项目总结-驱虫市场电商数据挖掘

Table of Contents¶

• 1  驱虫市场潜力分析
  • 1.1  数据处理
    • 1.1.1  导包
    • 1.1.2  读取数据
      • 1.1.2.1  读取各个子类目交易额数据,合并
      • 1.1.2.2  自定义读取单个xlsx文件的函数
      • 1.1.2.3  读取所有文件到列表
    • 1.1.3  依行索引(时间)将所有文件合并到一个数据框
    • 1.1.4  清洗数据
      • 1.1.4.1  查看缺失值占比
      • 1.1.4.2  抽取月份以供后面索引
      • 1.1.4.3  循环预测2018年11月和12月的销售金额
      • 1.1.4.4  删除15年的数据
  • 1.2  市场变化趋势描述
    • 1.2.1  按照年份分组求每个子类目市场的交易额总额
    • 1.2.2  处理中文字体
    • 1.2.3  线图分析整体市场的趋势
    • 1.2.4  各类目市场销售额趋势分析
    • 1.2.5  灭鼠杀虫剂近三年的增量趋势
    • 1.2.6  查看各类目市场每年总交易额占比
      • 1.2.6.1  计算占比
      • 1.2.6.2  图示
    • 1.2.7  各类目市场年增幅
      • 1.2.7.1  计算增幅
      • 1.2.7.2  作图
  • 1.3  市场集中度描述
    • 1.3.1  读取对应数据,并且描述数据
    • 1.3.2  生成交易指数占比列,用以描述市场份额
    • 1.3.3  图形描述交易指数占比
    • 1.3.4  计算HHI指标并打印
• 2  灭鼠杀虫剂市场机会点分析
  • 2.1  数据准备
    • 2.1.1  读取数据
    • 2.1.2  缺失值处理
      • 2.1.2.1  删除缺失值占比超过98%的特征
      • 2.1.2.2  删除特征值完全一致的
      • 2.1.2.3  依据逻辑删除不可能会用到的列,例如链接
      • 2.1.2.4  药品登记号后的列缺失值占比高,市场分析意义不大,故都不需要
      • 2.1.2.5  其他逻辑上不用的列
    • 2.1.3  查看数据
  • 2.2  细化分析
  • 2.3  产品类别分布
  • 2.4  灭鼠类别分析
    • 2.4.1  依据价格划分
    • 2.4.2  计算各价格区间的销售额,销售额占比,宝贝数,宝贝数占比,竞争度
    • 2.4.3  定义绘图函数
    • 2.4.4  0-50细分价格市场分析
  • 2.5  细分市场的其他属性分析
    • 2.5.1  店铺类型
    • 2.5.2  型号
    • 2.5.3  物理形态
    • 2.5.4  物理形态,净含量
• 3  竞争分析
  • 3.1  品类分布(占比)
    • 3.1.1  数据准备
    • 3.1.2  查看数据
    • 3.1.3  类目
      • 3.1.3.1  作图查看占比的不同
    • 3.1.4  适用对象
      • 3.1.4.1  作图
  • 3.2  产品结构分析
    • 3.2.1  拜耳
      • 3.2.1.1  读数据
      • 3.2.1.2  自定义分类汇总函数
      • 3.2.1.3  定义盖帽法函数(只考虑右边的尾巴盖帽)
      • 3.2.1.4  分别定义对两个指标盖帽的函数
      • 3.2.1.5  定义作图函数
      • 3.2.1.6  拜耳明星产品
      • 3.2.1.7  拜耳问题产品/潜力款
    • 3.2.2  安速
      • 3.2.2.1  读数据
      • 3.2.2.2  汇总指标
      • 3.2.2.3  盖帽法处理
      • 3.2.2.4  BCG图
      • 3.2.2.5  查看具体产品
      • 3.2.2.6  安速明星
      • 3.2.2.7  安速奶牛
      • 3.2.2.8  安速问题
    • 3.2.3  科凌虫控
      • 3.2.3.1  读数据
      • 3.2.3.2  汇总指标
      • 3.2.3.3  盖帽
      • 3.2.3.4  作图
      • 3.2.3.5  查看具体产品
      • 3.2.3.6  科凌虫控明星
      • 3.2.3.7  科凌虫控奶牛
      • 3.2.3.8  科凌虫控问题
  • 3.3  流量结构分析
    • 3.3.1  数据准备
    • 3.3.2  拜耳
      • 3.3.2.1  排名前10的详细数据
    • 3.3.3  安速
    • 3.3.4  科凌虫控
  • 3.4  舆情分析
    • 3.4.1  数据准备
      • 3.4.1.1  抽评论列
      • 3.4.1.2  去掉非英文字符
      • 3.4.1.3  读取构建停用词列表
      • 3.4.1.4  组合多个列表到一个列表
      • 3.4.1.5  计算词频
      • 3.4.1.6  组合多个字符为长字符
      • 3.4.1.7  绘制词云图
      • 3.4.1.8  写出词云图
      • 3.4.1.9  基于TF-IDF 算法的关键词抽取

详情见项目链接：https://nbviewer.jupyter.org/github/lvzw94/Ipynb/blob/master/电商文本挖掘.ipynb