引言
这个项目主要是研究二手车市场上车辆定价的决定因素,本文将展示如何从汽车销售商网站Cars24上抓取所有的搜索结果,并建立一个包含所有找到的列表的数据库。
使用的工具(库)
- Requests
- Beautiful Soup
- Pandas
- Numpy
- Matplotlib
- Seaborn
- Plotly
导入所需的包并加载数据集:
来自网站的原始数据:
现在,可以看到有一个名为Unnamed:0的列。这一列一定是在抓取数据并将其保存到CSV文件中时添加的。因此,下一步就是删除数据。
数据清洗:
现在将删除Unnamed:0列,然后再次清洗,使数据可视化。
清洗后的Dataframe:
数据概览:
DataFrame.info()将为项目提供有关数据类型和每一列中非空值的数量的信息。
Describe()每一列的数字特征和信息:
- Data Frame.describe()可以给出数字数据的描述。这可以帮助我们获得每个数字列的最小值、最大值、平均值、标准偏差等数值。
最后我们得到了560行和9列,并且在Year、Brand、Car name、kilometer、owner、fuel、Emi、location和price等列中没有空值。
探索数据
车辆信息汇总
列类型:
- 数字 — kilometer、price、Emi
- 分类 — Year、Brand、Car name、fuel、location、owner
- 2010年至2022年之间的车型年份
- 公里数范围从121英里到99944英里不等
- 价格从1.62万到24.36万卢比不等
数据可视化
单变量:
最畅销的品牌:
a[‘Brand’].value_counts().plot(kind=’bar’)
plt.xlabel(‘Brand’)
plt.ylabel(‘Highest selling’)
plt.show()
- 从上面的图表中可以看到Tata是最畅销的汽车。
价格分布:
sns.histplot(a[‘price(in_lk)’],kde=True)
- 平均价格约为60k,二手车的中位数为50k。
- 价格分布更像是一个长尾分布和右偏度。这在价格分布上是非常正常的。
燃料
px.bar(a[‘fuel’].value_counts())
- 人们拥有的大多数汽车是汽油类型的。
- 人们购买最多的是汽油车,然后是柴油车和压缩天然气车。
双变量分析
不同数量的前车主的车辆列表 :
sns.barplot(x=a[‘owner’],y=a[‘price(in_lk)’],errorbar=None)
- 从上面的图中可以看出,第一任车主的平均驾驶里程较少。
- 从第一任车主那里买车更好。
来自不同州的车辆列表
a.groupby([‘Location’])[‘year’].count().sort_values(ascending=False).plot(kind=’bar’, figsize=(10,6))
plt.ylabel(‘Number of listings per state’, fnotallow=12)
plt.xlabel(‘State’, fnotallow=12)
plt.title(‘Listings per State’, fnotallow=18)
plt.show()
- Hyderabad、Mumbai、Pune是二手车上市数量最多的三个州,这三个州占印度汽车市场的32%。
比较年份和价格:
sns.lineplot(x=a[“year”],y=a[“price(in_lk)”],errorbar=None)
- 我们可以看到,当年份增加时,价格也在增加。
燃料类型将如何影响转售价格?
sns.boxplot(x=a[“fuel”],y=a[“price(in_lk)”])
- 从上图中可以注意到,大多数燃料类型的柴油车价格高于其他汽油和压缩天然气。
- 这就是为什么大多数人想购买汽油车的原因。
多变量分析:
sns.barplot(x=a[“year”],y=a[“price(in_lk)”],errorbar=None,hue=a[“owner”])
- 在大多数年份里,第一任车主的汽车现价都很高。
- 当汽车以高价出售时,第一任车主的售价比第二任和第三任车主的售价高。
相关性:
可以使用corr()函数找到各种特征之间的相关性。
sns.heatmap(a.corr(),annot=True)
- Price和Emi的相关度为0.61。
- Price一栏与Emi高度相关,因此我们可以使用任何一个变量进行分析。
plt.figure(figsize=(18,7))
sns.barplot(x=a[“Location”],y=a[“price(in_lk)”],hue=a[“Location”],errorbar=None)
plt.xticks(rotation = 90)
plt.show()
- 从上图可以看出,Gurgaon地区的汽车价格高于其他地区。
结论
从可视化中,我们发现了以下结论:
- Hyderabad,Mumbai,Pune是排名前三的二手车市场。
- 在大多数年份里,第一任车主的汽车现价都很高。
- 当汽车出售时,第一任车主的售价比第二任和第三任车主的售价高。
- 我们可以看到,在Gurgaon地区的汽车价格高于其他地区。
- 在印度最畅销的汽车制造商是Tata、Maruti。
- 当二手车定价时,最重要的特征包括里程数、车主和车型年份。从可视化中,我们看到里程数越高,价格越低。
- 车型价格也与Emi相关,车龄越长,价格越低。