双十一美妆销量分析

双十一美妆销量分析

 

摘  要：近年来，电商行业持续引领中国新消费变革，而今年由于新冠疫情的影响，使线上零售持续增长，成为国内拉动消费的核心渠道。作为疫情后的首个“双11”，今年天猫“双11”的总成交额高达4982亿元，成为历年来最高。美业颜究院数据显示，此次“双11”期间美妆市场同比增长21.79%，其中洗护市场增长超过整体，从数据上看，今年主要还是由洗护类目拉动“双11”整体市场的同比增长。

通过对双十一美妆销量分析来掌握美妆行业市场运行规律，从而对么美妆行业的未来的发展趋势特点、市场容量、竞争趋势、细分下游市场需求趋势等进行预测。

关键词： MySQL数据库 美妆销量

目 录

1 引言1

1.1 美妆销量的研究背景及意义1

1.2 美妆现状与发展趋势2

1.3 双十一美妆销量的可行性分析2

2 项目目标和内容3

2.1 目标和内容3

2.1.1目标3

2.1.2内容3

2.2 相关任务3

3 开发环境以及工具和技术的介绍4

3.1 项目开发环境4

3.2 主要开发工具介绍4

3.2.1 PyCharm4

3.2.2 MySQL5

3.2.3Python6

3.2.4 Adobe Photoshop CS67

3.3 主要技术介绍7

3.3.1 HTML7

3.3.2 java script8

3.3.3 CSS8

3.3.4 Python核心编程8

4 项目分析9

4.1 项目概述9

4.2项目模块和流程9

4.3项目进度安排9

5 数据库设计10

5.1 MySQL数据库设计命名规范10

5.1.1数据库命名规范10

5.1.2数据库表名命名规范10

5.1.3数据库表字段名命名规范10

5.1.4数据库表字段类型规范10

5.1.5数据库表索引规范10

命名简洁明确,例如：user_login表user_name字段的索引应为user_name_index唯一索引;为每个表创建一个主键索引;为每个表创建合理的索引；建立复合索引请慎重。10

5.1.6简单熟悉数据库范式11

5.2 数据库表关系11

5.2.1产品销售明细表11

5.2.2天猫美妆每天产品总销售量表11

5.2.3订单量前十的品牌表11

6项目实现13

6.1环境搭建13

6.1.1Pycharm配置13

6.1.2Python环境搭建13

6.1.3mysql配置14

6.2数据爬取15

6.2.1网络爬虫介绍15

6.2.2双十一美妆数据爬取16

6.3数据清洗与保存17

6.3.1数据清洗介绍17

6.3.2双十一美妆数据清洗18

6.4数据可视化分析产生图表21

7 项目优化29

8总结与展望31

致谢32

参考文献33