià)格區(qū)間

df25['售價(jià)'].plot.hist() <matplotlib.axes._subplots.AxesSubplot at 0x15374802e10>

bins1 = [0,10,20,30,40,50] labels1 = ['0_10','10_20','20_30','30_40','40_50'] df25['價(jià)格子區(qū)間'] = pd.cut(df25['售價(jià)'],bins1,labels=labels1,include_lowest=True) C:\Programs\Anaconda3\lib\site-packages\ipykernel_launcher.py:3: SettingWithCopyWarning:A value is trying to be set on a copy of a slice from a DataFrame. Try using .loc[row_indexer,col_indexer] = value insteadSee the caveats in the documentation: http://pandas.pydata.org/pandas-docs/stable/indexing.html#indexing-view-versus-copy byprice2 = byfun(df25,'價(jià)格子區(qū)間') byprice2 預(yù)估銷(xiāo)售額銷(xiāo)售額占比寶貝數(shù)寶貝數(shù)占比單寶貝平均銷(xiāo)售額相對(duì)競(jìng)爭(zhēng)度價(jià)格子區(qū)間10_2020_3040_5030_400_10

8102634.14	0.534401	272	0.318501	29789.096103	0.000000
4969620.92	0.327766	278	0.325527	17876.334245	0.411674
707568.49	0.046667	40	0.046838	17689.212250	0.418141
1240874.19	0.081841	98	0.114754	12661.981531	0.591869
141388.77	0.009325	166	0.194379	851.739578	1.000000

mcplot(byprice2)

• 可見(jiàn)10-20競(jìng)爭(zhēng)度低,容量大,優(yōu)選,20-30也不錯(cuò)
• 200-250細(xì)分市場(chǎng)也是同樣的分析思路

細(xì)分市場(chǎng)的其他屬性分析

• 查看其他屬性的市場(chǎng)占有率和競(jìng)爭(zhēng)

df25.isna().mean() 類(lèi)別 0.000000 寶貝ID 0.000000 銷(xiāo)量（人數(shù)） 0.000000 售價(jià) 0.000000 預(yù)估銷(xiāo)售額 0.007030 評(píng)價(jià)人數(shù) 0.061511 收藏人數(shù) 0.000000 地域 0.501757 店鋪類(lèi)型 0.000000 品牌 0.152021 型號(hào) 0.350615 凈含量 0.696837 適用對(duì)象 0.120387 物理形態(tài) 0.202109 價(jià)格區(qū)間 0.000000 價(jià)格子區(qū)間 0.000000 dtype: float64 df25.head() 類(lèi)別寶貝ID銷(xiāo)量（人數(shù)）售價(jià)預(yù)估銷(xiāo)售額評(píng)價(jià)人數(shù)收藏人數(shù)地域店鋪類(lèi)型品牌型號(hào)凈含量適用對(duì)象物理形態(tài)價(jià)格區(qū)間價(jià)格子區(qū)間20002001200220032004

滅鼠

566054780243

9976

26.8

267356.8

11901.0

11596

廣東 韶關(guān)

天貓

優(yōu)璇福

MT007

NaN

老鼠

膠水

0_50

20_30

滅鼠

566054780243

9976

26.8

267356.8

NaN

11596

廣東 深圳

天貓

優(yōu)璇福

MT007

NaN

老鼠

膠水

0_50

20_30

滅鼠

572115448996

9945

9.9

98455.5

26442.0

3569

NaN

淘寶

創(chuàng)馳

21/32

NaN

老鼠

固體

0_50

0_10

滅鼠

39868408322

99

29.9

2960.1

20.0

352

河南 南陽(yáng)

天貓

云殺

粘鼠板

NaN

老鼠

固體

0_50

20_30

滅鼠

520282897220

99

39.9

3950.1

559.0

1250

NaN

淘寶

得碩

NaN

g

老鼠

固體

0_50

30_40

• 店鋪類(lèi)型

bystore = byfun(df25,'店鋪類(lèi)型') bystore 預(yù)估銷(xiāo)售額銷(xiāo)售額占比寶貝數(shù)寶貝數(shù)占比單寶貝平均銷(xiāo)售額相對(duì)競(jìng)爭(zhēng)度店鋪類(lèi)型天貓淘寶

14019740.58	0.924658	220	0.257611	63726.093545	0.0
1142345.93	0.075342	634	0.742389	1801.807461	1.0

mcplot(bystore)

• 可見(jiàn)天貓各個(gè)方面都優(yōu)于淘寶

• 型號(hào)

bytype = byfun(df25,'型號(hào)',sort='預(yù)估銷(xiāo)售額')

• 銷(xiāo)售額排名前5%的型號(hào),這里認(rèn)為銷(xiāo)售額靠前才更傾向于大眾產(chǎn)品

bytype1 = bytype[bytype['預(yù)估銷(xiāo)售額']>=bytype['預(yù)估銷(xiāo)售額'].quantile(0.95)] bytype1 預(yù)估銷(xiāo)售額銷(xiāo)售額占比寶貝數(shù)寶貝數(shù)占比單寶貝平均銷(xiāo)售額相對(duì)競(jìng)爭(zhēng)度型號(hào)超強(qiáng)力粘鼠板粘鼠板老鼠貼0005馳天粘鼠板QL-866MT007強(qiáng)力粘鼠魔毯拜滅士5gCQL-1qb-031希諾粘鼠板祛螨包粘鼠板A1009A1001新款老鼠板BK300（博克二代）蟲(chóng)蟲(chóng)祛螨包老鼠貼

2120129.32	0.142219	12	0.021661	176677.443333	0.669585
2051699.02	0.137629	7	0.012635	293099.860000	0.451856
927590.70	0.062223	2	0.003610	463795.350000	0.132628
876606.33	0.058803	4	0.007220	219151.582500	0.590151
759629.30	0.050956	3	0.005415	253209.766667	0.526457
534713.60	0.035869	1	0.001805	534713.600000	0.000000
496974.60	0.033337	1	0.001805	496974.600000	0.070578
420982.40	0.028240	1	0.001805	420982.400000	0.212696
391271.40	0.026247	1	0.001805	391271.400000	0.268260
368146.74	0.024695	6	0.010830	61357.790000	0.885251
362077.20	0.024288	1	0.001805	362077.200000	0.322858
320779.80	0.021518	1	0.001805	320779.800000	0.400090
285096.86	0.019124	21	0.037906	13576.040952	0.974611
265719.20	0.017825	1	0.001805	265719.200000	0.503063
225685.20	0.015139	1	0.001805	225685.200000	0.577933
222272.40	0.014910	1	0.001805	222272.400000	0.584315
213570.00	0.014326	1	0.001805	213570.000000	0.600590
209308.20	0.014040	1	0.001805	209308.200000	0.608560
209189.40	0.014033	4	0.007220	52297.350000	0.902196

mcplot(bytype1)

• 可見(jiàn)雖然粘鼠板市場(chǎng)份額普遍較高,但是0005在競(jìng)爭(zhēng)度上有明顯的優(yōu)勢(shì)

• 物理形態(tài)

byshape = byfun(df25,['物理形態(tài)']) byshape 預(yù)估銷(xiāo)售額銷(xiāo)售額占比寶貝數(shù)寶貝數(shù)占比單寶貝平均銷(xiāo)售額相對(duì)競(jìng)爭(zhēng)度物理形態(tài)膠水噴霧粉狀固體液體啫喱5個(gè)1元硬幣厚硬板氣體油狀膠水紙板聲波粘膠粘鼠板膠狀

534713.60	0.040706	1	0.001490	534713.600000	0.000000
275280.33	0.020956	6	0.008942	45880.055000	0.914433
322931.28	0.024584	9	0.013413	35881.253333	0.933137
11381498.83	0.866443	583	0.868852	19522.296449	0.963738
354235.50	0.026967	22	0.032787	16101.613636	0.970137
256687.10	0.019541	38	0.056632	6754.923684	0.987622
5226.00	0.000398	1	0.001490	5226.000000	0.990482
1357.18	0.000103	1	0.001490	1357.180000	0.997719
2341.60	0.000178	2	0.002981	1170.800000	0.998068
358.20	0.000027	1	0.001490	358.200000	0.999588
328.90	0.000025	1	0.001490	328.900000	0.999642
235.20	0.000018	1	0.001490	235.200000	0.999818
413.90	0.000032	3	0.004471	137.966667	1.000000
275.50	0.000021	2	0.002981	137.750000	1.000000

mcplot(byshape)

• 可見(jiàn)市場(chǎng)份額最高的是固體,競(jìng)爭(zhēng)度也偏高,而膠水雖然競(jìng)爭(zhēng)度低,但是市場(chǎng)份額較低

• 基本可以認(rèn)為常見(jiàn)的物理形態(tài)就是固體

• 物理形態(tài),凈含量

byshape_con = byfun(df25,['物理形態(tài)','凈含量'],['物理形態(tài)','預(yù)估銷(xiāo)售額']) byshape_con 預(yù)估銷(xiāo)售額銷(xiāo)售額占比寶貝數(shù)寶貝數(shù)占比單寶貝平均銷(xiāo)售額相對(duì)競(jìng)爭(zhēng)度物理形態(tài)凈含量膠水紙板5片\套粘鼠板200g30G粉狀50g90g液體500g450ML450ml500ml450100ml氣體30gm固體120g118.5g2.2KG6個(gè)裝0.17KG12粒170g020610克4片200克720g17040G膠2303g10張60克膠水...1n0.08225克120g個(gè)陶土10克膠水0.08kg110g0.021kg噴霧600ml500ML450ml500ml啫喱12g10克/支10g4g20g15050克45g0.1840g240g400g30g440克約50克

