告诉你李子柒的螺蛳粉到底有多火
⇨⇦
CDA数据分析师 出品
作者：Mika
数据：真达
后期：泽龙
【导语】：今天我们聊聊火遍全网的螺蛳粉，Python技术部分可以直接看第二部分。
Show me data，用数据说话
今天我们聊聊 螺蛳粉
点击下方视频，先睹为快：
居家隔离的日子里，各类方便速食食品成了许多人的心头爱。特别是螺蛳粉，异军突起，火遍全网，几乎卖到脱销。有的螺蛳粉热销店铺的购买页面还显示，现在下单，预售40天后发货，这是种什么操作？
万万没想到，这些日子发不出货的，除了口罩，还有螺蛳粉。
今天我们就来聊一聊火遍全网的螺蛳粉。
01:
让吃货们买到断货的
螺蛳粉
螺蛳粉气味腥臭，味道酸辣，被戏称为＂生化武器＂。然而吃起来却让人欲罢不能，再加上称为灵魂的酸笋，不禁让人大呼，爱了爱了！就是这个味儿！
那么谁家卖的螺蛳粉最火，最好吃？吃货们都怎么看？
我们搜集整理了淘宝上关于螺蛳粉店铺的数据：
店铺销量排行
可以看到：销量前三的店铺分别是李子柒旗舰店、好欢螺旗舰店、嘻螺会鼎容鲜专卖店。其中李子柒旗舰店的以月销量66万+一骑绝尘。紧随其后的是好欢螺月销量57万+。第三是嘻螺会21万+。
各省螺蛳粉店铺和销量排行
最为螺蛳粉发源地，无论是在店铺数量和商品销量上，广西地区都占据了全国的大部分比重，绝对的王者。
螺蛳粉都卖多少钱？
我们分析了市面上销售螺蛳粉的价格区间，发现一份螺蛳粉一般3-5包。其中定价在30-50元一份的卖得最好，占到全网总销量的59.04%。这个价格区间，普遍让人接受，3-5包的量也很合适。
其次是0-30元一份的，销量占比27.93%，这个价格不仅物美价廉，对于想尝试螺蛳粉的新手都十分友好。
然后是一份售价50-80的螺蛳粉，销量占比10.22%。这个价位一般都有5包以上，对于螺蛳粉的重度爱好者来说是不错的选择。
买螺蛳粉，大家都看重什么？
从广大螺蛳粉的评价中我们可以看到：
大家的焦点尤其在，螺蛳粉产地要＂正宗＂。来自＂广西＂，特别是螺蛳粉的发源地＂柳州＂。
当然有意思的是，销量最高的李子柒卖的螺蛳粉产地不在广西，而是嘉兴。可能这就是网红强大的带货力吧。
其次＂包邮＂也是最关键的。毕竟，为了几块钱运费跟电商卖家磨半天嘴皮子，或者毫不留情地直接pass掉不包邮的店铺，这都是我们的真实写照。
02:
Python分析
李子柒的螺蛳粉到底有多火？
接着，我们再看到全网螺蛳粉销量之王的李子柒店铺。这次我们用Python来进行分析，先看到结论：
评论时间热度图：
从数据可以看到，螺蛳粉的数据从去年12月2日开始，一直不温不火，然而从3月中下旬开始，购买和评论数量持续走高，如今这个数据还在急剧上升。
消费者关注维度占比：
看来，螺蛳粉的口感（好不好吃）是客户最最最关注的点，占比高达41.45%，领先其他类别N个身位。
其他的维度：包装、原料、品牌，而物流和日期则提及较少，看来消费者不是太关注这些角度，或者目前基本满足要求。
关注点细节占比分布：
整体来看，主流评论以好评为主，其中口感、品牌（这个地方其实没有细分）、包装以正面评价占绝对主导。
原料、日期和性价比，负面评价占比分别是10%和32%和15%。
评论分布词云图：
从词云可以看到，螺蛳粉好不好吃是大家关注的焦点。＂味道＂＂口感＂＂好吃＂＂新鲜度＂等词都频频出现。
其次＂李子柒＂的巨大带货能力也不容小觑，毕竟很多人都是冲着李子柒小姐姐来买的。
具体步骤和代码如下：
一、导入数据和基本处理
#导入包
importnumpyasnp
importpandasaspd
importmatplotlib.pyplotasplt
importseabornassns
importre
#读入数据
df=pd.read_excel(＂李子柒螺蛳粉评论.xlsx＂)
df.head()
#去除重复值
df.drop_duplicates(inplace=True)
df.info()
<class></class>
Int64Index:1980entries,0to1979
Datacolumns(total5columns):
UserNick1980non-nullobject
comment_time1980non-nulldatetime64[ns]
content1980non-nullobject
auctionSku1980non-nullobject
comment_date1980non-nullobject
dtypes:datetime64[ns](1),object(4)
memoryusage:92.8+KB
二、数据分析
时间-热度分析
代码：
#时间走势图
df[＂comment_time＂]=pd.to_datetime(df[＂comment_time＂])
df[＂comment_date＂]=df[＂comment_time＂].dt.date
comment_num=df[＂comment_date＂].value_counts().sort_index()
frompyecharts.chartsimportLine
frompyechartsimportoptionsasopts
#折线图
line1=Line(init_opts=opts.InitOpts(width=＂1350px＂,height=＂750px＂))
line1.add_xaxis(comment_num.index.tolist())
