CDA数据分析师出品

作者：Mika、泽龙

数据：真达

后期：泽龙

【导语】：今天我们来聊聊小朋友和大朋友们都爱不释手的乐高，Python技术部分请看第四部分。公众号后台，回复关键字“乐高”获取完整数据。

Show me data，用数据说话

今天我们聊一聊乐高

点击下方视频，先睹为快：

六一儿童节马上要到了，过节的不仅仅是儿童，还有很多不想长大的成年人。然而，儿童游乐场不好意思去跟小朋友抢，幼儿园里已经没有容身之地。这时，玩具可能是最后一件能让成年人过把瘾的方式了。

根据去年的天猫双11数据统计：双11玩具/童车/益智/积木品牌TOP20榜单中，在玩具领域，乐高位居首位，占据了1/5的市场份额，销售额超过1138万元，销量达14712件，妥妥的玩具领域大佬。今天我们就用数据来聊一聊，小朋友和大朋友们都爱不释手的乐高。

老少皆宜大IP联名

玩具居然可以这么玩？！

1932年，乐高公司在丹麦成立。商标“LEGO”是来自丹麦语“LEg GOdt”,意为“play well”。

在10年前，乐高真是家庭水准的体现，小时候能有个乐高玩具，应该是很多人的梦想，但是长大了发现，现在拥有乐高玩具，也是梦想。有多少人在疫情期间想在淘宝买乐高玩具，也来挑战下千年隼75192，证明自己不再是手残党。

外国的乐高狂热粉丝用乐高拼了一辆能开的跑车，真的可以以每小时15公里的速度前进，这也算是人类创造能力的体现，本身乐高提倡的就是自由组装，play well。创造力才是他们的核心，这也就证明了乐高从小孩玩具到创造力检测仪的进化。

如今的乐高就像玩具界的Supreme，时不时就弄出套联名款，即使你不是乐高粉丝，也忍不住赶紧送上钱包。

之前，乐高就和暴雪合作推出了《乐高守望先锋系列》。

《乐高星球大战系列》，至今全球已经热销超过两千万套。其中“豪华千年隼”，更是被称为“乐高史上最大套装”。

从DC的蝙蝠侠到漫威的钢铁侠，热门电影的热度“能蹭就蹭”。

如果你是《哈利波特》迷，等不到送入学通知书的猫头鹰？没关系，乐高让你直接把霍格沃茨买回家。

都是哪些人在玩乐高？

那么都是哪些人在玩乐高呢？我们用Python获取“乐高中国”最新的三条微博(5.06日、5.08日、5.15日发布)后的评论和粉丝信息，分析粉丝画像，数据共4815条。

粉丝性别占比

首先看到乐高中国的微博粉丝性别占比，从数据可以看到，女性粉丝远超男性，占比高达到65.23%，男性占比34.77%

粉丝数量地区分布

都是哪些地区的人最爱玩乐高呢？

从图中可以看到，北上广位居前三，海外的粉丝也不少，位居第四。之后就是江苏、山东分别为第五和第六。

粉丝年龄分布

18-25岁的粉丝最多占比高达38.69%，其次就是25-30岁的了，占比为24.01%，30-40岁的占比19.97%。总体来说，乐高在国内的粉丝还是比较年轻化的，既有喜欢玩乐高的年轻玩家，也有热衷给孩子买乐高玩的年轻父母。

微博评论词云

下面我们看到“乐高中国”微博下面的评论词云，可以看到提到最多的就是"乐高"。同时"齐天大圣"、"忍者神龟"等都是被提及最多的热门款。

哪款乐高卖的最好？

下面我们用Python进一步分析乐高在天猫和淘宝全网的数据，我们共搜集整理了乐高在淘宝的商品数据，一共4404条商品信息。以及天猫乐高旗舰店一共392条的数据。

乐高销量TOP10店铺

首先看到淘宝全网乐高销量店铺的排名。不用说，乐高官方旗舰店是妥妥的第一位，其次天猫超市的位居第二。

乐高产地排名TOP10

乐高产地方面，我们可以看到，广东和上海是大头，位居第一和第二。北京位居第三。

不同价格区间商品数量

乐高的定价如何呢？我们可以看到0-50元的乐高商品是最多的，达到895件。其次100-200元的也不少，以701件位居第二。1000元以上的资深玩家款最少，为260件。

不同价格区间的销售额

这里就比较有意思了，1000元以上的销售额占比达到32.24%，果然是人民币玩家的专选。其次500-1000元的商品销售额占比15.91%。紧接着较为平价的100-200元款，销售额占比15.76%。

