月饼之王花落谁手？全网都在销售它

本文经授权转载自恋习Python（ID：sldata2017）

作者|丁彦军

中秋佳节，除了假日团圆，月饼也是头巷尾的话题焦点今年中秋，谁的月饼呼声最高？什么口味的月饼虽受欢迎？

笔者将与你一起爬取淘宝网全网月饼销售数据，再经过数据分析，告诉你今年谁是“月饼之王”。不过在爬取数据与分析数据之前，插播一段月饼历史之情。

月饼的历史

据说早在殷周时期，江浙一带就有一种纪念太师闻仲的边薄心厚的“太师饼”，可以说是月饼的祖宗了。

后来到了北宋，被皇家看上了，在中秋节那天吃，不得不说皇室贵族的宣传力度，果然是一般人的十倍以上，为月饼的传播起了跨世纪的作用。

贵族们一看这玩意火了，得蹭个热点，那给它们取个名字吧，于是想了个大名叫“月团”，小名叫“小饼”，我说你们为啥就不能把这两个名字合并一下？

至于月饼这个名字，是直到南宋时期才第一次出现在书里的。后面大概就是月饼一步一步凭借自己的努力，渐渐站在中秋节身边的励志故事了。

众所周知：传统的中国四大月饼包括，广式月饼，京式月饼，苏式月饼和潮式月饼。现在随着时代的发展，也出现了好多新种类，比如冰皮月饼、海味月饼、冰淇淋月饼等等。

数据获取

笔者就以淘宝网上的月饼为目标，来获取最近全国各地近段时间月饼销售情况。（目标链接：https://s.taobao.com/search?q=月饼）

工具&模块：

工具：Python3.7+Sublime Text

模块：Requests、jieba、matplotlib、wordcloud、imread、pandas、numpy 等。

目的主要是通过对数据的分析，来看看不同关键词word对应的sales的统计、月饼价格以及销量的分布情况、以及不同省份的月饼销量情况。

详情代码如下：

import requests

import re

#下载网页

def get_html_text(url):

try:

res = requests.get(url,timeout=30)

res.raise_for_status()

res.encoding = res.apparent_encoding

returnres.text

except:

return""

#解析网页并保存数据

def parse_page(html):

try:

plt = re.findall(r""view_price":"[d.]*"", html)

tlt = re.findall(r""raw_title":".*?"", html)

loc = re.findall(r""item_loc":".*?"", html)

sale = re.findall(r""view_sales":".*?"", html)

#print(plt)

fori in range(len(plt)):

price =eval(plt[i].split(":")[1])

title =eval(tlt[i].split(":")[1])

location =eval(loc[i].split(":")[1])

location = location.split(" ")[]

sales =eval(sale[i].split(":")[1])

sales = re.match(r"d+",sales).group()

print(price)

withopen("月饼数据.txt","a",encoding="utf-8") as f:

print(f)

f.write(title+","+price+","+sales+","+location+"

")

except:

print("")

def main():

goods="月饼"

depth=100

start_url ="https://s.taobao.com/search?q="+ goods

fori in range(depth):

try:

url = start_url +"&s="+ str(44* i)

print("url=",url)

html = get_html_text(url)

parse_page(html)

except:

continue

main()

知识点：Response对象的属性

r.status_code HTTP请求的返回状态，200表示连接成功，404表示失败 ；

r.text HTTP响应内容的字元串形式，即url对应的页面内容；

r.encoding 从HTTP header中猜测的响应内容编码方式；

r.apparent_encoding 从内容中分析出的响应内容编码方式（备选编码方式）。

数据清洗预览

由上图可以看出，全网月饼的均价在90元左右，最贵月饼价高达9999元，最高销量为355444（数据为当前爬取数据为准）。

数据分析可视化

广式月饼风采依旧，蛋黄、莲蓉口味深受最爱。

结论：

广式月饼、礼盒装占比很高；从口味上来看，蛋黄口味占比很高，比莲蓉，五仁都高，其他口味豆沙、水果、火腿等次之；从品牌商家来看，北京稻香村、广东华美排名靠前；从礼盒装、企业、员工、团购、批发来看，淘宝网也是企业采购月饼送员工的渠道之一。

详情代码如下：

importpandasaspd

importnumpyasnp

importmatplotlib.pyplotasplt

importmatplotlib

frompyechartsimportGeo,Style,Line,Bar,Overlap

fromwordcloudimportWordCloud, ImageColorGenerator

fromosimportpath

frompylabimportmpl

importjieba

f = open(r"C:UsersAdministratorDesktop月饼数据.txt",encoding="utf-8")

df = pd.read_csv(f,sep=",",names=["title","price","sales","location"])

title = df.title.values.tolist()

#对每个标题进行分词

title_s = []

forlineintitle:

title_cut = jieba.lcut(line)

title_s.append(title_cut)

title_clean = []

#停用词表

stopwords = ["月饼","礼品","口味","礼盒","包邮","【","】","送礼","大",

"中秋节","中秋月饼","2","饼","蓉","多","个","味","斤","送"," ","老",

"北京","云南","网红老"]

#剔除停用词表

forlineintitle_s:

line_clean = []

forwordinline:

ifwordnotinstopwords:

line_clean.append(word)

title_clean.append(line_clean)

title_clean_dist = []

