CDA數據分析師 出品

作者：Mika

數據：真達  

后期：澤龍

【導讀】

隨著自熱食品越來越備受消費者的追捧，各種自熱小火鍋、自熱米飯也成了妥妥的網紅食品。我們今天就來聊一聊自熱食品。

Python技術部分請直接看第三部分。公眾號后臺，回復關鍵字“自熱”獲取完整數據。

Show me data，用數據說話

今天我們聊一聊 自熱食品

點擊下方視頻，先睹為快：

。自熱火鍋、自熱米飯、即食酸辣粉、即食螺螄粉等方便食品的銷量迎來大幅度增長。光是今年春節，自熱火鍋的銷售暴漲就驚起討論無數。

自熱火鍋，自熱米飯們就這么成為了新的網紅食品，持續霸占著電商銷售量榜首，你吃過自熱火鍋嗎？哪款自熱食品賣得最好？今天我們就帶你用數據來解讀這些自熱食品。

01

“萬物皆可自熱”

自熱食品就這么火了

隨著自熱食品越來越備受消費者的追捧，各種自熱小火鍋、自熱米飯也成了妥妥的網紅食品。一時間，各種自熱食品品牌如雨后春筍涌出。自熱食品的市場規模也逐年擴大，預計今年將達到40億元。

來源：《自熱食品網絡關注度分析報告》—微熱點大數據研究院

超市里曾經被泡面牢牢占據的方便食品貨架，迅速被自熱火鍋、自熱米飯、自熱面搶走半壁江山。

目前自熱食品的入局企業不僅有傳統的火鍋巨頭，如海底撈、小龍坎；還有像三只松鼠、良品鋪子等零食廠商；同時還有像自嗨鍋莫小仙等主打速食品類的新興品牌。

根據莫小仙的數據，在疫

其實像外賣、速凍、泡面和眼下潮頭上的各種自熱鍋，本質都是“懶人經濟”。同樣是方便食品，泡個面還得燒水，速凍食品還得開火加熱，而自熱鍋多方便，比起方便面自熱鍋在選擇上好歹有肉有菜有飯有面，選擇上略勝一籌。

02

全網哪款自熱火鍋賣得最好？

我們使用Python獲取了淘寶網自熱食品相關的商品銷售數據，共有4403條數據。

自熱食品品類月銷量

首先我們看看自熱食品都有哪些類別。我們可以看到，賣得最好的是各種自熱火鍋，以超過190多萬的月銷量一騎絕塵。排在第二位的是自熱米飯，銷售量超過64萬。排在后面的還有自熱方便面、自熱粉絲、自熱燒烤等等。

哪款自熱食品賣的最好？

那么都是哪些自熱食品賣得最好呢？下面看到產品月銷量排名top10。排在前三位的月銷量都超過了12萬，分別是椒吱自熱小火鍋、阿寬自熱米飯和辣味客重慶自熱小火鍋。

自熱食品店鋪銷量排行

都是哪些店鋪占據著自熱食品銷量的前列呢？

通過分析我們發現，賣的做多的是天貓超市。那么具體的店鋪方面，前三位分別是莫小仙、自嗨鍋以及川蜀老味道。辣味客、白家陳記等店緊隨其后。

自熱食品標題詞云

整理自熱食物的標題后我們發現：“即時”、“速食”、“自熱”、“懶人”等詞都常常出現，果然是懶人經濟，就是講究個方便和快速，讓你撕開包裝，不需過多的操作就能吃上。類別上主要集中在“火鍋”、“米飯”、“麻辣燙”、“面類”等。

