数据洞察 | Python解读地摊——你想好摆摊去卖什么了吗？

知乎上有一个问题：疫情结束后，你最想做的一件事是什么？

很多人学习python，不知道从何学起。
很多人学习python，掌握了基本语法过后，不知道在哪里寻找案例上手。
很多已经做案例的人，却不知道如何去学习更加高深的知识。
那么针对这三类人，我给大家提供一个好的学习平台，免费领取视频教程，电子书籍，以及课程的源代码！
QQ群：1097524789

有人这样回答，最想见的人就是家楼下烧烤店的老板；最想做的事，就是来一扎啤酒，来几十个串，一个人慢慢悠悠地吃，然后看着周围的人热热闹闹地聊天。

一场疫情，终于不少人明白：原来摇晃的红酒杯，并不是生活的全部。平平淡淡的烟火气才是生活的真谛。

最近，带着烟火气的地摊经济，火了。

这一切都源于成都的一个尝试：3月，成都就出台政策，允许商户在规定区域内临时占道经营。一时间，烧烤摊、服装摊、小商品摊纷纷摆上了路边。

两个月后，成都公布数据显示，解决了10万就业，帮助中心城区餐饮店复工率超98%。原本一季度GDP同比下降3%的成都，一下子又恢复了活力。

人流回来了，城市的活力就回来了。

突然之间，地摊经济成了人们茶余饭后的谈资，许多人都已经开始筹划着摆摊卖什么了。曾经的城管不让摆，到今天的城管喊你来摆摊，地摊经济的时代真的到来了吗？今天我们就带你用数据盘一盘。

1、微博微热点数据

我们先看到微博微热点的数据：

来源：http://www.wrd.cn/goSearch.sht

全网热度指数趋势

从全网热度指数的变化趋势来看，地摊经济的热度在6月3日起逐步升温，6月4日9时达到了99.69的峰值。

全网关键词云图

再看到全网关键词云图，在与地摊经济相关的全部信息中， 提及频次最高的词语依次为"地摊经济"、"摆摊"和"全员"。

 2、B站视频弹幕数据

目前在B站上也涌现出许多关于地摊经济的视频。

我们看到其中这个关于成都地摊经济与文化的视频，目前该个视频在B站上播放量达到14.1万，收获了3856条弹幕。

地址：

https://www.bilibili.com/video/BV1Ft4y1y7iG?from=search&seid=12113765873623399312

那么这些弹幕中大家都在谈论些什么呢？我们对这些弹幕进行分析整理，让我们看到词云图。

弹幕词云图

可以看到大家讨论最多的就是除了"地摊"、"成都"，还有就是"卫生"、"城管"、"利润"等内容。其中地摊"美食"、"小吃"、"烧烤"、"干净"也是大家十分关注的问题。

是否支持地摊经济弹幕投票

在视频结尾，也发起了你是否支持地摊经济的弹幕投票，支持的打数字1，不支持的打数字2，据统计共有1869条弹幕参与投票，其中91.44%的弹幕表示支持，不支持的仅占8.56%

3、微博评论话题数据

再让我们看到对地摊经济讨论呼声最高的微博。

首先看到微博话题：#你会考虑摆地摊吗#

我们共分析整理了3436条评论数据：

可以看到在考虑是否摆地摊时，大家考虑最多的就是"城管"的问题了，曾经的城管不让摆，到今天的城管喊你来摆摊，真是活久见啊。其次"经济"、"营业额"、"收入"等也是大家特别关心的焦点。

下面是 #如果摆地摊你会卖什么# 这个话题，目前该话题共有408.6万的阅读，共3934条讨论， 去重后我们得到3657条数据。

评论词云

通过分析词云可以发现，"贴膜"是许多人都想尝试的地摊项目。其次"烧烤"、"烤冷面"、"煎饼果子"等街头美食是许多人的选择。除了吃的，"卖花"、"饰品"、"袜子"等商品也是很多人想尝试的。有意思的是，"算命"也被多次提到。

