CDA数据分析师 出品
作者：Mika、泽龙
数据：真达
后期：泽龙
【导语】：今天我们来聊聊小朋友和大朋友们都爱不释手的乐高，Python技术部分请看第四部分。公众号后台，回复关键字“乐高”获取完整数据。
Show me data，用数据说话
今天我们聊一聊 乐高
点击下方视频，先睹为快：
https://v.qq.com/x/page/q0974qo1rg6.html
六一儿童节马上要到了，过节的不仅仅是儿童，还有很多不想长大的成年人。然而，儿童游乐场不好意思去跟小朋友抢，幼儿园里已经没有容身之地。这时，玩具可能是最后一件能让成年人过把瘾的方式了。
根据去年的天猫双11数据统计：双11玩具/童车/益智/积木品牌TOP20榜单中，在玩具领域，乐高位居首位，占据了1/5的市场份额，销售额超过1138万元，销量达14712件，妥妥的玩具领域大佬。今天我们就用数据来聊一聊，小朋友和大朋友们都爱不释手的乐高。
01
老少皆宜 大IP联名
玩具居然可以这么玩？！
1932年，乐高公司在丹麦成立。商标“LEGO”是来自丹麦语“LEg GOdt”,意为“play well”。
在10年前，乐高真是家庭水准的体现，小时候能有个乐高玩具，应该是很多人的梦想，但是长大了发现，现在拥有乐高玩具，也是梦想。有多少人在疫情期间想在淘宝买乐高玩具，也来挑战下千年隼75192，证明自己不再是手残党。
外国的乐高狂热粉丝用乐高拼了一辆能开的跑车，真的可以以每小时15公里的速度前进，这也算是人类创造能力的体现，本身乐高提倡的就是自由组装，play well。创造力才是他们的核心，这也就证明了乐高从小孩玩具到创造力检测仪的进化。
如今的乐高就像玩具界的Supreme，时不时就弄出套联名款，即使你不是乐高粉丝，也忍不住赶紧送上钱包。
之前，乐高就和暴雪合作推出了《乐高守望先锋系列》。
《乐高星球大战系列》，至今全球已经热销超过两千万套。其中“豪华千年隼”，更是被称为“乐高史上最大套装”。
从DC的蝙蝠侠到漫威的钢铁侠，热门电影的热度“能蹭就蹭”。
如果你是《哈利波特》迷，等不到送入学通知书的猫头鹰？没关系，乐高让你直接把霍格沃茨买回家。
02
都是哪些人在玩乐高？
那么都是哪些人在玩乐高呢？我们用Python获取“乐高中国”最新的三条微博(5.06日、5.08日、5.15日发布)后的评论和粉丝信息，分析粉丝画像，数据共4815条。
粉丝性别占比
首先看到乐高中国的微博粉丝性别占比，从数据可以看到，女性粉丝远超男性，占比高达到65.23%，男性占比34.77%
粉丝数量地区分布
都是哪些地区的人最爱玩乐高呢？
从图中可以看到，北上广位居前三，海外的粉丝也不少，位居第四。之后就是江苏、山东分别为第五和第六。
粉丝年龄分布
18-25岁的粉丝最多占比高达38.69%，其次就是25-30岁的了，占比为24.01%，30-40岁的占比19.97%。总体来说，乐高在国内的粉丝还是比较年轻化的，既有喜欢玩乐高的年轻玩家，也有热衷给孩子买乐高玩的年轻父母。
微博评论词云
下面我们看到“乐高中国”微博下面的评论词云，可以看到提到最多的就是"乐高"。同时"齐天大圣"、"忍者神龟"等都是被提及最多的热门款。
03
哪款乐高卖的最好？
下面我们用Python进一步分析乐高在天猫和淘宝全网的数据，我们共搜集整理了乐高在淘宝的商品数据，一共4404条商品信息。以及天猫乐高旗舰店一共392条的数据。
乐高销量TOP10店铺
首先看到淘宝全网乐高销量店铺的排名。不用说，乐高官方旗舰店是妥妥的第一位，其次天猫超市的位居第二。
乐高产地排名TOP10
乐高产地方面，我们可以看到，广东和上海是大头，位居第一和第二。北京位居第三。
不同价格区间商品数量
乐高的定价如何呢？我们可以看到0-50元的乐高商品是最多的，达到895件。其次100-200元的也不少，以701件位居第二。1000元以上的资深玩家款最少，为260件。
不同价格区间的销售额
这里就比较有意思了，1000元以上的销售额占比达到32.24%，果然是人民币玩家的专选。其次500-1000元的商品销售额占比15.91%。紧接着较为平价的100-200元款，销售额占比15.76%。
淘宝乐高商品标题词云
下面看到淘宝乐高相关标题的词云，"乐高"、"玩具"、"积木"都是提及最多的关键词。同时"益智"、"系列"、"正品"等词也是标题中常有的词。
我们再具体看看哪款乐高产品卖得最好。
乐高旗舰店商品销量TOP10
让我们再看到乐高旗舰店的数据：
我们可以看到，孙悟空齐天大圣黄金机甲这款，以月销量4765件位居榜首。
其次第二位是R赛车成人送礼收藏车模，月销量2750件。然后云霄战机孙悟空齐天大圣位居第三，月销量达到2453件。
不同价格区间商品数量
在商品价格区间方面，可以看到数量最多的还是0-50元的平价款，共2082件商品，远远高于其他价格区间。其次50-100元的商品有495件。
不同价格区间销售额
最后，我们再看到不同价格区间的销售额：
这里与淘宝全网数据不同，销售额占比最高的是0-50元的商品，占比49.21%。其次是50-100元，占比16.13%。而1000元以上的销售额占比最少，仅为2.94%。这也说明，在购买1000元以上的收藏款时，大家更倾向于在其他渠道购买，而不是官方旗舰店。
乐高旗舰店商品标题词云
我们再看看在乐高旗舰店，商品标题都有什么特点。可以看到标题中，"积木"、"玩具"、"XX系列"都被常常提到。同时"送礼"、"创意"、"益智"、"收藏"等也常出现。
04
带你用Python分析 乐高淘宝数据
我们使用Python分别获取了淘宝上的乐高商品数据、乐高旗舰店的店铺商品销售数据和微博乐高中国的评论和粉丝数据，进行了数据分析分析。此处展示淘宝商品分析部分代码。按照常规数据分析流程进行：
公众号后台，回复关键字“乐高”获取完整数据。
01 数据读入
首先导入所需的库，并读入采集的数据集。其中pandas用于数据整理、jieba用于分词、pyecharts和stylecloud用于绘制可视化图形。
代码语言：javascript复制# 导入包
import pandas as pd