淘宝乐高商品标题词云

下面看到淘宝乐高相关标题的词云，"乐高"、"玩具"、"积木"都是提及最多的关键词。同时"益智"、"系列"、"正品"等词也是标题中常有的词。

我们再具体看看哪款乐高产品卖得最好。

乐高旗舰店商品销量TOP10

让我们再看到乐高旗舰店的数据：

我们可以看到，孙悟空齐天大圣黄金机甲这款，以月销量4765件位居榜首。

其次第二位是R赛车成人送礼收藏车模，月销量2750件。然后云霄战机孙悟空齐天大圣位居第三，月销量达到2453件。

不同价格区间商品数量

在商品价格区间方面，可以看到数量最多的还是0-50元的平价款，共2082件商品，远远高于其他价格区间。其次50-100元的商品有495件。

不同价格区间销售额

最后，我们再看到不同价格区间的销售额：

这里与淘宝全网数据不同，销售额占比最高的是0-50元的商品，占比49.21%。其次是50-100元，占比16.13%。而1000元以上的销售额占比最少，仅为2.94%。这也说明，在购买1000元以上的收藏款时，大家更倾向于在其他渠道购买，而不是官方旗舰店。

乐高旗舰店商品标题词云

我们再看看在乐高旗舰店，商品标题都有什么特点。可以看到标题中，"积木"、"玩具"、"XX系列"都被常常提到。同时"送礼"、"创意"、"益智"、"收藏"等也常出现。

带你用Python分析乐高淘宝数据

我们使用Python分别获取了淘宝上的乐高商品数据、乐高旗舰店的店铺商品销售数据和微博乐高中国的评论和粉丝数据，进行了数据分析分析。此处展示淘宝商品分析部分代码。按照常规数据分析流程进行：

公众号后台，回复关键字“乐高”获取完整数据。

01 数据读入

首先导入所需的库，并读入采集的数据集。其中pandas用于数据整理、jieba用于分词、pyecharts和stylecloud用于绘制可视化图形。

# 导入包
import pandas as pd 
import time  
import jieba 

from pyecharts.charts import Bar, Line, Pie, Map, Page
from pyecharts import options as opts 
from pyecharts.globals import SymbolType
import stylecloud

获取到的数据集如下所示：

# 读入数据
df_tb = pd.read_excel('../data/乐高淘宝数据.xlsx')
df_tb.head()

查看一下数据框的大小，可以看到一共有4403个样本。

df_tb.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 4404 entries, 0 to 4403
Data columns (total 5 columns):
goods_name      4404 non-null object
shop_name       4404 non-null object
price           4404 non-null float64
purchase_num    4404 non-null object
location        4404 non-null object
dtypes: float64(1), object(4)
memory usage: 172.1+ KB

02 数据处理

此处我们对各个字段进行以下处理以方便后续的数据分析工作，经过去重之后一共有3411个样本：

去除重复值
goods_name：暂不处理
shop_name：暂不处理
price：暂不处理
purchase_num：提取人数
计算销售额 = price * purchase_num
location：提取省份

# 去除重复值
df_tb.drop_duplicates(inplace=True)

# 删除购买人数为空的记录
df_tb = df_tb[df_tb['purchase_num'].str.contains('人付款')]

# 重置索引
df_tb = df_tb.reset_index(drop=True)
df_tb.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 3411 entries, 0 to 3410
Data columns (total 5 columns):
goods_name      3411 non-null object
shop_name       3411 non-null object
price           3411 non-null float64
purchase_num    3411 non-null object
location        3411 non-null object
dtypes: float64(1), object(4)
memory usage: 133.3+ KB

# purchase_num处理
df_tb['purchase_num'] = df_tb['purchase_num'].str.extract('(\d+)').astype('int')

# 计算销售额
df_tb['sales_volume'] = df_tb['price'] * df_tb['purchase_num']

# location
df_tb['province'] = df_tb['location'].str.split(' ').str[0]
df_tb.head()

03 数据可视化

数据可视化部分主要对以下的信息进行汇总和可视化分析，分析维度和使用图形如下：

乐高销量排名top10店铺 - 条形图
乐高产地数量排名top10 - 条形图
乐高产地国内销量分布 - 地图
价格分布 - 饼图
不同价格区间的销量表现 - 饼图
商品标题词云图 - 词云图

乐高销量排名Top10淘宝店铺 - 条形图

shop_top10 = df_tb.groupby('shop_name')['purchase_num'].sum().sort_values(ascending=False).head(10)