再看到 #你的专业摆地摊儿能干啥# 我们共获取1641条讨论数据。

这里就比较有意思了：

我们可以看到比如新闻传播专业的小伙伴选择卖报纸、机械专业选择专业开锁、哲学专业选择看相算命等魔幻操作。

都是哪些人在参与地摊话题的讨论呢？我们对参与话题的微博用户进行了分析，共获得4875条条数据。

微博评论用户性别占比

可以看到，在参与话题的用户中，女性用户占比达到了71.62%，而男性用户仅占28.38%。在地摊经济的话题中，女性用户参与比例远超男性用户。

评论用户地区分布

参与话题的用户都来自哪些地区呢？经过分析整理可以看到，广东、北京、河南地区参与度最高，分布位居前三名。其次是江苏、也有不少参与话题的海外用户。

评论用户年龄分布

地摊经济的话题评论中，用户年龄分布又是怎样的呢？经过分析可见，90后的参与度最高，占比高达70.56%。其次是00后，占比12.58%。然后80后位居第三，占比为9.15%。

 

4、教你用Python分析微博数据

微博评论数据分析

我们使用Python获取了微博地摊经济话题的热门评论数据和B站热门视频弹幕数据，进行了处理和分析。B站弹幕的爬虫之前已经展示过，此处放上微博评论爬虫关键代码。

公众号后台回复关键字“地摊”获取完整数据。

01 数据获取

微博分为：微博网页端、微博手机端、以及微博移动端，此次我们选择手机端（https://m.weibo.cn/）进行数据的抓取。

我们要演示的网址如下：

https://weibo.com/5382520929/J4UtmkJUJ?type=comment#_rnd1591495913796

打开上面的网址之后，使用谷歌浏览器的抓包工具，将设备切换到手机端并再次刷新网页。

通过分析网页可以发现，评论的数据是通过动态js进行加载的，分析得到真实的数据请求地址：

https://m.weibo.cn/comments/hotflow?id=4511703964943057&mid=4511703964943057&max_id=140218361800408&max_id_type=0

参数说明如下：

id/mid:评论ID，抓包获取。

max_id/max_id_type: 前一页返回的response数据中。

我们使用requests获取数据，使用json进行解析并提取数据，关键代码如下：

# 导入包
import requests
import numpy as np
import pandas as pd
import re 
import time
import json
from faker import Factory

def get_weibo_comment(ids, mid, max_page, max_id=0, max_id_type=0):
    """
    功能：获取指定微博的评论数据，数据接口由chrome切换到手机端抓包获取。
    注意事项：此程序每次获取的数量有限制，每次获取之后隔5分钟再抓取即可
    """
    max_id = max_id
    max_id_type = max_id_type

    # 存储数据
    df_all = pd.DataFrame()

    for i in range(1, max_page):
        # 打印进度
        print('我正在获取第{}页的评论信息'.format(i))

        # 获取URL
        url = 'https://m.weibo.cn/comments/hotflow?id={}&mid={}&max_id={}&max_id_type={}'.format(ids, mid, max_id, max_id_type)

        # 添加headers
        headers = {
            'User-Agent': Factory().create().user_agent(),
            'Referer': 'https://m.weibo.cn/detail/1591254045309',
            'cookie': '复制cookie信息',
            'X-Requested-With': 'XMLHttpRequest',
        }

        # 发起请求
        try:
            r = requests.get(url, headers=headers, timeout=3)
        except Exception as e:
            print(e)
            r = requests.get(url, headers=headers, timeout=3)

        if r.status_code==200:
            # 解析数据
            json_data = json.loads(r.text)

            # 获取数据
            comment_data = json_data['data']['data']

            created_time = [i.get('created_at') for i in comment_data]
            text = [i.get('text') for i in comment_data]
            user_id = [i['user'].get('id') for i in comment_data]
            screen_name = [i['user'].get('screen_name') for i in comment_data]
            reply_num = [i.get('total_number') for i in comment_data]
            like_count = [i.get('like_count') for i in comment_data]