import time
import jieba
from pyecharts.charts import Bar, Line, Pie, Map, Page
from pyecharts import options as opts
from pyecharts.globals import SymbolType
import stylecloud
获取到的数据集如下所示：
代码语言：javascript复制# 读入数据
df_tb = pd.read_excel('../data/乐高淘宝数据.xlsx')
df_tb.head()
查看一下数据框的大小，可以看到一共有4403个样本。
代码语言：javascript复制df_tb.info()
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 4404 entries, 0 to 4403
Data columns (total 5 columns):
goods_name 4404 non-null object
shop_name 4404 non-null object
price 4404 non-null float64
purchase_num 4404 non-null object
location 4404 non-null object
dtypes: float64(1), object(4)
memory usage: 172.1 KB
02 数据处理
此处我们对各个字段进行以下处理以方便后续的数据分析工作，经过去重之后一共有3411个样本：
- 去除重复值
- goods_name：暂不处理
- shop_name：暂不处理
- price：暂不处理
- purchase_num：提取人数
- 计算销售额 = price * purchase_num
- location：提取省份
# 去除重复值
df_tb.drop_duplicates(inplace=True)
# 删除购买人数为空的记录
df_tb = df_tb[df_tb['purchase_num'].str.contains('人付款')]
# 重置索引
df_tb = df_tb.reset_index(drop=True)
df_tb.info()
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 3411 entries, 0 to 3410
Data columns (total 5 columns):
goods_name 3411 non-null object
shop_name 3411 non-null object
price 3411 non-null float64
purchase_num 3411 non-null object
location 3411 non-null object
dtypes: float64(1), object(4)
memory usage: 133.3 KB
# purchase_num处理
df_tb['purchase_num'] = df_tb['purchase_num'].str.extract('(d )').astype('int')
# 计算销售额
df_tb['sales_volume'] = df_tb['price'] * df_tb['purchase_num']
# location
df_tb['province'] = df_tb['location'].str.split(' ').str[0]
df_tb.head()
03 数据可视化
数据可视化部分主要对以下的信息进行汇总和可视化分析，分析维度和使用图形如下：
- 乐高销量排名top10店铺 - 条形图
- 乐高产地数量排名top10 - 条形图
- 乐高产地国内销量分布 - 地图
- 价格分布 - 饼图
- 不同价格区间的销量表现 - 饼图
- 商品标题词云图 - 词云图
乐高销量排名Top10淘宝店铺 - 条形图
代码语言：javascript复制shop_top10 = df_tb.groupby('shop_name')['purchase_num'].sum().sort_values(ascending=False).head(10)
# 条形图
bar1 = Bar(init_opts=opts.InitOpts(width='1350px', height='750px'))
bar1.add_xaxis(shop_top10.index.tolist())
bar1.add_yaxis('', shop_top10.values.tolist())
bar1.set_global_opts(title_opts=opts.TitleOpts(title='乐高销量排名Top10淘宝店铺'),
xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=-15)),
visualmap_opts=opts.VisualMapOpts(max_=28669)
)
bar1.render()
乐高店铺产地数量排名top10
代码语言：javascript复制province_top10 = df_tb.province.value_counts()[:10]
bar2 = Bar(init_opts=opts.InitOpts(width='1350px', height='750px'))
bar2.add_xaxis(province_top10.index.tolist())
bar2.add_yaxis('', province_top10.values.tolist())
bar2.set_global_opts(title_opts=opts.TitleOpts(title='乐高店铺产地数量排名top10'),
visualmap_opts=opts.VisualMapOpts(max_=1000)
)
