开启掘金成长之旅！这是我参与「掘金日新计划 · 12 月更文挑战」的第35天，点击查看活动详情
日期销量
为了直观的了解每日的销量状况，这边使用折线图来展现销量
lis = [i.replace("/","-") for i in shopping_data['update_time']]
date = pd.Series(lis)
shopping_data["update_time"]=date
# 转成datetime格式，方便排序
shopping_data['update_time']=pd.to_datetime(shopping_data['update_time'],format='%Y-%m-%d')
date_rank = shopping_data.groupby("update_time").sum()
print(date_rank.index)
plt.rcParams['font.sans-serif']=['SimHei']
# 必加，否则会无法显示中文
plt.figure(figsize=[10,10])
plt.title("日期销量")
plt.plot(date_rank.index,date_rank["sale_count"])
plt.show()
效果：
很明显，双十一的前几天大家的购买欲望都很足，消费一波后大家的钱包空了，购买量也很明显的减少了。
产品评论量前10
c_rank = shopping_data.groupby("title").sum().sort_values(by="comment_count",ascending=False).head(10)
print(c_rank)
plt.rcParams['font.sans-serif']=['SimHei']
# 必加，否则会无法显示中文
plt.figure(figsize=[10,10])
plt.title("评论量前10")
plt.plot(c_rank.index,c_rank["comment_count"])
plt.xticks(rotation=270)
plt.show()
效果：
很明显的，这个第一个产品评论量，遥遥领先，实际上这不太能看出什么，但一般来说第一个产品肯定是在市场上流通量相对好的。毕竟黑粉也是粉嘛。
店面评论量前10
c_rank = shopping_data.groupby("店名").sum().sort_values(by="comment_count",ascending=False).head(10)
print(c_rank)
plt.rcParams['font.sans-serif']=['SimHei']
# 必加，否则会无法显示中文
plt.figure(figsize=[10,10])
plt.title("店名评论量前10")
plt.bar(c_rank.index,c_rank["comment_count"])
plt.xticks(rotation=270)
plt.show()
这边可以看到，悦诗风吟的产品可能说市场流通量更多。 。
总结
简易的数据分析实际上不难，重点在于要动脑，开发出有用的数据以供他人观看。