            # max_id
            max_id = json_data['data']['max_id']
            # max_id_type
            max_id_type = json_data['data']['max_id_type']

            # 存储数据
            df_one = pd.DataFrame({
                'created_time': created_time,
                'text': text,
                'user_id': user_id,
                'screen_name': screen_name,
                'reply_num': reply_num,
                'like_count': like_count
            })

            # 追加
            df_all = df_all.append(df_one, ignore_index=True)

            # 休眠一秒
            time.sleep(np.random.uniform(2))

        else:
            print('解析出错！打印最后一次的值', max_id, max_id_type)
            continue

    return df_all

# 运行函数
if __name__ == '__main__':
    # 获取一条微博评论
    df = get_weibo_comment(ids='4511703964943057', mid='4511703964943057', max_page=200)

获取到的数据以数据框的形式存储，包含评论时间、评论文本、评论用户id，回复数和点赞数。格式如下所示：

df.head()  

02 数据预处理

我们对获取的数据进行初步的处理，主要包含：

1. 重复值处理

2. created_time：提取时间信息

3. text：初步清洗

4. user_id：根据用户ID获取用户相关信息，步骤暂略。

# 重复值
df = df.drop_duplicates()

# 转换字典
week_transform = {
    'Mon': '星期一',
    'Tue': '星期二',
    'Wed': '星期三',
    'Thu': '星期四',
    'Fri': '星期五',
    'Sat': '星期六',
    'Sun': '星期日'
}

# 提取星期
df['day_week'] = df['created_time'].str.split(' ').apply(lambda x:x[0])
df['day_week'] = df['day_week'].map(week_transform) 

# 提取日期时间
df['time'] = df['created_time'].str.split(' ').map(lambda x:x[-1]+'-'+x[1]+'-'+x[2]+' '+x[3])
df['time'] = df.time.str.replace('May', '05').str.replace('Jun', '06')

# text 字段处理
pattern = '<span.*?</span>|<a.*?</a>'

df['text'] = [re.sub(pattern, '', i) for i in df['text']]

# 删除列
df = df.drop(['created_time', 'user_id', 'screen_name'], axis=1)  

经过清洗之后的数据格式如下：

df.head() 

03 数据可视化分析

我们使用pyecharts和stylecloud进行可视化分析，此处只展示部分代码。

#如果去摆地摊该做什么生意?#

def get_cut_words(content_series):
    # 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())

    # 添加关键词
    my_words = ['胸口碎大石', '烤冷面', '贴膜', '卖衣服', '套大鹅'] 
    for i in my_words:
        jieba.add_word(i) 

    # 定义停用词
    my_stop_words = ['信公号', '摆地摊', '摆摊', '地摊', '哈哈哈哈', '手机',
                    '这是', '这是哪', '哈哈哈', '真的', '一千', '专业',
                    '有人', '我要', '那种', '只能', '好吃', '喜欢', '城管',
                    '评论', '卖点', '有没有', '秘籍',
                    ]
    stop_words.extend(my_stop_words)               

    # 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 word_num_selected

# 分词
text = get_cut_words(content_series=df.text)

# 获取top10
shengyi_num = pd.Series(text)
num_top10 = shengyi_num.value_counts()[:10]

# 条形图
bar1 = Bar(init_opts=opts.InitOpts(width='1350px', height='750px')) 
bar1.add_xaxis(num_top10.index.tolist())
bar1.add_yaxis('', num_top10.values.tolist()) 
bar1.set_global_opts(title_opts=opts.TitleOpts(title='如果去摆地摊该做什么生意-Top10'),
                     visualmap_opts=opts.VisualMapOpts(max_=150)
                    ) 
bar1.render() 

# 绘制词云图
stylecloud.gen_stylecloud(text=' '.join(text), 
                          collocations=False,
                          font_path=r'‪C:\Windows\Fonts\msyh.ttc',   # 更换为本机的字体
                          icon_name='fas fa-pie-chart',
                          size=768,
                          output_name='如果去摆地摊该做什么生意.png')
Image(filename='如果去摆地摊该做什么生意.png')