自熱食品店鋪地區分布

這些自熱食品的店鋪都分布在哪些地區呢？從銷量靠前的商品我們也可以猜到，這方面四川絕對是霸主，全網的自熱食品店鋪數量排名中，四川以1140家店鋪稱霸。

其次廣東和上海分別以1007和1002家店位居二三。

自熱食品都賣多少錢？

再看到自熱食品的價格，可以看到30元以下的超過了半數，占比62.78%。這也是大眾普遍能接受的價格，價格再高的話還不如點份外賣了。

03

教你用Python分析

全網自熱食品數據

我們使用Python獲取了淘寶網自熱食品相關的商品銷售數據，進行了以下數據分析。

回復關鍵字“自熱” 獲取詳細數據代碼

數據讀入

1

首先導入所需包:

# 導入包

import numpy as np 

import pandas as pd 

import time  

import jieba 

import os  

from pyecharts.charts import Bar， Line， Pie， Map， Page

from pyecharts import options as opts 

import stylecloud

from IPython.display import Image

使用循環讀入數據集，查看一下數據集大小，可以看到一共有4403條數據。

file_list = os.listdir(../data/) 

df_all = pd.DataFrame()

# 循環讀入

for file in file_list:

    df_one = pd.read_excel(f../data/{file}) 

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

print(df_all.shape) 

(13984， 6)

預覽一下數據。

df_all.head() 

數據預處理

2

我們對數據集進行以下處理，以便我們后續的可視化分析工作，經過處理之后的數據共8418條。

去除重復值

goods_name：暫不處理

shop_name：暫不處理

price：暫不處理

purchase_num：提取人數，注意單位萬的處理

計算銷售額 = price * purchase_num

location：提取省份

# 去除重復值

df_all.drop_duplicates(inplace=True)

# 刪除購買人數為空的記錄

df_all = df_all[df_all[purchase_num].str.contains(人付款)]

# 重置索引

df_all = df_all.reset_index(drop=True)

df_all.info()

RangeIndex: 8418 entries， 0 to 8417

Data columns (total 6 columns):

#   Column        Non-Null Count  Dtype

---  ------        --------------  -----  

 0   category      8418 non-null   object 

1   goods_name    8418 non-null   object

 2   shop_name     8418 non-null   object 

3   price         8418 non-null   float64

 4   purchase_num  8418 non-null   object 

 5   location      8418 non-null   object 

dtypes: float64(1)， object(5)

memory usage: 394.7+ KB

# 提取數值

df_all[num] = df_all[purchase_num].str.extract((\d+)).astype(int)

# 提取單位

df_all[unit] = df_all.purchase_num.str.extract(r(萬)) 

df_all[unit] = df_all.unit.replace(萬， 10000).replace(np.nan， 1)

# 重新計算銷量

df_all[true_purchase] = df_all[num] * df_all[unit] 

# 刪除列

df_all = df_all.drop([purchase_num， num， unit]， axis=1)

# 計算銷售額

df_all[sales_volume] = df_all[price] * df_all[true_purchase]

# location

df_all[province] = df_all[location].str.split().str[0]

df_all.head() 

數據可視化

3

此部分部分主要對以下的維度數據進行匯總和可視化分析，以下展示關鍵部分：

自熱食品細分品類月銷量表現

自熱食品各店鋪月銷量排行Top10

各省份自熱食品店鋪數量排行Top10

全國自熱食品店鋪月銷量分布

自熱食品都賣多少錢？

商品標題詞云圖

3.1 自熱食品細分品類月銷量表現

cat_num = df_all.groupby(category)[true_purchase].sum() 

cat_num = cat_num.sort_values(ascending=False)

# 條形圖

bar1 = Bar(init_opts=opts.InitOpts(width=1350px， height=750px)) 

bar1.add_xaxis(cat_num.index.tolist())

bar1.add_yaxis(， cat_num.values.tolist()) 

bar1.set_global_opts(title_opts=opts.TitleOpts(title=自熱食品細分品類月銷量表現)，

xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=0))，

                     visualmap_opts=opts.VisualMapOpts(max_=1960179.0) 

                    ) 

bar1.render() 

3.2 自熱食品各店鋪月銷量排行Top10

shop_top10 = df_all.groupby(shop_name)[true_purchase].sum().sort_values(ascending=False).head(10)

shop_top10.sort_values(inplace=True)

