京东热销手机评论中的 数据分析及简单挖掘

毕业设计（论文）

题目京东热销手机评论中的

数据分析及简单挖掘

学生姓名：

指导教师：

理学院数学与应用数学专业101 班

京东热销手机评论中的

数据分析及简单挖掘

Analysis of data and simple mining Jingdong selling mobile phone in comments

学生姓名：

所在专业：数学与应用数学

班级：101

指导教师：

申请学位：理学学士

论文提交日期：2013 -05-20

论文答辩日期：2013 -06-16

学位授予单位：

摘要

手机已然成为人们生活中的必需品，正因为存在着广阔的市场需求，手机的种类也越来越多。如何在这繁多的手机中选择出一部适合于自己的，自然成为即将购买手机用户的一个绕不过去的话题。由此，本文将对所采集的京东的14部热销手机的评论进行数据分析和数据的简单挖掘。

考虑到对手机评价的直观印象是依赖于star字段，所以本文先取出每部手机所有的star字段。由于事先并不知道star的分布情况，先求出基本统计量，如均值、峰度、偏度等，接下来对其进行探索性分析，通过Kolmogorov-Smirnov检验计算出数据不呈正态分布，然后通过Kruskal-Wallis检验得出手机间存在显著性差异，可是这并不知道每两部手机间的具体情况，所以又对数据进行Nemenyi 检验，即多独立样本间均值的两两比较检验，从而得出每两部手机间的具体差异情况。最后，通过计算每个分值在所有得分中的占比来衡量手机间的得分情况，得出id编号为982040的手机得分情况最好，858025和1005766两部手机得分情况最差。并且，所得结果与前文所作检验得到的结果也相一致。

接下来我们考察每部手机从开始到2014年4月24日为止的每天的销售情况。我们发现，在2013年6月18日之前就开始销售的五部手机，在6月18日这一天销售量都有所增长，经查阅新闻可知，这是三星和华为那几日的相关活动或新闻所导致。另外，在2013年11月11日，销量相对于平常也有所提升。这是因为在“双十一”那天，各电商企业进行大规模打折促销活动，在一定程度上刺激了手机的销售。

最后，通过考察每部手机销售情况的序列图，我们发现国外品牌的手机及两部国产手机销售初期的状况并不好，而另外四部国产手机一开始就取得了良好的销售战绩。主要原因有两点：一、国外手机在国内的一次发行量远不及国产手机在国内的发行量多；二、手机正式销售前是否召开发布会，对手机的销售也有很大影响，召开发布会，扩大知名度，从而刺激销售量的提升。

关键词：热销手机评论、Excel、R、Nemenyi检验、序列图

ABSTRACT

Mobile phone has become necessary in people’s life, and because there is a broad market demand, the types of mobile phones come out in varieties. How to select a suitable one from all kinds of phones has naturally become an imperative topic for those who want to buy phones. As a result, this paper will be collected for the analysis and simple mining of 14 types of hot phones in Jingdong.

Considering that the intuitive impression of mobile evaluation is dependent on the star field, this article first takes out all star field of each phone. Because the distribution of star isn’t known in advance, people should find out the basic statistics first, such as mean, kurtosis, and skewness, and then carry on the exploratory analysis. People need calculate abnormally distributed data by Kolmogorov-Smirnov testing, then test the apparent difference among phones through nonparametric

Kruskal-Wallis test, through which every specific condition between each two cell phones is not known. So Nemenyi test is carried out on the data, which is

paired-comparisons test on mean value of many independent samples, to conclude the differences between each two phones. Finally, by calculating the percent of each score to measure the score points among phones. It is concluded that id number 982040 wins the best score, phones whose id numbers are 858025 and 1005766 get the worst scores. In addition, the result is consistent with the test results mentioned before. Next we inspect the daily sales status of each phone from the beginning to April 24, 2014. We find that the sales volume of five mobile phones sold before June 18, 2013 increased on June 18. It is known from the news that this is caused by activities of Samsung and Huawei during those days. In addition, on November 11, 2013, the sales also increased by comparing with usual situation. This is because on “double eleventh”, various electric enterprises have massive discount promotions, to a certain extent, stimulating the sales of mobile phones.

Finally, by observing the sales condition sequence diagram of each phone, we find that sales condition of foreign phones and two domestic ones is not good, but the other four domestic phones achieve good sales record from the beginning. There are

two main reasons: firstly, the domestic circulation of foreign phones is far less than that of domestic mobile phones; secondly, whether to hold a conference before the official mobile phone sales has a great influence on the sales. People can hold a conference and expand the reputation to stimulate sales.