358.20	8.961336e-05	1	0.004098	358.200000	0.998289
207.00	5.178661e-05	1	0.004098	207.000000	0.999011
193.70	4.845926e-05	1	0.004098	193.700000	0.999075
1105.00	2.764454e-04	2	0.008197	552.500000	0.997360
179.40	4.488173e-05	1	0.004098	179.400000	0.999143
165396.00	4.137825e-02	1	0.004098	165396.000000	0.209797
51494.78	1.288280e-02	2	0.008197	25747.390000	0.876988
37570.20	9.399195e-03	4	0.016393	9392.550000	0.955126
17920.40	4.483270e-03	2	0.008197	8960.200000	0.957191
180.00	4.503184e-05	1	0.004098	180.000000	0.999140
111.86	2.798479e-05	1	0.004098	111.860000	0.999466
1357.18	3.395351e-04	1	0.004098	1357.180000	0.993516
2122422.34	5.309810e-01	17	0.069672	124848.372941	0.403519
243594.06	6.094160e-02	3	0.012295	81198.020000	0.612065
209308.20	5.236407e-02	1	0.004098	209308.200000	0.000000
140739.32	3.520972e-02	2	0.008197	70369.660000	0.663799
139575.50	3.491856e-02	1	0.004098	139575.500000	0.333158
133950.00	3.351119e-02	1	0.004098	133950.000000	0.360035
36313.20	9.084723e-03	1	0.004098	36313.200000	0.826508
27011.40	6.757628e-03	3	0.012295	9003.800000	0.956983
23078.08	5.773602e-03	4	0.016393	5769.520000	0.972435
13132.80	3.285523e-03	1	0.004098	13132.800000	0.937256
12960.00	3.242292e-03	1	0.004098	12960.000000	0.938082
9943.20	2.487559e-03	2	0.008197	4971.600000	0.976247
9412.20	2.354715e-03	1	0.004098	9412.200000	0.955032
9177.60	2.296023e-03	1	0.004098	9177.600000	0.956153
8977.50	2.245963e-03	1	0.004098	8977.500000	0.957109
7810.00	1.953881e-03	1	0.004098	7810.000000	0.962687
7637.42	1.910706e-03	4	0.016393	1909.355000	0.990878
7040.00	1.761245e-03	1	0.004098	7040.000000	0.966365
...	...	...	...	...	...
16.20	4.052865e-06	1	0.004098	16.200000	0.999923
16.00	4.002830e-06	1	0.004098	16.000000	0.999924
12.90	3.227282e-06	1	0.004098	12.900000	0.999938
11.00	2.751946e-06	1	0.004098	11.000000	0.999947
10.00	2.501769e-06	1	0.004098	10.000000	0.999952
8.80	2.201557e-06	1	0.004098	8.800000	0.999958
7.20	1.801274e-06	1	0.004098	7.200000	0.999966
7.04	1.761245e-06	1	0.004098	7.040000	0.999966
3.32	8.305872e-07	1	0.004098	3.320000	0.999984
1.50	3.752653e-07	1	0.004098	1.500000	0.999993
0.00	0.000000e+00	1	0.004098	0.000000	1.000000
274808.80	6.875081e-02	2	0.008197	137404.400000	0.343531
179.49	4.490425e-05	2	0.008197	89.745000	0.999571
160.00	4.002830e-05	1	0.004098	160.000000	0.999236
132.04	3.303335e-05	1	0.004098	132.040000	0.999369
135912.00	3.400204e-02	1	0.004098	135912.000000	0.350661
40650.00	1.016969e-02	1	0.004098	40650.000000	0.805789
4452.80	1.113988e-03	2	0.008197	2226.400000	0.989363
2851.20	7.133043e-04	1	0.004098	2851.200000	0.986378
2600.00	6.504599e-04	1	0.004098	2600.000000	0.987578
582.50	1.457280e-04	1	0.004098	582.500000	0.997217
336.00	8.405943e-05	1	0.004098	336.000000	0.998395
112.00	2.801981e-05	1	0.004098	112.000000	0.999465
105.00	2.626857e-05	1	0.004098	105.000000	0.999498
39.50	9.881987e-06	1	0.004098	39.500000	0.999811
33.00	8.255837e-06	1	0.004098	33.000000	0.999842
29.90	7.480289e-06	1	0.004098	29.900000	0.999857
28.14	7.039977e-06	1	0.004098	28.140000	0.999866
19.50	4.878449e-06	1	0.004098	19.500000	0.999907
5.40	1.350955e-06	1	0.004098	5.400000	0.999974

160 rows × 6 columns

mcplot(byshape_con,(30,10))

• 可見(jiàn)當(dāng)物理形態(tài)為固體,凈含量為1時(shí),潛力較大

競(jìng)爭(zhēng)分析

os.chdir('..') os.chdir('./競(jìng)爭(zhēng)數(shù)據(jù)')

品類(lèi)分布(占比)

os.chdir('./商品銷(xiāo)售數(shù)據(jù)')

• 加載數(shù)據(jù)

filenames2 = glob.glob('*.xlsx') filenames2 ['安速家居近30天銷(xiāo)售數(shù)據(jù).xlsx', '拜耳近30天銷(xiāo)售數(shù)據(jù).xlsx', '科凌蟲(chóng)控旗艦店近30天銷(xiāo)售數(shù)據(jù).xlsx']

• 查看數(shù)據(jù)

def load_xlsx1(filename):df = pd.read_excel(filename)useless = ['序號(hào)','店鋪名稱(chēng)','主圖鏈接','商品鏈接','商品名稱(chēng)']df.drop(columns=useless,inplace=True)return df df3bai = load_xlsx1(filenames2[1]) df3bai.head() 商品ID商品原價(jià)商品售價(jià)30天銷(xiāo)售量總銷(xiāo)量類(lèi)目物理形態(tài)型號(hào)凈含量使用對(duì)象銷(xiāo)售額01234

527604730327	109.0	39.9	43542	3023212	滅鼠/殺蟲(chóng)劑	啫喱	5g	5g	蟑螂	1737325.8
535731556857	199.0	59.9	4860	285440	滅鼠/殺蟲(chóng)劑	啫喱	拜滅易	12g	螞蟻	291114.0
530229854741	199.0	89.9	838	70516	滅鼠/殺蟲(chóng)劑	液體	特密得100ml	100ml	白蟻	75336.2
569753894890	198.0	79.9	1487	19602	滅鼠/殺蟲(chóng)劑	啫喱	拜滅士5g-除敵	5g+5ml*4	蟑螂	118811.3
549862604116	109.0	39.9	1641	155203	滅鼠/殺蟲(chóng)劑	液體	除敵	20ml	殺蟲(chóng)劑	65475.9

df3an = load_xlsx1(filenames2[0]) df3an.head() 商品ID商品原價(jià)商品售價(jià)30天銷(xiāo)售量總銷(xiāo)量類(lèi)目適用對(duì)象30天銷(xiāo)售額01234

527032566392	60.0	54.4	2540	236321	滅鼠/殺蟲(chóng)劑	蟑螂	138176.0
534230487113	32.0	29.9	883	10498	滅鼠/殺蟲(chóng)劑	蟑螂	26401.7
527797679530	33.4	29.9	1073	117070	滅鼠/殺蟲(chóng)劑	蟑螂	32082.7
527113108079	48.0	45.5	471	55672	滅鼠/殺蟲(chóng)劑	蟑螂	21430.5
531350777813	58.0	48.0	566	19705	滅鼠/殺蟲(chóng)劑	蟑螂	27168.0

df3kl = load_xlsx1(filenames2[2]) df3kl.head() 商品ID商品原價(jià)商品售價(jià)30天銷(xiāo)售量總銷(xiāo)量類(lèi)目適用對(duì)象30天銷(xiāo)售額01234

541418255867	49.9	16.8	76608	3175991	滅鼠/殺蟲(chóng)劑	蟑螂	1287014.4
528722144927	39.0	19.8	5852	174989	滅鼠/殺蟲(chóng)劑	蟑螂	115869.6
545526161662	49.9	39.0	2497	74352	滅鼠/殺蟲(chóng)劑	蟑螂	97383.0
536261470312	49.0	29.8	540	76572	滅鼠/殺蟲(chóng)劑	蛾	16092.0
553350699341	48.9	13.8	6408	324171	滅鼠/殺蟲(chóng)劑	鼠	88430.4

類(lèi)目

bai31 = df3bai.groupby('類(lèi)目').sum() bai31 商品ID商品原價(jià)商品售價(jià)30天銷(xiāo)售量總銷(xiāo)量銷(xiāo)售額類(lèi)目滅鼠/殺蟲(chóng)劑

8286108792066	2623.0	1195.0	59185	3720411	2673315.2

an31 = df3an.groupby('類(lèi)目').sum() an31 商品ID商品原價(jià)商品售價(jià)30天銷(xiāo)售量總銷(xiāo)量30天銷(xiāo)售額類(lèi)目漱口水滅鼠/殺蟲(chóng)劑空氣芳香劑空調(diào)清潔劑蚊香液蚊香片

1130081741597	208.0	149.8	127	2710	9137.3
15853551883006	1650.3	1196.7	11082	564638	494539.3
1620098374783	196.8	141.9	118	7065	4668.6
1056404562798	122.9	113.0	151	32939	10420.9
3878968356851	565.0	344.6	573	42000	24343.6
1129949034942	157.0	81.0	1	230	45.0

kl31 = df3kl.groupby('類(lèi)目').sum() kl31 商品ID商品原價(jià)商品售價(jià)30天銷(xiāo)售量總銷(xiāo)量30天銷(xiāo)售額類(lèi)目其它園藝用品滅鼠/殺蟲(chóng)劑滅鼠籠/捕鼠器

