想要深入学习数据分析，第一步是要进行Python实战，然后需要对业务进行深入的理解，建立指标体系和思路，因为脱离了业务的数据分析基本上就是瞎胡闹。
这里我就不谈业务了，先演示一下如何利用Python做一次真正的、完整的数据分析实操。
————————Python实操正文————————
比如说，我想要研究亚马逊上Top100的细分品类——女式内衣的销售情况。（还有点不好意思）
需要爬取的具体字段：排名（Rank），商品名（item_name），商品详情页链接（item_link）、商品图片链接（img_src）。
2、在商品详情页爬取更多商品信息
星级、评论标签
核心：
构建函数来获取单个商品的详细信息；利用for循环，遍历商品详情页链接列表，来获取每个商品的详细信息3、爬取评论
2、以商家维度处理数据
获取所需的数据：商家的星级、评论数总和、评论数均值、最低价均值、最高价均值、价格均值、商品数量、占比。针对星级、评论数均值、价格均值、商品数量做标准化处理，并计算加权分。
平均星级达4.15分，高于平均分的商家超过一半（17/32）Top1的LALAVAVA高达4.9分，紧随其后也有5家达到4.5分。倒数第一N-pearI只有3.2分让我看看LALAVAVA长什么样。亚马逊上的商品，看上去就是普通泳衣，米国人还是很保守的嘛~
首先平均评论数只有193条，而且高于平均线的只有不到三成（12/32），想想淘宝动辄上万，我们的人口优势让米国人羡慕呀；再来看星级Top1的LALAVAVA，评论数少得可怜，那么对其商品真实质量就要存疑了；而星级倒数的N-pear I，同样评论数很少，那大概率其商品其实不咋地；反观评论数Top1的Garmol，其星级评价4.4，口碑佳评论也多，看来是不错的商品；紧随其后的几家，其星级分数就低于平均分了那么，亚马逊的星级评价难道就只受评论数的几颗星比例影响吗？我查阅了网上的一些资料，发现亚马逊评价星级评定的三个重要因素：评论距离现在的时间，评论被买家投票采纳数，评论是否有verified purchase标志（意指真实买家）。此外，评论的字符数，被点击次数等因素也可能会对评论星级有影响。
看来，亚马逊对评论的监控和管理是非常严格而复杂的！当然，最重要的还是看看评论第一名的Garmol长什么样：
从图上来看，明显ELOVER锁定的是高端市场，定价区间在49刀左右；相反，Goddessvan定价仅0.39刀，还只有一款，猜测可能是亏本冲量，提高商家曝光，抢夺低端市场从均价来看，基本分布在10-20刀间，说明这是情趣内衣市场的主要价格区间；但20-40刀区间居然没有任何商家，可以在这一块深入研究，看能不能找到证据说明该区间是蓝海，有更大的市场潜力而从每个商家的价格区间来看，大多数都是采取多颜色或款式的策略，一方面为用户提供更多选择，另一方面也体现了商家的上新能力；而仅有少数几家采取了单一爆款的策略最奢华的ELOVER看上去果然比较女神，缩略图都比别家更用心。
在Top100的商品占比中，Avidlove以28%的巨大优势称霸而其他商家基本都是个位数的占比，没有很明显的优劣势Avidlove的内衣是酷酷风的，我喜欢。
将星级、平均评论数、商品均价、商品数量进行标准化处理后，因为不好拍定加权的比例，便将4项的归一化结果x10后直接累加得到总分，并制作成条形堆积图。
而每个商家的4项指标的占比，则侧面反映其自身的优劣势。
Avidlove，刚刚的酷酷风内衣，在其他三项中规中矩的情况下，以商品数量优势夺得综合分第一，有种农村包围城市的感觉Garmol，主要依靠口碑（星级、平均评论数）的优势，夺得了第二名ELOVER，主要依靠精准切分高端市场，夺得了第三名N-pearI，没有任何优势，不出意料的光荣垫底口碑最差的N-pearI，能搜到的商品也最少，不过图很劲爆，emm……然而不是我的菜
利用价格均值和星级均值，将图切分为四个象限：
①左上象限：实惠好评的商家
②右上象限：有点贵，但一分钱一分货的商家
③右下象限：贵，但质量不咋地的商家
④左下象限：便宜没好货的商家
所以借助这张散点图，挑商家买东西就容易多啦：
追求性价比，可选择Avidlove，而且商品多，任君挑选 ；追求高端，可选择ELOVER，它贵有它的道理 ；追求大众，可选择Garmol，评论数最多，而且好评居多 。顾客可以根据自己的喜好挑选合适的商家，那么作为商家如何改进自己呢？
6、词频分析
快夸我底图选得好！
最直观的，仍然是跟“是否合身”以及质量或款式有关。那么我们就从顾客购买商品的Size&Color继续分析
这里，Size&Color的词频数据存在几点问题：1、数据量较少，仅有约6000条2、Size&Color无法较好的区分开，因此一起分析3、商家的命名规则不同，比如同样是黑色款，有个商家会命名black，而有的可能是style1（所以一些奇怪的数字编号其实是商家的款式编号）4、有些奇怪的字眼如trim可能是爬虫时爬错了或者导出csv时的格式错乱
