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 PyCharm 4

3.2.2 MySQL 5

3.2.3Python 6

3.2.4 Adobe Photoshop CS6 7

3.3 主要技术介绍 7

3.3.1 HTML 7

3.3.2 java script 8

3.3.3 CSS 8

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