552695315776	39.9	26.0	880	41667	22880.0
13109439326249	1728.4	817.2	163833	4416228	3734597.0
1112465425997	88.9	42.7	2315	46760	62293.0

• 作圖查看占比的不同

fig, axes = plt.subplots(1, 3, figsize=(10, 6)) ax = axes[0] bai31['銷(xiāo)售額'].plot.pie(autopct='%.f',title='拜耳',startangle=30,ax=ax) ax.set_ylabel('') ax = axes[1] an31['30天銷(xiāo)售額'].plot.pie(autopct='%.f',title='安速',startangle=60,ax=ax) ax.set_ylabel('') ax = axes[2] kl31['30天銷(xiāo)售額'].plot.pie(autopct='%.f',title='科凌蟲(chóng)控',startangle=90,ax=ax) ax.set_ylabel('') plt.show()

• 可見(jiàn)拜耳只有一個(gè)市場(chǎng)，其他的有不同市場(chǎng)，但主要市場(chǎng)都是滅鼠殺蟲(chóng)劑

適用對(duì)象

bai32 = df3bai.groupby('使用對(duì)象').sum() bai32 商品ID商品原價(jià)商品售價(jià)30天銷(xiāo)售量總銷(xiāo)量銷(xiāo)售額使用對(duì)象上門(mén)服務(wù)殺蟲(chóng)劑白蟻螞蟻蟑螂

578090143145	199.0	99.0	74	308	7326.0
1074833731154	208.0	79.8	2593	187382	103460.7
530229854741	199.0	89.9	838	70516	75336.2
1106313745903	448.0	173.9	4989	286942	305820.0
4996641317123	1569.0	752.4	50691	3175263	2181372.3

an32 = df3an.groupby('適用對(duì)象').sum() an32 商品ID商品原價(jià)商品售價(jià)30天銷(xiāo)售量總銷(xiāo)量30天銷(xiāo)售額適用對(duì)象殺蟲(chóng)劑漱口水空氣芳香劑空調(diào)清潔劑螞蟻蚊蠅螨蟑螂鼠

4366320607112	435.7	349.6	755	19416	34687.5
1130081741597	208.0	149.8	127	2710	9137.3
1620098374783	196.8	141.9	118	7065	4668.6
1056404562798	122.9	113.0	151	32939	10420.9
563628133715	29.0	22.2	53	833	1176.6
5008917391793	722.0	425.6	574	42230	24388.6
564993565252	48.0	24.8	515	16551	12772.0
2820972369214	399.0	242.6	3302	19587	164381.3
6446879299188	654.0	481.3	6178	500064	268585.3
1090757908525	84.6	76.2	279	8187	12936.6

kl32 = df3kl.groupby('適用對(duì)象').sum() kl32 商品ID商品原價(jià)商品售價(jià)30天銷(xiāo)售量總銷(xiāo)量30天銷(xiāo)售額適用對(duì)象其它園藝用品蟲(chóng)虱蛾螨蟑螂鼠

552695315776	39.9	26.0	880	41667	22880.0
1606589035658	247.6	118.6	37	6596	2035.0
559335827678	65.0	25.1	7395	80838	185614.5
1074897437670	77.0	44.3	575	78354	16599.5
1143807512213	198.0	78.8	36037	145055	1114222.4
2193692130180	237.8	105.5	85785	3427031	1525024.2
7643582808847	991.9	487.6	36319	725114	953394.4

• 作圖

fig, axes = plt.subplots(1, 3, figsize=(10, 6)) ax = axes[0] bai32['銷(xiāo)售額'].plot.pie(autopct='%.f',title='拜耳',startangle=30,ax=ax) ax.set_ylabel('') ax = axes[1] an32['30天銷(xiāo)售額'].plot.pie(autopct='%.f',title='安速',startangle=60,ax=ax) ax.set_ylabel('') ax = axes[2] kl32['30天銷(xiāo)售額'].plot.pie(autopct='%.f',title='科凌蟲(chóng)控',startangle=90,ax=ax) ax.set_ylabel('') plt.show()

• 拜耳的主要對(duì)象是蟑螂,而另外兩家除此之外還有螨，鼠
• 而從之前的分析看滅鼠和蟑螂的整體市場(chǎng)份額都大
• 應(yīng)該開(kāi)拓新市場(chǎng),尤其是滅鼠,也考察其他兩家都開(kāi)拓的螨市場(chǎng)

產(chǎn)品結(jié)構(gòu)分析

os.chdir('..') os.chdir('./商品交易數(shù)據(jù)')

• 拜耳,安速,科凌蟲(chóng)控的數(shù)據(jù)分開(kāi)讀取分析
• 主要分析產(chǎn)品結(jié)構(gòu)
• 由于分析過(guò)程相似,故都封裝成函數(shù)方便分析

filenames3 = glob.glob('*.xlsx') filenames3 ['安速全店商品交易數(shù)據(jù).xlsx', '拜耳全店商品交易數(shù)據(jù).xlsx', '科凌蟲(chóng)控全店商品交易數(shù)據(jù).xlsx']

拜耳

• 讀數(shù)據(jù)

df4bai = pd.read_excel(filenames3[1]) df4bai.head() 品牌時(shí)間商品行業(yè)排名交易指數(shù)交易增長(zhǎng)幅度支付轉(zhuǎn)化指數(shù)操作交易金額01234

拜耳	2018-07-01	德國(guó)拜耳拜滅士蟑螂藥一窩端殺蟑膠餌滅蟑螂屋無(wú)毒克星家用全窩端	1	583483	0.0350	1500	趨勢(shì)分析	9354158.37
拜耳	2018-07-01	進(jìn)口蟑螂藥一窩端德國(guó)拜耳拜滅士強(qiáng)力殺蟑膠餌蟑螂屋克星家用全窩	6	278542	0.1258	1194	趨勢(shì)分析	2470202.91
拜耳	2018-07-01	德國(guó)拜耳進(jìn)口螞蟻藥拜滅易滅蟻餌劑除殺螞蟻殺蟲(chóng)劑家用室內(nèi)全窩端	11	212329	0.5070	1328	趨勢(shì)分析	1518114.06
拜耳	2018-07-01	進(jìn)口蟑螂藥德國(guó)拜耳拜滅士滅殺蟑膠餌劑粉屋克星全窩端12g家用	44	107697	-0.2044	1117	趨勢(shì)分析	451897.06
拜耳	2018-07-01	德國(guó)拜耳 除敵跳蚤殺蟲(chóng)劑家用滅蟑螂藥虱子殺潮蟲(chóng)臭蟲(chóng)除蟲(chóng)劑噴霧	45	105901	-0.2134	936	趨勢(shì)分析	438583.74

df4bai.info() df4bai['商品'].value_counts().count() <class 'pandas.core.frame.DataFrame'> RangeIndex: 142 entries, 0 to 141 Data columns (total 9 columns): 品牌 142 non-null object 時(shí)間 142 non-null datetime64[ns] 商品 142 non-null object 行業(yè)排名 142 non-null int64 交易指數(shù) 142 non-null int64 交易增長(zhǎng)幅度 142 non-null float64 支付轉(zhuǎn)化指數(shù) 142 non-null int64 操作 142 non-null object 交易金額 142 non-null float64 dtypes: datetime64[ns](1), float64(2), int64(3), object(3) memory usage: 10.1+ KB44

• 五個(gè)月的數(shù)據(jù),每個(gè)商品至多五個(gè)月都有,至少有一個(gè)月,故需要對(duì)商品分類(lèi)匯總

• 自定義分類(lèi)匯總函數(shù)

def byproduct(df):dfb = df.groupby('商品').mean().loc[:,['交易增長(zhǎng)幅度']]dfb['交易金額'] = df.groupby('商品').sum()['交易金額']dfb['交易金額占比'] = dfb['交易金額']/dfb['交易金額'].sum()dfb['商品個(gè)數(shù)'] = df.groupby('商品').count()['交易金額']dfb.reset_index(inplace=True)return dfb bai4 = byproduct(df4bai) bai4.head(5) 商品交易增長(zhǎng)幅度交易金額交易金額占比商品個(gè)數(shù)01234

17年德國(guó)拜耳進(jìn)口螞蟻藥拜滅易滅蟻餌劑粉除殺螞蟻殺蟲(chóng)劑全窩端	-0.247600	42340.55	0.000523	1
德國(guó)原裝進(jìn)口拜耳蟑螂藥全窩端拜滅士5g+12g殺蟑膠餌劑粉屋捕捉器	-0.120333	197377.17	0.002439	3
德國(guó)拜耳 除敵跳蚤殺蟲(chóng)劑家用滅蟑螂藥虱子殺潮蟲(chóng)臭蟲(chóng)除蟲(chóng)劑噴霧	-0.221080	1394780.59	0.017232	5
德國(guó)拜耳丁香醫(yī)生限量款拜滅士加量家用蟑螂全窩端蟑螂藥3支裝	1.279300	26742.75	0.000330	1
德國(guó)拜耳上門(mén)除滅鼠滅白蟻蟑螂蚊子跳蚤蒼蠅上海地區(qū)滅蟲(chóng)按件拍下	2.439300	28969.28	0.000358	1

bai4.describe() 交易增長(zhǎng)幅度交易金額交易金額占比商品個(gè)數(shù)countmeanstdmin25%50%75%max

44.000000	4.400000e+01	44.000000	44.000000
25.539933	1.839560e+06	0.022727	3.227273
155.083825	6.321050e+06	0.078095	1.668639
-0.292100	2.255362e+04	0.000279	1.000000
-0.061040	6.828508e+04	0.000844	1.750000
0.109000	2.061879e+05	0.002547	3.000000
1.287410	7.673291e+05	0.009480	5.000000
1030.000000	4.010385e+07	0.495473	5.000000