# 條形圖

bar2 = Bar(init_opts=opts.InitOpts(width=1350px， height=750px)) 

bar2.add_xaxis(shop_top10.index.tolist())

bar2.add_yaxis(， shop_top10.values.tolist()) 

bar2.set_global_opts(title_opts=opts.TitleOpts(title=自熱食品各店鋪月銷量排行Top10)，

                    ) 

bar2.set_series_opts(label_opts=opts.LabelOpts(position=right))

bar2.set_colors([#50A3BA])

bar2.reversal_axis() 

bar2.render() 

3.3 各省份自熱食品店鋪數量排行Top10

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

# 條形圖

bar3 = Bar(init_opts=opts.InitOpts(width=1350px， height=750px))

bar3.add_xaxis(province_top10.index.tolist())

bar3.add_yaxis(， province_top10.values.tolist())

bar3.set_global_opts(title_opts=opts.TitleOpts(title=各省份自熱食品店鋪數量排行Top10)，

visualmap_opts=opts.VisualMapOpts(max_=1140)

                    ) 

bar3.render() 

3.4 全國自熱食品店鋪月銷量分布

province_num = df_all.groupby(province)[true_purchase].sum().sort_values(ascending=False)

# 地圖

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=全國自熱食品店鋪月銷量分布)，

visualmap_opts=opts.VisualMapOpts(max_=500000)，

                    )

map1.render() 

3.5 自熱食品都賣多少錢

# 分箱

bins = [0，30，50，100，150，200，500，1000，9999]

labels = [0-30元， 30~50元， 50-100元， 100-150元， 150-200元， 200-500元， 500-1000元， 1000-8800]

df_all[price_cut] = pd.cut(df_all.price， bins=bins， labels=labels， include_lowest=True)

price_num = df_all[price_cut].value_counts()

# 數據對

data_pair2 =  [list(z) for z in zip(price_num.index.tolist()， price_num.values.tolist())]

# 繪制餅圖

pie2 = Pie(init_opts=opts.InitOpts(width=1350px， height=750px))

pie2.add(， data_pair2， radius=[35%， 60%])

pie2.set_global_opts(title_opts=opts.TitleOpts(title=自熱食品都賣多少錢？)， 

legend_opts=opts.LegendOpts(orient=vertical， pos_top=15%， pos_left=2%))

pie2.set_series_opts(label_opts=opts.LabelOpts(formatter="{b}:\n{d}%"))

pie2.set_colors([#EF9050， #3B7BA9， #6FB27C， #FFAF34， #D8BFD8， #00BFFF])

pie2.render() 

結語：

最后在說道自熱食品，雖然說宅家時，打開包裝稍等一會兒就能吃上熱騰騰的小火鍋或米飯，真的是太方便了。但是同時，關于自熱食品安全隱患的消息也頻出，在食物的種類和口感上更是比不上自己做的或外面吃的新鮮食材了。對自熱食品你是怎么看的呢？歡迎留言告訴我們哦。

關注CDA數據分析師公眾號回復關鍵字“自熱” 獲取詳細數據代碼

CDA數據分析師 

本文出品：CDA數據分析師（ID: cdacdacda）

冷鏈服務業務聯系電話：19937817614

華鼎冷鏈是一家專注于為餐飲連鎖品牌、工廠商貿客戶提供專業高效的冷鏈物流服務企業，已經打造成集冷鏈倉儲、冷鏈零擔、冷鏈到店、信息化服務、金融為一體的全國化食品凍品餐飲火鍋食材供應鏈冷鏈物流服務平臺。

鄭重聲明：部分文章來源于網絡，僅作為參考，如果網站中圖片和文字侵犯了您的版權，請聯系我們處理！

標簽:

食品安全網

上一篇：我們找到了N種速食火鍋的大評測，告訴你哪種最好吃！

下一篇：哪種火鍋比較好吃，理由是什么？