#进行去重

forlineintitle_clean:

line_dist = []

forwordinline:

ifwordnotinline_dist:

line_dist.append(word)

title_clean_dist.append(line_dist)

allwords_clean_dist = []

forlineintitle_clean_dist:

forwordinline:

allwords_clean_dist.append(word)

df_allwords_clean_dist = pd.DataFrame({"allwords":allwords_clean_dist})

#对过滤_去重词语进行汇总统计

word_count = df_allwords_clean_dist.allwords.value_counts().reset_index()

word_count.columns = ["word","count"]

backgroud_Image = plt.imread("1.jpg")

wc = WordCloud(width=1024,height=768,background_color="white",

mask=backgroud_Image,font_path="C:simhei.ttf",max_font_size=400,

random_state=50)

wc = wc.fit_words()

plt.imshow(wc,interpolation="bilinear")

plt.axis("off")

plt.show()

d = path.dirname(__file__)

wc.to_file(path.join(d,"yuebing.png"))

知识点：

font_path : string //字体路径，需要展现什么字体就把该字体路径+后缀名写上，如：font_path = "黑体.ttf"；

mask : nd-array or None (default=None) //如果参数为空，则使用二维遮罩绘制词云。如果 mask 非空，设置的宽高值将被忽略，遮罩形状被 mask 取代。除全白（#FFFFFF）的部分将不会绘制，其余部分会用于绘制词云。如：bg_pic = imread("读取一张图片.png")，背景图片的画布一定要设置为白色（#FFFFFF），然后显示的形状为不是白色的其他颜色。可以用ps工具将自己要显示的形状复制到一个纯白色的画布上再保存，就ok了；

stopwords : set of strings or None //设置需要屏蔽的词，如果为空，则使用内置的STOPWORDS ；

background_color : color value (default=”black”) //背景颜色，如background_color="white",背景颜色为白色；

max_font_size : int or None (default=None) //显示的最大的字体大小 ；

fit_words(frequencies) //根据词频生成词云（frequencies，为字典类型）。

不同关键词word对应的sales之和的统计分析

（说明：例如 词语 ‘广式’，则统计商品标题中含有‘广式’一词的商品的销量之和，即求出具有‘广式’风格的商品销量之和）

由上图可以看出：礼盒装、广式、蛋黄、莲蓉、五仁、稻香村、华美等关键词靠前，也再次验证了广式月饼堪称月饼之王，实际付款人高达近700万，广式月饼可谓是风采依旧。

虽然广式月饼起源于广州，但凭借其松软的饼皮和多元丰富的馅料，实际已经在全国各地流行开来，成为名副其实的“月饼之王”。

详情代码如下：

w_s_sum = []

for w in word_count.word:

i = 0

s_list = []

for t in title_clean_dist:

if w in t:

s_list.append(df.sales[i])

i+= 1

w_s_sum.append(sum(s_list))

df_w_s_sum = pd.DataFrame({"w_s_sum":w_s_sum})

df_word_sum = pd.concat([word_count,df_w_s_sum],axis=1,ignore_index=True)

df_word_sum.columns = ["word","count","w_s_sum"]

df_word_sum.sort_values("w_s_sum",inplace=True,ascending=True)

df_w_s = df_word_sum.tail(30)

attr = df_w_s["word"]

v1 = df_w_s["w_s_sum"]

bar = Bar("月饼关键词销量分布图")

bar.add("关键词",attr,v1,is_stack=True,xaxis_rotate=30,yaxix_min=4.2,

xaxis_interval=0,is_splitline_show=False)

overlap = Overlap()

overlap.add(bar)

overlap.render("月饼关键词_销量分布图.html")

多数商品销量为3000以下，占比高达90%

由上图看出，销售量在10万以上的寥寥无几，共8种，其中销售量30万以上就有6款。当今网红经济下，爆品为王，一款独大；正所谓网红就是营销，爆品就是产品，有了好的产品再经过营销的运作就能产生十倍的放大效益， 如果没有好的产品，光有营销企业也难以长久。要利用网红经济来打造爆款，选择爆款一定要有自己的特色，在销售的过程中，客户的评价对产品的搜索排序和客户下单转化起著至关重要的作用；

消费降级？均价在10-100元占比50%

商品数量随着价格总体呈现下降阶梯形势，价格越高，在售的商品越少；低价位商品居多，价格在10-100之间的商品最多，100-200之间的次之，价格8000以上的商品较少。

详情代码如下：

后记

由上图可看出，全网Top15中，广式口味占80%，全国各地都在卖广式月饼。月饼种类那么多，为何偏偏是广式月饼横行中国？广式月饼外层是糖浆皮，以小麦粉、糖浆、植物油、碱水等原料制作烘烤而成，这并非中国传统的糕饼技艺，这与广式月饼的起源有关。

广东流行中秋月饼比中国其他地区的时间更晚，要迟到晚清时期。在此之前，广州沙面地区已因鸦片战争变为英、法租界，各类西饼店纷纷踏上广州地界。以糖浆皮包裹烘烤而成的广式月饼，其实是学习西式糕点作法的产物。

广式月饼能一统天下，最重要的一条是广式月饼的原料，这个原料就是莲蓉。早在1889年，当时广州城西的一家叫“莲香楼”的糕酥店，将莲子熬成莲蓉作馅料，做成的酥饼清香可口，大受欢迎。后来，莲香楼的生产者将这种莲蓉馅料的饼点定型为月饼，逐渐形成后来的广式月饼。

今年你吃到哪些好吃的月饼了吗？在评论区留言吧！

本文为作者投稿，版权归作者所有。内容观点不代表CSDN立场。