• 其中交易增長(zhǎng)幅度可表示市場(chǎng)發(fā)展率,交易金額占比可表示市場(chǎng)份額

• 這兩個(gè)指標(biāo)的最大值都遠(yuǎn)大于3/4分位數(shù),認(rèn)為是異常值,考慮引入蓋帽法,方便后續(xù)作圖

• 定義蓋帽法函數(shù)(只考慮右邊的尾巴蓋帽)

def block(x):qu = x.quantile(.9)out = x.mask(x>qu,qu)return(out)

• 定義分別對(duì)兩個(gè)指標(biāo)蓋帽的函數(shù)

def block2(df):df1 = df.copy()df1['交易增長(zhǎng)幅度'] = block(df1['交易增長(zhǎng)幅度'])df1['交易金額占比'] = block(df1['交易金額占比'])return df1 bai41 = block2(bai4) bai41.describe() 交易增長(zhǎng)幅度交易金額交易金額占比商品個(gè)數(shù)countmeanstdmin25%50%75%max

44.000000	4.400000e+01	44.000000	44.000000
1.171668	1.839560e+06	0.007699	3.227273
2.212537	6.321050e+06	0.010333	1.668639
-0.292100	2.255362e+04	0.000279	1.000000
-0.061040	6.828508e+04	0.000844	1.750000
0.109000	2.061879e+05	0.002547	3.000000
1.287410	7.673291e+05	0.009480	5.000000
6.717030	4.010385e+07	0.031863	5.000000

• 可見(jiàn)蓋帽后指標(biāo)不那么異常,方便作圖觀察

• 定義作圖函數(shù)

def plotBOG(df,mean=False,q1=0.5,q2=0.5):f, ax = plt.subplots(figsize=(10, 8))ax = sns.scatterplot('交易金額占比','交易增長(zhǎng)幅度',hue='商品個(gè)數(shù)',size='商品個(gè)數(shù)',sizes=(20,200),palette = 'cool',legend='full',data=df)for i in range(0,len(df)):ax.text(df['交易金額占比'][i]+0.001,df['交易增長(zhǎng)幅度'][i],i)if mean:plt.axvline(df['交易金額占比'].mean())plt.axhline(df['交易增長(zhǎng)幅度'].mean())else:plt.axvline(df['交易金額占比'].quantile(q1))plt.axhline(df['交易增長(zhǎng)幅度'].quantile(q2))plt.show()

• 以平均值作為波士頓矩陣的分隔線

plotBOG(bai41,mean=True)

• 以中位數(shù)作為波士頓矩陣的分隔線

plotBOG(bai41)

• 可以根據(jù)實(shí)際的業(yè)務(wù)選擇區(qū)間的分隔線,由行業(yè)經(jīng)驗(yàn)確定(如果認(rèn)為增幅0.1在行業(yè)里算高,就可以作為分隔線)

• 明星產(chǎn)品和奶牛產(chǎn)品的商品個(gè)數(shù)普遍比較多

• 沒(méi)有突出的明星產(chǎn)品,但是有快進(jìn)入明星產(chǎn)品的問(wèn)題產(chǎn)品

• 查看各個(gè)產(chǎn)品結(jié)構(gòu)的產(chǎn)品(除了瘦狗)

• 各種產(chǎn)品排序,關(guān)心點(diǎn)不同,排序依據(jù)不同

  • 明星產(chǎn)品:都關(guān)心,依什么排序都可以,產(chǎn)品一般不多
  • 奶牛產(chǎn)品:老爆款,關(guān)心市場(chǎng)份額,依交易金額占比排序
  • 問(wèn)題產(chǎn)品,潛力款,關(guān)心市場(chǎng)增長(zhǎng)率,依交易增長(zhǎng)幅度排序

• 這里要查看實(shí)際數(shù)據(jù),故使用蓋帽前數(shù)據(jù)

def extractBOG(df,q1=0.5,q2=0.5,by='交易金額占比'):# 明星產(chǎn)品star = df.loc[(df['交易金額占比']>=df['交易金額占比'].quantile(q1)) & (df['交易增長(zhǎng)幅度']>=df['交易增長(zhǎng)幅度'].quantile(q2)),:]star = star.sort_values(by,ascending=False)# 奶牛產(chǎn)品cow = df.loc[(df['交易金額占比']>=df['交易金額占比'].quantile(q1)) & (df['交易增長(zhǎng)幅度']<df['交易增長(zhǎng)幅度'].quantile(q2)),:]cow = cow.sort_values(by,ascending=False)# 問(wèn)題產(chǎn)品que = df.loc[(df['交易金額占比']<df['交易金額占比'].quantile(q1)) & (df['交易增長(zhǎng)幅度']>=df['交易增長(zhǎng)幅度'].quantile(q2)),:]que = que.sort_values(by,ascending=False)return star,cow,que baistar,baicow,baique = extractBOG(bai4) baistar1,baicow1,baique1 = extractBOG(bai4,by='交易增長(zhǎng)幅度')

• 拜耳明星產(chǎn)品

baistar 商品交易增長(zhǎng)幅度交易金額交易金額占比商品個(gè)數(shù)620258

德國(guó)拜耳拜滅士5g+除敵5ml*4支進(jìn)口蟑螂藥家用全窩端殺蟑螂套裝	1.311740	1484952.41	0.018346	5
德國(guó)拜耳除敵殺蟲(chóng)劑滅蟑螂藥跳蚤蒼蠅臭蟲(chóng)除螨虱子噴霧5ml*8	0.325580	983199.69	0.012147	5
拜耳拜滅士 蟑螂藥家用全窩端 強(qiáng)力滅除廚房蟑螂屋克星殺德國(guó)進(jìn)口	1.454067	413902.42	0.005114	3
德國(guó)拜耳拜滅士蟑螂藥一窩端進(jìn)口全窩端家用滅除殺蟑膠餌5g包郵	29.260600	236386.32	0.002920	1

• 主要是除蟑和殺蟲(chóng),但是占比不大,增幅一般

• 拜耳奶牛產(chǎn)品/老爆款

baicow 商品交易增長(zhǎng)幅度交易金額交易金額占比商品個(gè)數(shù)739184230411023127361523191452916

德國(guó)拜耳拜滅士蟑螂藥一窩端殺蟑膠餌滅蟑螂屋無(wú)毒克星家用全窩端	-0.121360	40103850.97	0.495473	5
進(jìn)口蟑螂藥一窩端德國(guó)拜耳拜滅士強(qiáng)力殺蟑膠餌蟑螂屋克星家用全窩	-0.034680	13617307.87	0.168238	5
德國(guó)拜耳進(jìn)口螞蟻藥拜滅易滅蟻餌劑除殺螞蟻殺蟲(chóng)劑家用室內(nèi)全窩端	-0.056240	6130488.42	0.075741	5
進(jìn)口蟑螂藥德國(guó)拜耳拜滅士滅殺蟑膠餌劑粉屋克星全窩端12g家用	0.070960	3589799.54	0.044351	5
蟑螂藥一窩端德國(guó)拜耳拜滅士除蟑滅殺蟑螂克星全窩端家用殺蟑膠	0.038900	2976922.63	0.036779	5
進(jìn)口蟑螂藥德國(guó)拜耳拜滅士殺蟑膠餌蟑螂克星全窩端家用滅蟑屋12g	-0.127140	1650681.34	0.020394	5
德國(guó)拜耳拜滅易滅蟻餌劑粉除殺防螞蟻藥殺蟲(chóng)劑全窩端家用室內(nèi)花園	-0.027300	1520126.15	0.018781	5
德國(guó)拜耳 除敵跳蚤殺蟲(chóng)劑家用滅蟑螂藥虱子殺潮蟲(chóng)臭蟲(chóng)除蟲(chóng)劑噴霧	-0.221080	1394780.59	0.017232	5
蟑螂藥德國(guó)拜耳拜滅士強(qiáng)力除殺蟑螂克星膠餌屋家用捕捉器貼全窩端	0.011680	1198694.67	0.014810	5
拜耳蟑螂藥一窩端家用拜滅士殺蟑膠餌德國(guó)小強(qiáng)藥粉滅蟑螂廚房克星	0.035400	695372.27	0.008591	3
進(jìn)口蟑螂藥 德國(guó)拜耳拜滅士家用殺蟑螂膠餌捕捉器蟑螂屋粉全窩端	-0.148240	582636.66	0.007198	5
德國(guó)拜耳進(jìn)口白蟻藥除滅防殺白蟻殺蟲(chóng)劑全窩端家用特傚觸殺型粉藥	-0.134425	564169.77	0.006970	4
必?fù)?德國(guó)進(jìn)口拜耳蟑螂克星家用小強(qiáng)全窩端蟑螂藥殺蟑膠餌滅蟑17g	-0.292100	561689.93	0.006940	4
德國(guó)拜耳除敵殺蟲(chóng)劑滅蚊蟑螂螞蟻藥跳蚤蒼蠅臭蟲(chóng)除螨虱子家用	-0.075440	393582.71	0.004863	5
德國(guó)拜耳跳蚤殺蟲(chóng)劑家用潮蟲(chóng)滅蛾蚋虱子臭蟲(chóng)藥除蟑螂5ml*4	0.007220	318059.43	0.003930	5
德國(guó)拜耳拜滅士5g+拜滅易12g進(jìn)口殺蟑螂螞蟻藥蟑螂克星家用全窩端	0.048340	251225.58	0.003104	5
蟑螂藥30克拜滅士德國(guó)拜耳進(jìn)口安全滅蟑螂殺蟑膠餌顆粒劑傳染傳毒	-0.107200	221081.46	0.002731	4
德國(guó)拜耳進(jìn)口螞蟻藥家用拜滅易滅蟻餌劑殺螞蟻殺蟲(chóng)劑室內(nèi)全窩端蟻	-0.047140	214998.61	0.002656	5