line1.add_yaxis(＂热度＂,comment_num.values.tolist(),
areastyle_opts=opts.AreaStyleOpts(opacity=0.5),
label_opts=opts.LabelOpts(is_show=False))
line1.set_global_opts(title_opts=opts.TitleOpts(title=＂商品评价数量走势图＂),
xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=＂30＂)),
toolbox_opts=opts.ToolboxOpts(),
visualmap_opts=opts.VisualMapOpts(max_=400))
line1.set_series_opts(linestyle_opts=opts.LineStyleOpts(width=3))
line1.render()
推测2019年12.02上线商品，购买和评论数量持续走高。
三、评论分析
我们从以下几个角度对评论进行分析：
包装
品牌
物流
产品
性价比
defjudge_comment(df,result):
#创建一个空数据框
judges=pd.DataFrame(np.zeros(13*len(df)).reshape(len(df),13),
columns=[＂品牌＂,＂物流正面＂,＂物流负面＂,＂包装正面＂,＂包装负面＂,＂原料正面＂,
＂原料负面＂,＂口感正面＂,＂口感负面＂,＂日期正面＂,＂日期负面＂,
＂性价比正面＂,＂性价比负面＂])
foriinrange(len(result)):
word=result[i]
#李子柒的产品具有强IP属性，基本都是正面评价，这里不统计情绪，只统计提及次数
if＂李子柒＂inwordor＂子柒＂inwordor＂小柒＂inwordor＂李子七＂inwordor＂小七＂inword:
judges.iloc[i][＂品牌＂]=1
#先判断是不是物流相关的
if＂物流＂inwordor＂快递＂inwordor＂配送＂inwordor＂取货＂inword:
#再判断是正面还是负面情感
if＂好＂inwordor＂不错＂inwordor＂棒＂inwordor＂满意＂inwordor＂迅速＂inword:
judges.iloc[i][＂物流正面＂]=1
elif＂慢＂inwordor＂龟速＂inwordor＂暴力＂inwordor＂差＂inword:
judges.iloc[i][＂物流负面＂]=1
#判断是否包装相关
if＂包装＂inwordor＂盒子＂inwordor＂袋子＂inwordor＂外观＂inword:
if＂高端＂inwordor＂大气＂inwordor＂还行＂inwordor＂完整＂inwordor＂好＂inwordor
＂严实＂inwordor＂紧＂inwordor＂精致＂inword:
judges.iloc[i][＂包装正面＂]=1
elif＂破＂inwordor＂破损＂inwordor＂瘪＂inwordor＂简陋＂inword:
judges.iloc[i][＂包装负面＂]=1
#产品
#产品原料是牛肉为主，且评价大多会提到牛肉，因此我们把这个单独拎出来分析
if＂米粉＂inwordor＂汤＂inwordor＂配料＂inwordor＂腐竹＂inwordor＂花生＂inword:
if＂劲道＂inwordor＂多＂inwordor＂足＂inwordor＂香＂inwordor＂才＂inwordor
＂脆＂inwordor＂nice＂inword:
judges.iloc[i][＂原料正面＂]=1
elif＂小＂inwordor＂少＂inwordor＂没＂inword:
judges.iloc[i][＂原料负面＂]=1
#口感的情绪
if＂口味＂inwordor＂味道＂inwordor＂口感＂inwordor＂吃起来＂inword:
if＂不错＂inwordor＂浓鲜＂inwordor＂十足＂inwordor＂鲜＂inwordor
＂可以＂inwordor＂喜欢＂inwordor＂符合＂inword:
judges.iloc[i][＂口感正面＂]=1
elif＂不好＂inwordor＂不行＂inwordor＂不鲜＂inwordor
＂太烂＂inword:
judges.iloc[i][＂口感负面＂]=1
#口感方面，有些是不需要出现前置词，消费者直接评价好吃难吃的，例如：
if＂难吃＂inwordor＂不好吃＂inword:
judges.iloc[i][＂口感负面＂]=1
elif＂好吃＂inwordor＂香＂inword:
judges.iloc[i][＂口感正面＂]=1
#日期是不是新鲜
if＂日期＂inwordor＂时间＂inwordor＂保质期＂inword:
if＂新鲜＂inword:
judges.iloc[i][＂日期正面＂]=1
elif＂久＂inwordor＂长＂inword:
judges.iloc[i][＂日期负面＂]=1
elif＂过期＂inword:
judges.iloc[i][＂日期负面＂]=1
#性价比
if＂划算＂inwordor＂便宜＂inwordor＂赚了＂inwordor＂囤货＂inwordor＂超值＂inwordor
