数据分析实战,用Pandas分析二手车市场行情

大数据 数据分析
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。

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:

图片

来自网站的原始数据:

图片

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:

图片

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:

图片

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。

图片

Describe()每一列的数字特征和信息:

图片

  • 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
  1. 2010年至2022年之间的车型年份
  2. 公里数范围从121英里到99944英里不等
  3. 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()

图片

  • 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)

图片

图片

  • 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())

图片

  • 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)

图片

  • 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()

图片

图片

  • 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)

图片

  • 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)”])

图片

  • 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”])

图片

  • 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)

图片

  • 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()

图片

  • 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。
责任编辑:武晓燕 来源: Python学研大本营
相关推荐

2017-03-24 15:33:34

互联网

2017-11-13 18:25:35

2024-09-26 09:38:06

2024-09-18 15:15:35

2019-02-14 08:00:30

大数据商用车市场分析

2017-05-04 11:19:26

瓜子二手车

2018-10-22 13:10:43

分析Python房价

2019-12-19 15:56:10

Python数据工具

2023-05-15 12:41:26

2022-11-11 11:35:14

2013-06-27 15:21:38

App

2017-09-01 09:52:20

PythonPandas数据分析

2024-01-09 13:58:22

PandasPython数据分析

2021-12-20 14:37:54

盒子滑板底盘商用车

2014-11-18 14:52:27

专车打车软件

2015-06-23 10:32:09

2020-05-15 15:09:51

R语言数据分析

2017-08-03 15:20:19

大数据数据分析
点赞
收藏

51CTO技术栈公众号