• 可見(jiàn)占比最高的是除蟑,滅蟲(chóng)也占一部分,占比一般

• 拜耳問(wèn)題產(chǎn)品/潛力款

baique1 商品交易增長(zhǎng)幅度交易金額交易金額占比商品個(gè)數(shù)284011261242433313352132917384322

電子貓超聲波驅(qū)鼠器家用大功率滅鼠防鼠趕老鼠夾藥捕鼠干擾粘鼠板	1030.000000	41046.03	0.000507	1
進(jìn)口蟑螂藥一窩端德國(guó)拜耳拜滅士殺蟑膠餌誘防蟑螂屋全窩端5+12g	31.218500	67043.14	0.000828	1
德國(guó)拜耳拜滅易進(jìn)口螞蟻藥一窩端滅蟻餌劑清除螞蟻粉家用全窩端	7.867000	32246.39	0.000398	1
拜耳滅螞蟻藥家用一窩端室內(nèi)室外用殺小黃紅螞蟻藥神器膠餌拜滅易	7.442700	22553.62	0.000279	1
德國(guó)拜耳白蟻藥殺蟲(chóng)劑全窩端家用除殺防治滅飛螞蟻特密得預(yù)防裝修	5.023800	55113.41	0.000681	1
德國(guó)拜耳上門(mén)除滅鼠滅白蟻蟑螂蚊子跳蚤蒼蠅上海地區(qū)滅蟲(chóng)按件拍下	2.439300	28969.28	0.000358	1
拜滅士蟑螂藥蟑螂克星家用無(wú)毒強(qiáng)力滅蟑清德國(guó)拜耳殺蟑餌劑全窩端	1.797267	140032.47	0.001730	3
蟑螂藥進(jìn)口德國(guó)拜耳拜滅士家用除殺蟑螂屋膠餌捕捉器強(qiáng)力清全窩端	1.465350	101079.33	0.001249	2
德國(guó)拜耳丁香醫(yī)生限量款拜滅士加量家用蟑螂全窩端蟑螂藥3支裝	1.279300	26742.75	0.000330	1
德國(guó)拜耳蟑螂藥拜滅士殺蟑膠餌蟑螂克星全窩端家用滅蟑加量裝12g	1.069050	68699.06	0.000849	2
進(jìn)口螞蟻藥德國(guó)拜耳拜滅易殺蟻膠餌滅蟻餌劑紅黑黃螞蟻全窩端家用	0.742200	33514.83	0.000414	1
德國(guó)進(jìn)口拜耳蟑螂藥拜滅士殺滅除蟑膠餌劑粉屋家用全窩端12g*2盒	0.586000	28605.01	0.000353	1
蟑螂藥拜耳拜滅士殺蟑膠餌強(qiáng)力滅蟑清貼捕捉器蟑螂克星家用全窩端	0.538100	55395.16	0.000684	2
德國(guó)拜耳拜滅易12g+除敵5ml*4支 進(jìn)口螞蟻藥全窩端家用殺蟲(chóng)劑組合	0.450550	89566.01	0.001107	2
德國(guó)拜耳進(jìn)口螞蟻藥拜滅易滅蟻餌劑除殺螞蟻無(wú)毒家用室內(nèi)全窩端	0.364950	93400.98	0.001154	2
進(jìn)口蟑螂藥 德國(guó)拜耳拜滅士殺蟑螂膠餌劑33克滅蟑螂藥全窩端家用	0.331367	143883.32	0.001778	3
預(yù)售德國(guó)拜耳進(jìn)口蟑螂藥進(jìn)口螞蟻藥組合裝5g+12g	0.218150	85546.09	0.001057	2
德國(guó)進(jìn)口拜耳蟑螂藥拜滅士殺蟑膠餌5g兩盒套裝全窩端殺滅蟑螂劑屋	0.147040	189376.20	0.002340	5

• 可見(jiàn)大部分仍然是滅蟑和殺蟲(chóng)

• 交易增長(zhǎng)幅度最大的是滅鼠,而之前描述過(guò)滅鼠有最高的市場(chǎng)份額,可以作為下一步著力點(diǎn)

• 總結(jié):拜耳大部分產(chǎn)品集中在除蟑上,殺蟲(chóng)也有一定的規(guī)模,但是明星產(chǎn)品略乏力,可以進(jìn)一步發(fā)展問(wèn)題產(chǎn)品滅鼠為明星產(chǎn)品

安速

• 讀數(shù)據(jù),描述

df4an = pd.read_excel(filenames3[0]) df4an.head(2) 日期商品行業(yè)排名交易指數(shù)交易增長(zhǎng)幅度支付轉(zhuǎn)化指數(shù)操作交易金額01

2018-07-01	日本安速小強(qiáng)恢恢蟑螂屋紙盒子捕捉器藥滅殺強(qiáng)力家用貼克星全窩端	3	310517	0.6037	1445	趨勢(shì)分析	3002740.75
2018-07-01	日本進(jìn)口安速小強(qiáng)恢恢滅蟑螂屋藥無(wú)毒捕捉器克星家用強(qiáng)力清全窩端	25	151749	-0.2359	1200	趨勢(shì)分析	832540.52

df4an.info() df4an['商品'].value_counts().count() <class 'pandas.core.frame.DataFrame'> RangeIndex: 141 entries, 0 to 140 Data columns (total 8 columns): 日期 141 non-null datetime64[ns] 商品 141 non-null object 行業(yè)排名 141 non-null int64 交易指數(shù) 141 non-null int64 交易增長(zhǎng)幅度 141 non-null float64 支付轉(zhuǎn)化指數(shù) 141 non-null int64 操作 141 non-null object 交易金額 141 non-null float64 dtypes: datetime64[ns](1), float64(2), int64(3), object(2) memory usage: 8.9+ KB49

• 匯總指標(biāo)

an4 = byproduct(df4an) an4.describe() 交易增長(zhǎng)幅度交易金額交易金額占比商品個(gè)數(shù)countmeanstdmin25%50%75%max

49.000000	4.900000e+01	49.000000	49.000000
1.831989	6.150227e+05	0.020408	2.877551
6.706975	1.954368e+06	0.064851	1.666241
-0.641300	1.916612e+04	0.000636	1.000000
-0.059500	4.044140e+04	0.001342	1.000000
0.176750	1.162554e+05	0.003858	3.000000
0.604900	4.153983e+05	0.013784	5.000000
42.014300	1.329498e+07	0.441164	5.000000

• 蓋帽法處理

an41 = block2(an4) an41.describe() 交易增長(zhǎng)幅度交易金額交易金額占比商品個(gè)數(shù)countmeanstdmin25%50%75%max

49.000000	4.900000e+01	49.000000	49.000000
0.593263	6.150227e+05	0.008969	2.877551
1.160903	1.954368e+06	0.009983	1.666241
-0.641300	1.916612e+04	0.000636	1.000000
-0.059500	4.044140e+04	0.001342	1.000000
0.176750	1.162554e+05	0.003858	3.000000
0.604900	4.153983e+05	0.013784	5.000000
3.530507	1.329498e+07	0.029506	5.000000

• BCG圖

plotBOG(an41)

• 可見(jiàn)奶牛產(chǎn)品足,明星產(chǎn)品部分有前途,問(wèn)題產(chǎn)品部分有潛力,瘦狗產(chǎn)品不多

• 查看具體產(chǎn)品

anstar,ancow,anque = extractBOG(an4) anstar1,ancow1,anque1 = extractBOG(an4,by='交易增長(zhǎng)幅度')

• 安速明星

anstar 商品交易增長(zhǎng)幅度交易金額交易金額占比商品個(gè)數(shù)353421390432918

日本安速蟑螂小屋滅除殺蟑螂藥一窩端神器捕捉器家用克星小強(qiáng)恢恢	0.440000	881587.79	0.029254	5
日本安速螞蟻藥滅螞蟻清驅(qū)除殺紅螞蟻小黃螞蟻全窩端家用室內(nèi)花園	21.464140	444230.43	0.014741	5
日本安速小黑帽小強(qiáng)黑克殺蟑餌劑9枚 蟑螂藥屋蟑螂克星家用全窩端	0.419900	320927.90	0.010649	4
日本進(jìn)口安速天然除螨噴霧劑350ml床上免洗家用正品螨蟲(chóng)非除殺菌	3.859333	304915.11	0.010118	3
10枚裝日本進(jìn)口安速小強(qiáng)恢恢蟑螂屋誘捕捉器殺藥貼環(huán)保無(wú)毒包郵	0.176750	217061.51	0.007203	4
日本進(jìn)口安速小強(qiáng)恢恢蟑螂屋5片藥捕捉器滅殺蟑螂克星家用全窩端	0.189600	215689.30	0.007157	4
日本安速紅阿斯殺蟲(chóng)煙霧劑20g彈煙熏滅跳蚤蟑螂藥克星家用全窩端	0.399800	193282.28	0.006414	4
日本安速小強(qiáng)恢恢蟑螂屋滅蟑螂強(qiáng)力捕捉器誘捕器除殺蟑螂清藥貼	0.227425	142604.89	0.004732	4