＂太值＂inwordor＂物美价廉＂inwordor＂实惠＂inwordor＂性价比高＂inwordor＂不贵＂inword:
judges.iloc[i][＂性价比正面＂]=1
elif＂贵＂inwordor＂不值＂inwordor＂亏了＂inwordor＂不划算＂inwordor＂不便宜＂inword:
judges.iloc[i][＂性价比负面＂]=1
final_result=pd.concat([df,judges],axis=1)
returnfinal_result
#得到数据框
judge=judge_comment(df,result=df.content)
judge.head()
#结果汇总
rank=judge.iloc[:,5:].sum().reset_index().sort_values(0,ascending=False)
rank.columns=[＂分类＂,＂提及次数＂]
rank[＂占比＂]=rank[＂提及次数＂]/rank[＂提及次数＂].sum()
rank[＂高级分类＂]=rank[＂分类＂].str[:-2]
rank
rank.loc[0,＂高级分类＂]=＂品牌＂
rank
df.shape
(1980,5)
此次评论数据去重之后一共有1980条评论数据，粗略一看，口感和包装、原料占比较高，画个图更细致的看看。
rank_num=rank.groupby(＂高级分类＂)[＂提及次数＂].sum().sort_values(ascending=False)
rank_num
高级分类
口感1511.0
包装695.0
原料602.0
品牌422.0
日期208.0
性价比146.0
物流61.0
Name:提及次数,dtype:float64
data_pair=[list(z)forzinzip(rank_num.index,rank_num.values)]
data_pair
[[＂口感＂,1511.0],
[＂包装＂,695.0],
[＂原料＂,602.0],
[＂品牌＂,422.0],
[＂日期＂,208.0],
[＂性价比＂,146.0],
[＂物流＂,61.0]]
frompyecharts.chartsimportPie
pie1=Pie(init_opts=opts.InitOpts(width=＂1350px＂,height=＂750px＂))
pie1.add(
series_name=＂num＂,
radius=[＂35%＂,＂55%＂],
data_pair=data_pair,
label_opts=opts.LabelOpts(
position=＂outside＂,
formatter=＂{a|{a}}{abg|}{hr|}{b|{b}:}{c}{per|{d}%}＂,
background_color=＂#eee＂,
border_color=＂#aaa＂,
border_width=1,
border_radius=4,
rich={
＂a＂:{＂color＂:＂#999＂,＂lineHeight＂:22,＂align＂:＂center＂},
＂abg＂:{
＂backgroundColor＂:＂#e3e3e3＂,
＂width＂:＂100%＂,
＂align＂:＂right＂,
＂height＂:22,
＂borderRadius＂:[4,4,0,0],
},
＂hr＂:{
＂borderColor＂:＂#aaa＂,
＂width＂:＂100%＂,
＂borderWidth＂:0.5,
＂height＂:0,
},
＂b＂:{＂fontSize＂:16,＂lineHeight＂:33},
＂per＂:{
＂color＂:＂#eee＂,
＂backgroundColor＂:＂#334455＂,
＂padding＂:[2,4],
＂borderRadius＂:2,
},
},
),
)
pie1.set_global_opts(legend_opts=opts.LegendOpts(pos_left=＂left＂,pos_top=＂30%＂,orient=＂vertical＂),
toolbox_opts=opts.ToolboxOpts(),
title_opts=opts.TitleOpts(title=＂消费者关注占比分布＂))
pie1.set_series_opts(
tooltip_opts=opts.TooltipOpts(trigger=＂item＂,formatter=＂{a}
{b}:{c}({d}%)＂)
)
pie1.render()
看来，螺蛳粉的口感（好不好吃）是客户最最最关注的点，没有之一，占比高达41.45%，领先其他类别N个身位。
包装、原料、品牌，而物流和日期则提及较少，消费者貌似不太关注，或者说目前基本满足要求。
那不同类别正负面评价占比是怎么样的呢？
frompyechartsimportoptionsasopts
frompyecharts.chartsimportBar
frompyecharts.commons.utilsimportJsCode
frompyecharts.globalsimportThemeType
list2=[
{＂value＂:1484.0,＂percent＂:1484.0/(1484.0+27.0)},