bar2.render()
国内各省份乐高销量分布图
代码语言：javascript复制province_num = df_tb.groupby('province')['purchase_num'].sum().sort_values(ascending=False)
# 地图
map1 = Map(init_opts=opts.InitOpts(width='1350px', height='750px'))
map1.add("", [list(z) for z in zip(province_num.index.tolist(), province_num.values.tolist())],
maptype='china'
)
map1.set_global_opts(title_opts=opts.TitleOpts(title='国内各产地乐高销量分布图'),
visualmap_opts=opts.VisualMapOpts(max_=172277),
)
map1.render()
天猫乐高价格分布
代码语言：javascript复制# 分箱
cut_bins = [0,50,100,200,300,500,1000,8888]
cut_labels = ['0~50元', '50~100元', '100~200元', '200~300元', '300~500元', '500~1000元', '1000元以上']
price_cut = pd.cut(df_tb['price'], bins=cut_bins, labels=cut_labels)
price_num = price_cut.value_counts()
# 饼图
bar3 = Bar(init_opts=opts.InitOpts(width='1350px', height='750px'))
bar3.add_xaxis(['0~50元', '50~100元', '100~200元', '200~300元', '300~500元', '500~1000元', '1000元以上'])
bar3.add_yaxis('', [895, 486, 701, 288, 370, 411, 260])
bar3.set_global_opts(title_opts=opts.TitleOpts(title='不同价格区间的商品数量'),
visualmap_opts=opts.VisualMapOpts(max_=900))
bar3.render()
不同价格区间的销售额整体表现
代码语言：javascript复制# 添加列
df_tb['price_cut'] = price_cut
cut_purchase = df_tb.groupby('price_cut')['sales_volume'].sum()
# 数据对
data_pair = [list(z) for z in zip(cut_purchase.index.tolist(), cut_purchase.values.tolist())]
# 绘制饼图
pie1 = Pie(init_opts=opts.InitOpts(width='1350px', height='750px'))
pie1.add('', data_pair, radius=['35%', '60%'])
pie1.set_global_opts(title_opts=opts.TitleOpts(title='不同价格区间的销售额整体表现'),
legend_opts=opts.LegendOpts(orient='vertical', pos_top='15%', pos_left='2%'))
pie1.set_series_opts(label_opts=opts.LabelOpts(formatter="{b}:{d}%"))
pie1.set_colors(['#EF9050', '#3B7BA9', '#6FB27C', '#FFAF34', '#D8BFD8', '#00BFFF', '#7FFFAA'])
pie1.render()
商品标题词云图
代码语言：javascript复制def get_cut_words(content_series):
"""
功能：传入Seires，获取分词后的结果，返回字符串。
"""
# 读入停用词表
stop_words = []
# 读入stop_words文件
with open(r"stop_words.txt", 'r', encoding='utf-8') as f:
lines = f.readlines()
for line in lines:
stop_words.append(line.strip())
# 添加关键词
my_words = ['乐高', '悟空小侠', '大颗粒', '小颗粒']
for i in my_words:
jieba.add_word(i)
# 分词
word_num = jieba.lcut(content_series.str.cat(sep='。'), cut_all=False)
# 条件筛选
word_num_selected = [i for i in word_num if i not in stop_words and len(i)>=2]
return ' '.join(word_num_selected)
# 生成分词str
text = get_cut_words(content_series=df_tb['goods_name'])
# 绘制词云图
stylecloud.gen_stylecloud(text, # 绘图文本
collocations=False,
font_path=r'C:WindowsFontsmsyh.ttc', # 电脑字体路径
icon_name='fas fa-heart', # 绘图形状
size=768, # 绘图尺寸
output_name='淘宝乐高标题词云图.png' # 输出png文件
) 