• 殺蟲(chóng)和除蟑表現(xiàn)都不錯(cuò)

• 安速奶牛

ancow 商品交易增長(zhǎng)幅度交易金額交易金額占比商品個(gè)數(shù)19414024161324661720384526361531

日本安速小強(qiáng)恢恢蟑螂屋紙盒子捕捉器藥滅殺強(qiáng)力家用貼克星全窩端	0.012180	13294975.97	0.441164	5
日本進(jìn)口安速小強(qiáng)恢恢滅蟑螂屋藥無(wú)毒捕捉器克星家用強(qiáng)力清全窩端	-0.111000	3685204.19	0.122285	5
日本進(jìn)口安速小強(qiáng)恢恢殺蟑滅蟑螂屋10枚捕捉器不含蟑螂藥	-0.000740	2354769.41	0.078138	5
日本安速小黑帽蟑螂屋家用強(qiáng)力滅蟑螂藥環(huán)保無(wú)毒無(wú)味除小強(qiáng)包郵	0.072400	1083611.82	0.035957	5
日本安速小強(qiáng)恢恢蟑螂屋家用殺蟑膠餌小蟑螂藥無(wú)毒蟑螂克星全窩端	-0.254840	919683.22	0.030518	5
?【10枚裝】日本進(jìn)口安速小強(qiáng)恢恢蟑螂屋捕捉器殺藥貼家用全窩端	-0.159780	812113.82	0.026948	5
日本安速紅阿斯煙霧殺蟲(chóng)劑滅跳蚤藥煙彈家用神器螨蟲(chóng)克星送蟑螂屋	0.095920	762628.32	0.025306	5
日本進(jìn)口安速紅阿斯殺蟲(chóng)煙霧劑彈煙熏滅跳蚤蟑螂克星家用全窩端	-0.120460	622279.57	0.020649	5
原裝進(jìn)口日本安速紅阿斯殺蟲(chóng)煙霧劑熏殺滅跳蚤臭蟲(chóng)螨蟲(chóng)蟑螂20克	-0.283000	480525.86	0.015945	4
日本安速小強(qiáng)恢恢蟑螂屋捕捉器神器廚房清滅強(qiáng)力貼克星家用全窩端	-0.059500	423102.79	0.014040	5
日本安速小強(qiáng)恢恢蟑螂屋藥6片 無(wú)毒捕捉器強(qiáng)力滅清克星家用全窩端	-0.203980	415398.34	0.013784	5
日本安速除螨蟲(chóng)噴霧劑床上免洗祛去螨蟲(chóng)噴劑家用殺菌送除螨包神器	-0.102467	358839.15	0.011907	3
日本進(jìn)口安速殺蠅餌劑蒼蠅藥1盒 粘蠅紙滅蒼蠅貼強(qiáng)力神家用捕蠅器	0.012960	293644.17	0.009744	5
日本安速小黑帽蟑螂屋蟑螂藥克星家用安全無(wú)毒強(qiáng)力滅蟑清全窩端！	-0.209850	279383.03	0.009271	4
日本安速蟑螂藥12枚家用滅殺蟑螂屋膠餌劑清強(qiáng)力捕捉器克星全窩端	-0.137750	184701.40	0.006129	4
日本安速小強(qiáng)恢恢蟑螂屋6片家用無(wú)毒蟑螂貼捕捉器克星家用全窩端	-0.301267	168503.43	0.005591	3
日本安速紅阿斯殺蟲(chóng)煙霧劑彈煙熏強(qiáng)力滅跳蚤蟑螂藥克星家用全窩端	-0.010433	116255.35	0.003858	3

• 主要是除蟑,和拜耳產(chǎn)生競(jìng)爭(zhēng)

• 安速問(wèn)題

anque1 商品交易增長(zhǎng)幅度交易金額交易金額占比商品個(gè)數(shù)43713274230294733512481081425

沖銷(xiāo)量日本安速小黑帽蟑螂屋蟑螂藥家用強(qiáng)力滅蟑清安全無(wú)毒小強(qiáng)	42.01430	32034.34	0.001063	1
日本安速除螨蟲(chóng)噴霧劑床上免洗去螨蟲(chóng)神器噴劑家用非殺菌送除螨包	6.64800	41991.71	0.001393	1
日本安速ARS地球制藥earth小飛蟲(chóng)恢恢果蠅誘捕器單只裝 0315	4.36430	40441.40	0.001342	1
日本安速殺蟑氣霧劑精純無(wú)味型2瓶 滅蟑螂藥殺蟲(chóng)劑家用潮蟲(chóng)百蟲(chóng)靈	3.44830	52292.37	0.001735	2
日本進(jìn)口安速小強(qiáng)恢恢蟑螂屋5片家用無(wú)毒貼捕捉器克星家用全窩端	1.16750	19943.68	0.000662	1
日本安速紅阿斯殺蟲(chóng)煙霧劑彈10g煙熏滅跳蚤蟑螂克星家用全窩端	0.97050	60200.62	0.001998	1
【20枚裝】日本進(jìn)口安速小強(qiáng)恢恢蟑螂屋蟑螂捕捉器誘捕器滅蟑小屋	0.93215	58785.41	0.001951	2
日本 安速EARTH小果蠅恢恢殺蠅餌劑滅蒼蠅小飛蟲(chóng)神器誘捕捕捉器	0.88560	33633.57	0.001116	1
日本進(jìn)口安速紅阿斯殺蟲(chóng)煙霧劑跳蚤螨蟲(chóng)螞蟻藥蟑螂克星家用全窩端	0.73170	19166.12	0.000636	1
日本安速老鼠吱吱板4片 老鼠貼強(qiáng)力粘鼠板驅(qū)鼠滅鼠器老鼠膠藥家用	0.66030	30567.08	0.001014	1
原裝正品日本安速小強(qiáng)恢恢蟑螂屋蟑螂捕捉器誘捕器小屋20枚包郵	0.60490	32627.73	0.001083	1
日本ARS安速小黑帽蟑螂屋盒子無(wú)毒無(wú)味滅小強(qiáng)安全室內(nèi)12枚蟑螂藥	0.51235	81303.15	0.002698	2
現(xiàn)貨 日本正品安速小黑帽蟑螂屋殺小強(qiáng)滅蟑螂藥環(huán)保無(wú)毒無(wú)刺激	0.48520	105556.48	0.003503	3
日本ARS安速小黑帽環(huán)保無(wú)毒滅蟑螂藥無(wú)味除小強(qiáng)小黑屋12枚	0.38120	34503.54	0.001145	1
德國(guó)拜耳進(jìn)口螞蟻藥拜滅易滅蟻餌劑除殺螞蟻無(wú)毒家用室內(nèi)全窩端	0.36495	93400.98	0.003099	2
日本安速小強(qiáng)恢恢蟑螂屋20片蟑螂藥滅蟑螂克星家用全窩端	0.28400	25693.46	0.000853	1
日本安速小黑帽蟑螂屋滅蟑螂藥家用廚房滅蟑清蟑螂克星全窩端無(wú)毒	0.20310	35358.87	0.001173	1

• 前幾款是滅蟑,除螨,殺蟲(chóng),都有發(fā)展空間

• 總結(jié):安速?zèng)]有明顯的滅鼠市場(chǎng)

• 拜耳和安速比較:拜耳殺蟲(chóng)是老爆款,滅蟑存在一定競(jìng)爭(zhēng)

科凌蟲(chóng)控

• 讀數(shù)據(jù),描述

df4kl = pd.read_excel(filenames3[2]) df4kl.head(2) 日期商品行業(yè)排名交易指數(shù)交易增長(zhǎng)幅度支付轉(zhuǎn)化指數(shù)操作交易金額01

2018-07-01	蟑螂藥一窩端蟑螂屋膠餌滅蟑螂無(wú)毒廚房家用強(qiáng)力殺蟑螂克星全窩端	2	466881	0.4525	1850	趨勢(shì)分析	6256693.23
2018-07-01	蟑螂屋捕捉器除滅蟑螂藥一窩端神器紙盒子膠餌殺小蟑螂貼廚房家用	14	204545	0.1933	1577	趨勢(shì)分析	1419883.88

df4kl.info() df4kl['商品'].value_counts().count() <class 'pandas.core.frame.DataFrame'> RangeIndex: 118 entries, 0 to 117 Data columns (total 8 columns): 日期 118 non-null datetime64[ns] 商品 118 non-null object 行業(yè)排名 118 non-null int64 交易指數(shù) 118 non-null int64 交易增長(zhǎng)幅度 118 non-null float64 支付轉(zhuǎn)化指數(shù) 118 non-null int64 操作 118 non-null object 交易金額 118 non-null float64 dtypes: datetime64[ns](1), float64(2), int64(3), object(2) memory usage: 7.5+ KB31

• 匯總指標(biāo)

kl4 = byproduct(df4kl) kl4.describe() 交易增長(zhǎng)幅度交易金額交易金額占比商品個(gè)數(shù)countmeanstdmin25%50%75%max

31.000000	3.100000e+01	31.000000	31.000000
13.479448	1.500410e+06	0.032258	3.806452
73.221448	4.039568e+06	0.086849	1.558190
-0.317840	2.566598e+04	0.000552	1.000000
-0.065360	1.099735e+05	0.002364	2.500000
0.054800	3.286985e+05	0.007067	5.000000
0.552800	1.138542e+06	0.024478	5.000000
407.982650	2.196606e+07	0.472259	5.000000

• 蓋帽

kl41 = block2(kl4) kl41.describe() 交易增長(zhǎng)幅度交易金額交易金額占比商品個(gè)數(shù)countmeanstdmin25%50%75%max

