618购物节，辰哥准备分析一波购物节大家都喜欢买什么？本文以某东为例，Python**爬取**618活动的畅销商品数据，并进行**数据清洗**，最后以**可视化**的方式从不同角度去了解畅销商品中，名列前茅的商品是哪些？销售数据如何？用户好评如何？等等 **本文结构如下**： 1、爬取某东畅销商品数据 2、清洗数据并并进行简单分析 3、将数据进行可视化展示 **数据的字段如下：**  一共爬取了**243条某东畅销**商品数据 # 01、获取数据 **1.   分析网页** 在编写代码之前，先来分析一波网页。  上面是某东的**畅销商品**，通过辰哥分析分析，该网页有异步加载（前面10个商品是**静态加载**，剩下的是动**态异步加载**），因此我们需要写了个请求去获取数据。 **2.   获取静态网页商品链接** 商品的销售、评论等数据在商品详情页，这里先获取商品详情页链接  结果如下：  **3.   获取动态网页商品链接** 通过抓包可以获取到动态加载链接，并获取到商品标题和商品id（这里的商品id可以用于后面拼接商品详情页链接）   获取json数据后，提取出**商品标题**和**商品ID**  **4.** **获取打折、原价、秒杀价** 通过商品ID可以获取到**商品打折、原价、秒杀价**（这里有接口，接口是通过抓包获取的，感兴趣的可以去自己去尝试，不明白的可以直接使用）  这里将该功能封装成函数，通过传入商品ID就可以获取该商品的**商品打折、原价、秒杀价** 结果如下：  **5.** **获取评论数、好评数、中评数、差评数、好评率** 通过商品ID可以获取到**评论数、好评数、中评数、差评数、好评率**（同样这里有接口，接口是通过抓包获取的，感兴趣的可以去自己去尝试，不明白的可以直接使用）  结果如下：  **6.   保存到excel** 接着开始遍历商品，并通过ID去获取商品的销售情况（步骤4和步骤5的函数），最后把数据保存到execl **定义表头**  **写入数据**  其中的get_price和CommentCount是步骤4和步骤5的函数。count是excel中行数，因此在循环中count+1，依次写入下一行。 **最终保存结果**  一共爬取了**243条某东畅销**商品数据 # 02、数据分析&可视化 **1.数据清洗**  需要清洗的内容，主要有图中这三列（标题、打折、好评数）。 **清洗目标**： 1. 标题过长（长度控制在10内），不方便后面的画图 2. 打折字段中含有折字，在进行排序时不能直接转数值型。 3. 好评数中的**万**，转为具体数值，如1.2万转为12000  **清洗结果：**  **2.可视化-商品打折力度** 从清洗后数据中取出：**商品名称和打折**这两列，进行【排序】从打折最大到打折最小。最后取出**前15名进行可视化** **核心代码****如下**:  **可视化效果**：  **3.可视化-好评率统计** 从数据中取出：**好评率**这列，对不同的好评率进行统计，如好评率是100%（1）的商品多少件，好评率99%（0.99）的商品多少件等。  **核心代码****如下**:  **可视化效果**：  **3.可视化-畅销商品销量排行** 从数据中取出：**商品名称和评论数**这两列，这里根据评论数去作为销售依据，对商品的销量进行排序（高到低），并取出前15名进行可视化。 **核心代码****如下**:  **可视化效果**：  **4.可视化-畅销商品前15名原价与秒杀价对比** 在上面的分析中可以知道畅销商品的销量前15名，这里将这15件商品的原价和秒杀价进行可视化对比。 **核心代码****如下**:  **可视化效果**：  # 03、小结 本文以某东为例，Python**爬取**618活动的畅销商品数据，并进行**数据清洗**，最后以**可视化**的方式从不同角度去了解畅销商品中，名列前茅的商品是哪些？销售数据如何？用户好评如何？等等 不明白的地方可以在**下方留言**，一起交流。