{＂value＂:692.0,＂percent＂:692.0/(692.0+3.0)},
{＂value＂:539.0,＂percent＂:539.0/(539.0+63.0)},
{＂value＂:422.0,＂percent＂:422.0/(422.0+0)},
{＂value＂:142.0,＂percent＂:142.0/(142.0+66.0)},
{＂value＂:124.0,＂percent＂:124.0/(124.0+22.0)},
{＂value＂:58.0,＂percent＂:58.0/(58.0+3.0)},
]
list3=[
{＂value＂:27.0,＂percent＂:27.0/(27.0+1484.0)},
{＂value＂:3.0,＂percent＂:3.0/(3.0+692.0)},
{＂value＂:63.0,＂percent＂:63.0/(63.0+539.0)},
{＂value＂:0,＂percent＂:0/(0+422.0)},
{＂value＂:66.0,＂percent＂:66.0/(66.0+142.0)},
{＂value＂:22.0,＂percent＂:22.0/(22.0+124.0)},
{＂value＂:3.0,＂percent＂:3.0/(3.0+58.0)},
]
bar1=Bar(init_opts=opts.InitOpts(width=＂1350px＂,height=＂750px＂,theme=ThemeType.LIGHT))
bar1.add_xaxis([＂口感＂,＂包装＂,＂原料＂,＂品牌＂,＂日期＂,＂性价比＂,＂物流＂])
bar1.add_yaxis(＂正面评论＂,list2,stack=＂stack1＂,category_gap=＂50%＂)
bar1.add_yaxis(＂负面评论＂,list3,stack=＂stack1＂,category_gap=＂50%＂)
bar1.set_global_opts(title_opts=opts.TitleOpts(title=＂关注点细分占比分布＂))
bar1.set_series_opts(
label_opts=opts.LabelOpts(
position=＂right＂,
formatter=JsCode(
＂function(x){returnNumber(x.data.percent*100).toFixed()+＂%＂;}＂
),
)
)
bar1.render()
importjieba
importjieba.analyse
txt=df[＂content＂].str.cat(sep=＂。＂)
#添加关键词
jieba.add_word(＂李子柒＂)
#读入停用词表
stop_words=[]
withopen(＂stop_words.txt＂,＂r＂,encoding=＂utf-8＂)asf:
lines=f.readlines()
forlineinlines:
stop_words.append(line.strip())
#添加停用词
stop_words.extend([＂40＂,＂hellip＂,＂一袋＂,＂一包＂,＂一个月＂,
＂一点＂,＂一个多月＂,＂第一次＂,＂哈哈哈＂,
＂螺狮粉＂,＂螺蛳＂])
#评论字段分词处理
word_num=jieba.analyse.extract_tags(txt,
topK=100,
withWeight=True,
allowPOS=())
#去停用词
word_num_selected=[]
foriinword_num:
ifi[0]notinstop_words:
word_num_selected.append(i)
key_words=pd.DataFrame(word_num_selected,columns=[＂words＂,＂num＂])
key_words.head()
frompyecharts.chartsimportWordCloud
frompyecharts.globalsimportSymbolType
#词云图
word1=WordCloud(init_opts=opts.InitOpts(width=＂1350px＂,height=＂750px＂))
word1.add(＂＂,[*zip(key_words.words,key_words.num)],
word_size_range=[20,200],
shape=SymbolType.DIAMOND)
word1.set_global_opts(title_opts=opts.TitleOpts(＂评论分布词云图＂),
toolbox_opts=opts.ToolboxOpts())
word1.render()
frompyecharts.chartsimportPage
page=Page()
page.add(pie1,bar1,word1)
page.render(＂评论分析.html＂)
以上就是关于螺蛳粉的全部分析内容啦。要问为什么螺蛳粉这么臭，还有这么多人爱呢？
其实对吃货们而言，喜欢的就是螺蛳粉又腥又臭又辣的味道，等疫情过去，螺蛳粉店估计也要爆满了。
关注CDA数据分析师公众号
CDA数据分析师
本文出品：CDA数据分析师（ID: cdacdacda）