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
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import re
# 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()
Int64Index: 1980 entries, 0 to 1979
Data columns (total 5 columns):
UserNick 1980 non-null object
comment_time 1980 non-null datetime64[ns]
content 1980 non-null object
auctionSku 1980 non-null object
comment_date 1980 non-null object
dtypes: datetime64[ns](1), object(4)
memory usage: 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()
from pyecharts.charts import Line
from pyecharts import options as opts
# 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
def judge_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"])
for i in range(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" in word or "子柒" in word or "小柒" in word or "李子七" in word or "小七" in word:
judges.iloc[i]["品牌"] = 1
#先判断是不是物流相关的
if "物流" in word or "快递" in word or "配送" in word or "取货" in word:
#再判断是正面还是负面情感
if "好" in word or "不错" in word or "棒" in word or "满意" in word or "迅速" in word:
judges.iloc[i]["物流正面"] = 1
elif "慢" in word or "龟速" in word or "暴力" in word or "差" in word:
judges.iloc[i]["物流负面"] = 1
#判断是否包装相关
if "包装" in word or "盒子" in word or "袋子" in word or "外观" in word:
if "高端" in word or "大气" in word or "还行" in word or "完整" in word or "好" in word or
"严实" in word or "紧" in word or "精致" in word:
judges.iloc[i]["包装正面"] = 1
elif "破" in word or "破损" in word or "瘪" in word or "简陋" in word:
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" in word or "汤" in word or "配料" in word or "腐竹" in word or "花生" in word:
if "劲道" in word or "多" in word or "足" in word or "香" in word or "才" in word or
"脆" in word or "nice" in word:
judges.iloc[i]["原料正面"] = 1
elif "小" in word or "少" in word or "没" in word:
judges.iloc[i]["原料负面"] = 1
#口感的情绪
if "口味" in word or "味道" in word or "口感" in word or "吃起来" in word:
if "不错" in word or "浓鲜" in word or "十足" in word or "鲜" in word or
"可以" in word or "喜欢" in word or "符合" in word:
judges.iloc[i]["口感正面"] = 1
elif "不好" in word or "不行" in word or "不鲜" in word or
"太烂" in word:
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" in word or "不好吃" in word:
judges.iloc[i]["口感负面"] = 1
elif "好吃" in word or "香" in word:
judges.iloc[i]["口感正面"] = 1
#日期是不是新鲜
if "日期" in word or "时间" in word or "保质期" in word:
if "新鲜" in word:
judges.iloc[i]["日期正面"] = 1
elif "久" in word or "长" in word:
judges.iloc[i]["日期负面"] = 1
elif "过期" in word:
judges.iloc[i]["日期负面"] = 1
#性价比
if "划算" in word or "便宜" in word or "赚了" in word or "囤货" in word or "超值" in word or
"太值" in word or "物美价廉" in word or "实惠" in word or "性价比高" in word or "不贵" in word:
judges.iloc[i]["性价比正面"] = 1
elif "贵" in word or "不值" in word or "亏了" in word or "不划算" in word or "不便宜" in word:
judges.iloc[i]["性价比负面"] = 1
final_result = pd.concat([df,judges],axis = 1)
return final_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) for z in zip(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]]
from pyecharts.charts import Pie
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？
from pyecharts import options as opts
from pyecharts.charts import Bar
from pyecharts.commons.utils import JsCode
from pyecharts.globals import ThemeType
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){return Number(x.data.percent * 100).toFixed() + "%";}"
),
)
)
bar1.render()
import jieba
import jieba.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 = []
with open("stop_words.txt", "r", encoding="utf-8") as f:
lines = f.readlines()
for line in lines:
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 = []
for i in word_num:
if i[0] not in stop_words:
word_num_selected.append(i)
key_words = pd.DataFrame(word_num_selected, columns=["words","num"])
key_words.head()
from pyecharts.charts import WordCloud
from pyecharts.globals import SymbolType
# 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()
from pyecharts.charts import Page
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）