KEY WOEDS:Hot Cell Phone Reviews、Excel、R、Nemenyi test、Sequence Diagram

目录

第一章背景 (7)

第二章数据采集 (7)

2.1 数据来源 (7)

2.2 数据堂简介 (7)

第三章数据的处理和分析 (8)

3.1总体评价 (9)

3.2手机得分的基本统计量比较 (10)

3.3手机得分的探索性分析 (11)

3.4手机得分的差异性比较 (11)

3.4.1 方差齐性检验 (11)

3.4.2 非参数检验........................... 错误！未定义书签。2

3.4.3 手机得分的差异....................... 错误！未定义书签。3

3.4.4 对购买手机用户的建议................. 错误！未定义书签。4 第四章数据的简单挖掘 (14)

4.1 字段的处理............................... 错误！未定义书签。4

4.2 2013年6月18日......................... 错误！未定义书签。5

4.3 手机初期销量的分析....................... 错误！未定义书签。6 总结 (17)

致谢 (18)

参考文献...........................................................错误！未定义书签。0

附录...............................................................错误！未定义书签。1

第一章背景

随着智能手机在日常生活中的分布越来越广泛，同时，由于网上购物给大家带来诸多方便，譬如网购可节约时间、可购买当地实体店中很难找到的商品、商品信息公开，可选性强、可避开商店里拥挤的人群等等，所以，在网上购买手机必将成为大多数用户的首要选择。

但是，网上购买手机给大家带来方面的同时，另一方面也给大家带来了一定的麻烦。途中的运送带来了一定的受损害风险，虽然可以选择换货或退货，但终究还是带来了一定的麻烦；尤其是当我们面对网页上呈现的诸多商品时，虽然可选性大大增强，但是面对这么多的信息，我们会经常感到无从下手，在需要做决定的时候，很难做出一个最佳的选择。

基于此，我采集了14部在京东商城上热销手机自发布以来所有的评论信息，对所采集信息进行一系列、多角度分析，最终为不同用户提供购买手机时的最佳选择。

第二章数据采集

2.1数据来源

本次分析所用数据来源于数据堂。数据所在页面：

https://www.360docs.net/doc/ca2523682.html,/data/46145

2.2数据堂简介

数据堂是国内专业的科研数据共享服务平台，致力于为国内外高等院校、科研机构、研发企业及相关科研人员提供科研数据支持。

本着支撑科学研究，助力企业研发的宗旨，数据堂在严格遵守知识产权的相关规定的前提下，始终以“专业、权威、开放、共赢”作为科研数据服务的核心。

在国家科技部的大力支持下，数据堂与国内著名科研机构、高等院校、科研组织通力合作，凭借数据堂专业、高效的数据管理和分析团队，对分散在各个领域的数据进行收集、加工、整理，积累了丰富的数据资源，通过统一的平台提供服务，使得科研机构、企业、高校和个人之间实现充分的数据共享，满足用户

在论文写作、科学实验、实验教学、项目及产品研发过程中对各种数据的需求，使得各类科研数据的使用价值发挥到最大。

第三章数据的处理和分析

我们知道，刚采集的原始数据一般都比较乱，需要经过处理一番，才可进行分析，另外，由于所采集的原始数据保存格式为txt文件，而在这种格式下的文件是不能够进行数据分析的。所以，先通过Excel打开原始数据，打开后，可清楚地看见评论信息主要分为14个字段，分别是：

表1

其中，No为评论信息的编号，uname为评论人在京东商城的注册名，ulevel 为评论人在京东商城的会员级别，其他字段都可根据字面意思来理解。此外，考虑到后续问题，还添加了两个字段：数量和价格，即每部手机评论者的数量和每部手机的价格。

在这里，为有利于问题的解决，我们进行初步分析，将所有字段分为两组，分别是有效字段和无效字段。有效字段为star、购买日期、数量、价格，其余暂皆视为无效字段。

同时，考虑到在分析过程中需要用到SPSS软件，我们首先将这些有效字段用英文表示：

表2

至此，数据的初步处理基本完毕。具体的相应的处理，我们将在下文再做具体描述。

3.1总体评价

在这所有的有效字段中，我们可从star中直观看出买家对购买的手机的整个过程的满意情况。

表3

如表所示，评分越高，买家对整个购买过程的满意度也就越强，包括手机本身、手机在运送过程中的保护程度、运送的时间等等。

同时，由原始数据可得到每部手机评论者的数量，如下表所示：表4

id即为每部手机对应的id编号，quantity即为每部手机评论者的数量，手机即为个id编号对应的手机名称。

3.2手机得分的基本统计量比较

考虑到每部手机的得分情况并不清楚，也不知道其分布形式，因此我们先从数据本身下手，先求出每组数据的平均数、众数等基本统计量。如表所示：表5

由上表可得，所有手机中得分平均值最小的为4.58，最大的为4.80，另外，极大多数手机的评论量都达到10000以上，有的甚至达到近50000，只有id为1057746的手机的评论信息少于10000条，但考虑到该手机从上架到采集该信息时间还不到三个月，并且相对于一般手机而言时，销量还是比较乐观的。这里将评论数近似等于销量数。可见总体而言，不管是这14部手机的得分情况还是销量情况，都验证了这14部手机为热销手机。

另外，通过观察每组数据得分的峰度skewness和偏度kurtosis，它们都不能看做近似等于0，基本可以大概得出这14组数据都不呈正态分布。但这些数据究竟是否呈正态分布，还得靠具体数据来说明。

3.3手机得分的探索性分析

由于原始数据并未向我们说明各组数据呈什么分布，并且尽管每组的评论数量很大，但是不外乎1、2、3、4、5这五种选择，所以我们应选择非参数检验方法。在非参数检验法中，一般有两种，分别是Kolmogorov-Smirnov检验（D检验）和Shapiro-Wilk检验（W检验）。这两种检验，当样本量>2000时，一般用D