31.000000	3.100000e+01	31.000000	31.000000
0.263058	1.500410e+06	0.014589	3.806452
0.492999	4.039568e+06	0.014994	1.558190
-0.317840	2.566598e+04	0.000552	1.000000
-0.065360	1.099735e+05	0.002364	2.500000
0.054800	3.286985e+05	0.007067	5.000000
0.552800	1.138542e+06	0.024478	5.000000
1.268350	2.196606e+07	0.044609	5.000000

• 作圖

plotBOG(kl41)

• 可見(jiàn)奶牛產(chǎn)品足,明星產(chǎn)品少,大部分有前途,問(wèn)題產(chǎn)品部分有潛力,瘦狗產(chǎn)品少

• 查看具體產(chǎn)品

klstar,klcow,klque = extractBOG(kl4) klstar1,klcow1,klque1 = extractBOG(kl4,by='交易增長(zhǎng)幅度')

• 科凌蟲(chóng)控明星

klstar 商品交易增長(zhǎng)幅度交易金額交易金額占比商品個(gè)數(shù)2820131

除螨蟲(chóng)家用噴劑床上祛防螨去螨蟲(chóng)神器噴霧劑包貼殺蟲(chóng)劑免洗非殺菌	0.80742	2270518.54	0.048815	5
老鼠貼超強(qiáng)力粘鼠板滅鼠神器捕鼠魔毯yao顆粒老鼠膠家用藥捕鼠器	0.08576	2074886.77	0.044609	5
科凌蟲(chóng)控蟑螂藥屋蟑螂克星殺蟑膠餌滅蟑螂粉全窩端家用強(qiáng)力滅蟑清	0.15184	1253677.00	0.026953	5
去兒童頭虱除陰虱凈噴劑百部酊虱卵用虱子藥成人一掃光凈虱靈噴霧	0.67058	1112790.54	0.023924	5

• 主要是滅鼠,除螨和殺蟲(chóng)

• 科凌蟲(chóng)控奶牛

klcow 商品交易增長(zhǎng)幅度交易金額交易金額占比商品個(gè)數(shù)2322526211510141729816

蟑螂藥一窩端蟑螂屋膠餌滅蟑螂無(wú)毒廚房家用強(qiáng)力殺蟑螂克星全窩端	-0.09628	21966057.02	0.472259	5
蟑螂屋捕捉器除滅蟑螂藥一窩端神器紙盒子膠餌殺小蟑螂貼廚房家用	-0.00548	7464346.74	0.160480	5
殺蟑螂藥一窩端蟑螂藥粉家用捕捉器屋廚貼無(wú)毒滅蟑螂粉除小強(qiáng)克星	-0.19370	1408637.81	0.030285	5
跳蚤殺蟲(chóng)劑家用廁所衛(wèi)生間下水道除蟲(chóng)滅小飛蟲(chóng)蛾蚋蟑螂臭蟲(chóng)藥室內(nèi)	-0.18824	1316871.08	0.028312	5
蟑螂屋強(qiáng)力滅蟑清蟑螂貼家用無(wú)毒粉殺蟑螂藥膠餌捕捉器克星全窩端	0.05320	1157585.18	0.024888	5
粘鼠板超強(qiáng)力驅(qū)老鼠貼滅鼠抓老鼠夾藥捕鼠器黏老鼠膠沾鼠神器家用	-0.08956	1119499.65	0.024069	5
科凌蟲(chóng)控殺蟑螂藥一窩端滅蟑螂膠餌藥粉克星南方大蟑螂全窩端家用	-0.09338	1009419.11	0.021702	5
米面蛾誘捕器蛾子粘捕器家用小飛蟲(chóng)殺蟲(chóng)劑滅飛蛾除米蛾衣蛾蚋蛾蠓	-0.31784	578549.20	0.012439	5
老鼠籠捕鼠器全自動(dòng)超強(qiáng)家用抓老鼠夾藥捉耗子連續(xù)滅鼠神器驅(qū)鼠器	-0.01008	465621.51	0.010011	5
除跳蚤噴劑床上殺蟲(chóng)劑氣霧家用潮蟲(chóng)驅(qū)蟲(chóng)滅去螞蟻藥神器室內(nèi)殺蜘蛛	-0.19702	437756.89	0.009412	5
滅蟑螂藥煙劑殺蜘蛛驅(qū)煙霧彈神器克星家用全窩端除螞蟻蜈蚣煙熏片	-0.04116	424747.11	0.009132	5
綠葉老鼠貼強(qiáng)力粘鼠板沾滅鼠神器膠藥yao顆粒捕鼠器克星正品家用	0.05318	328698.54	0.007067	5

• 主要是除蟑,有很小部分滅蟲(chóng)和滅鼠

• 科凌蟲(chóng)控問(wèn)題

klque1 商品交易增長(zhǎng)幅度交易金額交易金額占比商品個(gè)數(shù)2418251927122411630

天然除螨蟲(chóng)包噴霧劑中草藥?kù)罘罋⑷ヲx(chóng)墊貼床上用品家用驅(qū)蟲(chóng)神器	407.98265	290170.09	0.006239	2
抓老鼠貼強(qiáng)力粘鼠板膠藥沾滅鼠器捕鼠神器克星家用正品20張一窩端	4.21950	119948.74	0.002579	3
老鼠籠捕鼠器家用一窩端連續(xù)全自動(dòng)強(qiáng)力撲捉抓滅老鼠夾子捕鼠神器	1.31100	62508.93	0.001344	1
蟑螂藥蟑螂克星家用非無(wú)毒全窩端室內(nèi)廚房南方大蟑螂一窩端臟螂藥	1.26835	86020.53	0.001849	2
老鼠貼強(qiáng)力粘鼠板正品一窩端滅鼠器老鼠克星膠yao顆粒家用10片裝	0.88335	81123.80	0.001744	2
跳蚤殺蟲(chóng)劑家用氣霧劑除螨蟲(chóng)噴霧潮蟲(chóng)百蟲(chóng)靈蜈蚣蟑螂藥滅螞蟻虱子	0.56420	31783.47	0.000683	1
科凌蟲(chóng)控蟑螂藥南方大蟑螂強(qiáng)力殺蟑餌劑蟑螂膠餌家用全窩端滅蟑清	0.54140	32057.62	0.000689	1
蟑螂藥粉德國(guó)小蠊小強(qiáng)專(zhuān)殺滅蟑螂屋紙盒子家用蟑螂克星全窩端廚房	0.30630	125300.73	0.002694	3
科凌蟲(chóng)控老鼠貼超強(qiáng)力粘鼠板日本版捉抓老鼠夾膠家用滅鼠藥捕鼠器	0.21870	99998.35	0.002150	3
汽車(chē)家用驅(qū)鼠劑防老鼠克星噴霧劑耗子發(fā)動(dòng)機(jī)艙包防鼠滅鼠藥驅(qū)鼠器	0.13730	25665.98	0.000552	1
抓老鼠夾子捕鼠器籠家用連續(xù)全自動(dòng)逮捉老鼠籠超強(qiáng)撲鼠籠滅鼠神器	0.07335	51645.49	0.001110	2
4 只裝驅(qū)老鼠夾捕鼠器家用滅鼠神器抓殺撲老鼠夾子捉老鼠籠全自動(dòng)	0.05480	289907.35	0.006233	5

• 有較大潛力的是除螨

• 總結(jié):科凌蟲(chóng)控積極發(fā)展多個(gè)產(chǎn)品,然而每個(gè)產(chǎn)品結(jié)構(gòu)相對(duì)獨(dú)立(奶牛除蟑,明星滅鼠,潛力除螨),沒(méi)有后續(xù)的支持.競(jìng)爭(zhēng)力不是那么強(qiáng)

流量結(jié)構(gòu)分析

os.chdir('..') os.chdir('./流量渠道數(shù)據(jù)') filenames4 = glob.glob('*.xlsx') filenames4 ['安速家居旗艦店流量渠道.xlsx', '拜耳官方旗艦店流量渠道.xlsx', '科凌蟲(chóng)控旗艦店流量渠道.xlsx']

• 拜耳

df5bai = pd.read_excel(filenames4[1]) df5bai.head() 流量來(lái)源交易指數(shù)交易指數(shù).101234

淘內(nèi)免費(fèi)	399466	320128
手淘搜索	336457	274916
淘內(nèi)免費(fèi)其他	195308	153255
手淘問(wèn)大家	123512	108108
手淘旺信	88024	59198

• 交易指數(shù)是銷(xiāo)售額的反映

• 自定義流量結(jié)構(gòu)和說(shuō)明的函數(shù)

• 只取交易指數(shù)排名前10的流量渠道分析

def flow(df):df0 = df.copy()top10 = df0.sort_values('交易指數(shù)',ascending=False).reset_index(drop=True).iloc[:10,:]top10['交易指數(shù)占比'] = top10['交易指數(shù)']/top10['交易指數(shù)'].sum()top10.set_index('流量來(lái)源',inplace=True)paid = ['付費(fèi)流量','直通車(chē)','淘寶客','淘寶聯(lián)盟']ind = np.any([top10.index == i for i in paid],axis=0)explode = ind*0.1ax = top10['交易指數(shù)占比'].plot.pie(autopct='%.1f%%',figsize=(8,8),colormap='cool',explode=explode)ax.set_ylabel('')plt.show()paidsum = top10['交易指數(shù)占比'][ind].sum()salesum = top10['交易指數(shù)'].sum()paidsale = salesum * paidsumprint(f'前10流量中:總交易指數(shù):{salesum:.0f};付費(fèi)流量占比:{paidsum*100:.2f}%;付費(fèi)流量帶來(lái)交易指數(shù):{paidsale:.0f}')return top10 bai5top10 = flow(df5bai)