# 条形图
bar1 = Bar(init_opts=opts.InitOpts(width='1350px', height='750px')) 
bar1.add_xaxis(shop_top10.index.tolist())
bar1.add_yaxis('', shop_top10.values.tolist()) 
bar1.set_global_opts(title_opts=opts.TitleOpts(title='乐高销量排名Top10淘宝店铺'),
                     xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=-15)),
                     visualmap_opts=opts.VisualMapOpts(max_=28669)
                    ) 
bar1.render()

乐高店铺产地数量排名top10

province_top10 = df_tb.province.value_counts()[:10]

bar2 = Bar(init_opts=opts.InitOpts(width='1350px', height='750px')) 
bar2.add_xaxis(province_top10.index.tolist())
bar2.add_yaxis('', province_top10.values.tolist()) 
bar2.set_global_opts(title_opts=opts.TitleOpts(title='乐高店铺产地数量排名top10'),
                     visualmap_opts=opts.VisualMapOpts(max_=1000)
                    ) 
bar2.render()

国内各省份乐高销量分布图

province_num = df_tb.groupby('province')['purchase_num'].sum().sort_values(ascending=False) 

# 地图
map1 = Map(init_opts=opts.InitOpts(width='1350px', height='750px'))
map1.add("", [list(z) for z in zip(province_num.index.tolist(), province_num.values.tolist())],
         maptype='china'
        ) 
map1.set_global_opts(title_opts=opts.TitleOpts(title='国内各产地乐高销量分布图'),
                     visualmap_opts=opts.VisualMapOpts(max_=172277),
                    )
map1.render()

天猫乐高价格分布

# 分箱
cut_bins = [0,50,100,200,300,500,1000,8888] 
cut_labels = ['0~50元', '50~100元', '100~200元', '200~300元', '300~500元', '500~1000元', '1000元以上']

price_cut = pd.cut(df_tb['price'], bins=cut_bins, labels=cut_labels)
price_num = price_cut.value_counts()

# 饼图
bar3 = Bar(init_opts=opts.InitOpts(width='1350px', height='750px')) 
bar3.add_xaxis(['0~50元', '50~100元', '100~200元', '200~300元', '300~500元', '500~1000元', '1000元以上'])
bar3.add_yaxis('', [895, 486, 701, 288, 370, 411, 260]) 
bar3.set_global_opts(title_opts=opts.TitleOpts(title='不同价格区间的商品数量'),
                     visualmap_opts=opts.VisualMapOpts(max_=900)) 
bar3.render()

不同价格区间的销售额整体表现

# 添加列
df_tb['price_cut'] = price_cut
cut_purchase = df_tb.groupby('price_cut')['sales_volume'].sum()

# 数据对
data_pair =  [list(z) for z in zip(cut_purchase.index.tolist(), cut_purchase.values.tolist())]

# 绘制饼图
pie1 = Pie(init_opts=opts.InitOpts(width='1350px', height='750px'))
pie1.add('', data_pair, radius=['35%', '60%'])
pie1.set_global_opts(title_opts=opts.TitleOpts(title='不同价格区间的销售额整体表现'), 
                     legend_opts=opts.LegendOpts(orient='vertical', pos_top='15%', pos_left='2%'))
pie1.set_series_opts(label_opts=opts.LabelOpts(formatter="{b}:{d}%"))
pie1.set_colors(['#EF9050', '#3B7BA9', '#6FB27C', '#FFAF34', '#D8BFD8', '#00BFFF', '#7FFFAA'])
pie1.render()

商品标题词云图

def get_cut_words(content_series):
    """
    功能：传入Seires，获取分词后的结果，返回字符串。
    """
    # 读入停用词表
    stop_words = [] 

    # 读入stop_words文件
    with open(r"stop_words.txt", 'r', encoding='utf-8') as f:  
        lines = f.readlines()
        for line in lines:
            stop_words.append(line.strip())

    # 添加关键词
    my_words = ['乐高', '悟空小侠', '大颗粒', '小颗粒'] 
    for i in my_words:
        jieba.add_word(i) 

    # 分词
    word_num = jieba.lcut(content_series.str.cat(sep='。'), cut_all=False)

    # 条件筛选
    word_num_selected = [i for i in word_num if i not in stop_words and len(i)>=2]

    return ' '.join(word_num_selected) 

# 生成分词str
text = get_cut_words(content_series=df_tb['goods_name'])

# 绘制词云图
stylecloud.gen_stylecloud(text,  # 绘图文本
                          collocations=False,
                          font_path=r'‪C:\Windows\Fonts\msyh.ttc',  # 电脑字体路径
                          icon_name='fas fa-heart',  # 绘图形状
                          size=768,  # 绘图尺寸
                          output_name='淘宝乐高标题词云图.png'  # 输出png文件
                         )