数据概况与清洗
1. 数据基础
- 原始数据包含 27598 条双 11 美妆商品记录，共 7 个特征：
update_time（更新时间）、id（商品 ID）、title（商品标题）、price（价格）、sale_count（销量）、comment_count（评论数）、店名（店铺名称）。 - 数据类型：3 个数值型（
price、sale_count、comment_count），4 个字符型。
2. 核心清洗代码
python
运行
import numpy as np
import pandas as pd
# 读取数据
df = pd.read_csv('双十一淘宝美妆数据.csv')
# 去重
data = df.drop_duplicates(inplace=False) # 删除重复行，保留27512条
data.reset_index(inplace=True, drop=True) # 重置索引
# 缺失值处理（用0填补销量和评论数的缺失）
data = data.fillna(0)
特征工程（新增关键特征）
1. 文本分词（标题解析）
python
运行
import jieba
# 对标题分词（搜索引擎模式）
subtitle = []
for each in data['title']:
k = jieba.lcut_for_search(each) # 细粒度分词，适合提取商品特征
subtitle.append(k)
data['subtitle'] = subtitle # 新增分词列
2. 商品分类（大类 / 小类）
python
运行
# 定义分类规则（大类、小类、关键词映射）
basic_data = """护肤品 乳液类 乳液 美白乳 润肤乳 ...
化妆品 口红类 唇釉 口红 唇彩 唇膏 ...""" # 完整分类见原文
# 构建分类字典
dcatg = {}
catg = basic_data.split('\n')
for i in catg:
main_cat = i.strip().split('\t')[0] # 大类（如护肤品）
sub_cat = i.strip().split('\t')[1] # 小类（如乳液类）
o_cat = i.strip().split('\t')[2:] # 关键词（如乳液、美白乳）
for j in o_cat:
dcatg[j] = (main_cat, sub_cat)
# 为商品匹配分类
sub_type = [] # 小类
main_type = [] # 大类
for i in range(len(data)):
exist = False
for j in data['subtitle'][i]:
if j in dcatg:
sub_type.append(dcatg[j][1])
main_type.append(dcatg[j][0])
exist = True
break
if not exist:
sub_type.append('其他')
main_type.append('其他')
data['sub_type'] = sub_type
data['main_type'] = main_type
3. 性别标识与销售额
python
运行
# 标记是否男士专用
sex = []
for i in range(len(data)):
if '男士' in data['subtitle'][i] or '男生' in data['subtitle'][i] or \
('男' in data['subtitle'][i] and '女' not in data['subtitle'][i] and '斩男' not in data['subtitle'][i]):
sex.append('是')
else:
sex.append('否')
data['是否男士专用'] = sex
# 计算销售额
data['销售额'] = data['price'] * data['sale_count']
核心分析结论（附关键代码）
1. 品牌表现分析
python
运行
# 各品牌销量、销售额对比
brand_sale = data.groupby('店名')['sale_count'].sum().sort_values() # 销量排名
brand_rev = data.groupby('店名')['销售额'].sum().sort_values() # 销售额排名
# 关键发现：
# - 相宜本草销量、销售额均第一（低价策略见效）
# - 悦诗风吟商品数量最多，但销量仅第三
# - SKII、植村秀销量为0（定位或活动问题）
2. 价格与销量关系
python
运行
# 按均价分组（0-100元/A类，100-200元/B类，等）
avg_price = data.groupby('店名')['销售额'].sum() / data.groupby('店名')['sale_count'].sum()
A = avg_price[(avg_price <= 100) & (avg_price > 0)].index # 低价品牌
# 结论：A类品牌销售额占比最高，低价更受消费者青睐
3. 时间趋势（双 11 前后销量）
python
运行
import matplotlib.pyplot as plt
from datetime import datetime
# 每日销量趋势
sale_day = data.groupby('update_time')['sale_count'].sum()
sale_day.index = [datetime.strptime(i, '%Y/%m/%d') for i in sale_day.index]
sale_day.plot() # 9日达峰，11日骤降（预热提前消费）
4. 性别细分市场
python
运行
# 男士专用商品销量占比
male_sale_ratio = data.groupby('是否男士专用')['sale_count'].sum() / data['sale_count'].sum()
# 结论：男士专用商品占比低（约8%），核心为清洁类和补水类，妮维雅、欧莱雅主导市场