前10流量中:總交易指數(shù):2334051;付費(fèi)流量占比:21.85%;付費(fèi)流量帶來(lái)交易指數(shù):509959

• 排名前10的詳細(xì)數(shù)據(jù)

bai5top10 交易指數(shù)交易指數(shù).1交易指數(shù)占比流量來(lái)源淘內(nèi)免費(fèi)手淘搜索自主訪問(wèn)購(gòu)物車(chē)付費(fèi)流量我的淘寶淘內(nèi)免費(fèi)其他直通車(chē)手淘問(wèn)大家淘寶客

399466	320128	0.171147
336457	274916	0.144152
312587	234293	0.133925
251600	186323	0.107795
223315	206480	0.095677
205162	151825	0.087900
195308	153255	0.083678
187952	147463	0.080526
123512	108108	0.052917
98692	135320	0.042284

• 安速

df5an = pd.read_excel(filenames4[0]) df5an.head() 流量來(lái)源交易指數(shù)01234

淘內(nèi)免費(fèi)	119751
手淘搜索	86389
淘內(nèi)免費(fèi)其他	62653
手淘問(wèn)大家	31348
手淘旺信	25514

an5top10 = flow(df5an)

前10流量中:總交易指數(shù):748539;付費(fèi)流量占比:18.58%;付費(fèi)流量帶來(lái)交易指數(shù):139048

• 可見(jiàn)拜耳和安速的流量配比是差不多的,安速的整體流量小很多,即流量效果拜耳明顯優(yōu)于安速

• 科凌蟲(chóng)控

df5kl = pd.read_excel(filenames4[2]) df5kl.head() 流量來(lái)源交易指數(shù)01234

淘內(nèi)免費(fèi)	320128
手淘搜索	274916
淘內(nèi)免費(fèi)其他	153255
手淘問(wèn)大家	108108
手淘旺信	59198

kl5top10 = flow(df5kl)

前10流量中:總交易指數(shù):1918111;付費(fèi)流量占比:25.51%;付費(fèi)流量帶來(lái)交易指數(shù):489263

• 和拜耳在流量上差不多,科凌蟲(chóng)控付費(fèi)占比較高

輿情分析

os.chdir('..') os.chdir('./評(píng)論輿情數(shù)據(jù)')

• 讀數(shù)據(jù)

filenames5 = glob.glob('*.xlsx') filenames5 ['安速.xlsx', '德國(guó)拜耳.xlsx', '科林蟲(chóng)控.xlsx'] df6bai = pd.read_excel(filenames5[1]) df6bai.head() 產(chǎn)品名稱(chēng)鏈接評(píng)論頁(yè)碼評(píng)論評(píng)論日期01234

德國(guó)拜耳拜滅士蟑螂藥一窩端殺蟑膠餌滅蟑螂屋無(wú)毒克星家用全窩端	https://detail.tmall.com/item.htm?id=527604730327	0	剛收到，家里廚房突然出現(xiàn)小強(qiáng)了，看了這個(gè)評(píng)價(jià)挺多挺好，銷(xiāo)量也大，趕緊定了三盒，一定要管用啊一...	2018-11-21 19:01:20
德國(guó)拜耳拜滅士蟑螂藥一窩端殺蟑膠餌滅蟑螂屋無(wú)毒克星家用全窩端	https://detail.tmall.com/item.htm?id=527604730327	0	朋友推薦的說(shuō)之前用的挺管用的。在放藥的前幾天就沒(méi)怎么見(jiàn)蟑螂了，然后出去玩之前把家里角角落落全...	2018-11-23 11:07:03
德國(guó)拜耳拜滅士蟑螂藥一窩端殺蟑膠餌滅蟑螂屋無(wú)毒克星家用全窩端	https://detail.tmall.com/item.htm?id=527604730327	0	真心坑人啊！😂還沒(méi)到24小時(shí)就凝固了！小強(qiáng)依然活躍🤑🤑🤑🤑	2018-11-24 00:28:17
德國(guó)拜耳拜滅士蟑螂藥一窩端殺蟑膠餌滅蟑螂屋無(wú)毒克星家用全窩端	https://detail.tmall.com/item.htm?id=527604730327	0	盆友推薦的，說(shuō)特別好用，效果杠杠的，看雙十一做活動(dòng)，就買(mǎi)啦，效果應(yīng)該不錯(cuò)吧，不過(guò)尸體都是家里...	2018-11-25 03:07:25
德國(guó)拜耳拜滅士蟑螂藥一窩端殺蟑膠餌滅蟑螂屋無(wú)毒克星家用全窩端	https://detail.tmall.com/item.htm?id=527604730327	0	我是買(mǎi)到假貨嗎？那么貴的蟑螂藥居然還有，還是蟑螂已經(jīng)百毒不侵了？	2018-11-26 07:49:43

• 抽評(píng)論列

bai6 = list(df6bai['評(píng)論'])

• 去掉非中英文字符

bai61 = [re.sub(r'[^a-z\u4E00-\u9Fa5]+',' ',i,flags=re.I) for i in bai6]

• 好用的文本處理的庫(kù):shorttext

• 讀取構(gòu)建停用詞列表

stopwords = list(pd.read_csv('D:/data/python/百度停用詞表.txt',names=['stopwords'])['stopwords']) stopwords.extend([' '])

• 如下得到一個(gè)大列表包含多個(gè)小列表,每個(gè)小列表來(lái)自一條評(píng)論的分詞

bai62 = [] for i in bai61:seg0 = pd.Series(jieba.lcut(i))# 可以嘗試全模式看效果# 篩掉長(zhǎng)度等于1的詞ind1 = pd.Series([len(j) for j in seg0])>1seg1 = seg0[ind1]# 去掉停用詞,去重ind2 = ~seg1.isin(pd.Series(stopwords))seg2 = list(seg1[ind2].unique())# 去掉篩選后的空列表if len(seg2)>0:bai62.append(seg2) Building prefix dict from the default dictionary ... Loading model from cache C:\Users\jiang\AppData\Local\Temp\jieba.cache Loading model cost 0.755 seconds. Prefix dict has been built succesfully. bai62[:2] [['收到','家里','廚房','小強(qiáng)','評(píng)價(jià)','銷(xiāo)量','趕緊','三盒','管用','后續(xù)','效果','追加','多久','才能','消滅','干凈','沒(méi)法','做飯','進(jìn)去','擔(dān)心','揮發(fā)','很多','試試'],['朋友','推薦','管用','放藥','幾天','蟑螂','出去玩','家里','角角落落','全都','點(diǎn)涂','四天','回來(lái)','開(kāi)門(mén)','內(nèi)心','忐忑','居然','一只','沒(méi)見(jiàn)','真的','錯(cuò)峰','出行','但愿','第二次','購(gòu)買(mǎi)','超級(jí)','好用','翻爛','兩支','一支','點(diǎn)上']]

• 組合多個(gè)列表到一個(gè)列表

bai63 = [y for x in bai62 for y in x] # 或如下方式: # from itertools import chain # bai63 = list(chain(*bai62)) bai63[:10] ['收到', '家里', '廚房', '小強(qiáng)', '評(píng)價(jià)', '銷(xiāo)量', '趕緊', '三盒', '管用', '后續(xù)']

• 計(jì)算詞頻

baifreq = pd.Series(bai63).value_counts() baifreq[:10] 效果 541 蟑螂 409 雙十 145 不錯(cuò) 144 評(píng)論 138 小強(qiáng) 114 收到 106 用戶 100 填寫(xiě) 100 東西 95 dtype: int64

• 組合多個(gè)字符為一個(gè)長(zhǎng)字符,空格分隔

bai64 = ' '.join(bai63)

• 繪制詞云

mask = imageio.imread('D:/data/python/leaf.jpg') # 如果是中文必須制定字體 font = r'C:\Windows\Fonts\simkai.ttf'wc = WordCloud(background_color='wheat',mask=mask,font_path=font).generate(bai64) plt.figure(figsize=(8,8)) plt.imshow(wc) plt.axis('off') plt.show()

• 寫(xiě)出詞云文件

wc.to_file('D:/data/python/拜耳輿情詞云.png') <wordcloud.wordcloud.WordCloud at 0x153001f4588>

• 基于 TF-IDF 算法的關(guān)鍵詞抽取

jieba.analyse.extract_tags(bai64,20,True) [('蟑螂', 0.35868827490141125),('效果', 0.2849843733535205),('雙十', 0.12792281324949317),('小強(qiáng)', 0.09200132125972145),('評(píng)論', 0.08243514073285675),('濕巾', 0.0800848241710357),('填寫(xiě)', 0.07859912763569854),('不錯(cuò)', 0.07854611456578228),('好評(píng)', 0.07205703576029969),('追評(píng)', 0.06743985193350374),('沒(méi)用', 0.06355521640160776),('收到', 0.06240940420464874),('用戶', 0.06013517913107095),('好用', 0.05909939270004407),('尸體', 0.05479502199496166),('劃算', 0.05456206954124107),('濕紙巾', 0.05268657021031292),('家里', 0.04667477953221154),('發(fā)貨', 0.04579483339359189),('期待', 0.04317101167929661)]

• 不管從詞云還是關(guān)鍵詞來(lái)看,評(píng)價(jià)偏好評(píng),沒(méi)有明顯問(wèn)題
• 可以在停用詞中添加好評(píng),蟑螂可以再看效果

總結(jié)

以上是生活随笔為你收集整理的数据分析报告流程展现的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。