📣 前言

• • 👓 可视化主要使用 matplotlib/seaborn

• • 🔎 数据处理主要使用 pandas

• • 🕷️ 数据爬取主要使用 requests

• • 👉 本文是我自己在和鲸社区的原创

今天这篇文章将给大家介绍【数据分析汽车之家数据】 案例。

Step 1. 导入模块

import pandas as pd  
import matplotlib.pyplot as plt  
import seaborn as sns  
  
#设置全局默认字体 为 雅黑  
plt.rcParams['font.family'] = ['Microsoft YaHei']   
# 设置全局轴标签字典大小  
plt.rcParams["axes.labelsize"] = 14    
# 设置背景  
sns.set_style("darkgrid",{"font.family":['Microsoft YaHei', 'SimHei']})

Step 2. 数据概览

数据下载：查看文章末尾获取。

  
data = pd.read_excel(r"/home/mw/input/car9730/汽车之家数据.xlsx")  
  
data.head()  

输出结果：

# 1. 查看数据集的基本信息  
data_info = data.info()  
  
# 2. 描述性统计  
descriptive_stats = data.describe()  
  
data_info, descriptive_stats

输出结果：

<class 'pandas.core.frame.DataFrame'>  
RangeIndex: 24046 entries, 0 to 24045  
Data columns (total 27 columns):  
标题            24046 non-null object  
价格            23641 non-null float64  
新车含税价         24037 non-null object  
标签            19118 non-null object  
表显里程          24046 non-null object  
上牌时间          24046 non-null object  
挡位            24046 non-null object  
排量            24046 non-null object  
车辆所在地         24046 non-null object  
查看限迁地         24046 non-null object  
变速箱           24046 non-null object  
燃料类型          24045 non-null object  
WLTC纯电续航里程    5366 non-null object  
发布时间          24046 non-null object  
年检到期          24046 non-null object  
保险到期          24046 non-null object  
过户次数          24046 non-null object  
所在地           24046 non-null object  
发动机           24046 non-null object  
车辆级别          23662 non-null object  
车身颜色          24046 non-null object  
驱动方式          24046 non-null object  
标准容量          24045 non-null object  
标准快充          21048 non-null object  
标准慢充          21300 non-null object  
NEDC纯电续航里程    12069 non-null object  
CLTC纯电续航里程    5671 non-null object  
dtypes: float64(1), object(26)  
memory usage: 5.0+ MB  
(None,                  价格  
 count  23641.000000  
 mean      22.164179  
 std       42.354589  
 min        0.780000  
 25%        8.280000  
 50%       14.980000  
 75%       22.800000  
 max      758.000000)

Step 3.数据分析可视化

3.1车辆级别和车身颜色对价格的影响如何？

要分析车辆级别和车身颜色对价格的影响，我们可以采用以下步骤：

• • 数据清洗：将“车辆级别”和“车身颜色”字段中的缺失值处理掉，因为这些缺失值可能会影响分析结果。

• • 数据分组：根据“车辆级别”和“车身颜色”对数据进行分组，并计算每个组的平均价格。

• • 可视化：使用条形图或箱线图来展示每个车辆级别和车身颜色的平均价格，以便于观察。

首先，我们进行数据清洗，处理“车辆级别”和“车身颜色”字段的缺失值。

data_cleaned = data.dropna(subset=['车辆级别', '车身颜色'])

数据清洗后，我们保留了没有缺失值的“车辆级别”和“车身颜色”记录。

接下来，我们将根据“车辆级别”和“车身颜色”对数据进行分组，并计算每个组的平均价格。然后，我们可以使用条形图来展示每个车辆级别和车身颜色的平均价格。

avg_price_by_level = data_cleaned.groupby('车辆级别')['价格'].mean().sort_values(ascending=False)  
  
avg_price_by_color = data_cleaned.groupby('车身颜色')['价格'].mean().sort_values(ascending=False)

# Plotting  
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(15, 6), dpi=150)  
  
# Plot for '车辆级别'  
sns.barplot(x=avg_price_by_level.values, y=avg_price_by_level.index, ax=ax1, palette="viridis")  
ax1.set_title('不同车辆级别的平均价格')  
ax1.set_xlabel('平均价格')  
ax1.set_ylabel('车辆级别')  
  
# Plot for '车身颜色'  
sns.barplot(x=avg_price_by_color.values[:10], y=avg_price_by_color.index[:10], ax=ax2, palette="viridis")  
ax2.set_title('不同车身颜色的平均价格（前10）')  
ax2.set_xlabel('平均价格')  
ax2.set_ylabel('车身颜色')  
  
plt.tight_layout()  
plt.show()

输出结果：

分析结果：

• • 车辆级别对价格的影响：

• • 从左侧的条形图中可以看出，不同车辆级别的平均价格有显著差异。例如，大型SUV的平均价格最高，而微型车和MPV的平均价格相对较低。

• • 车身颜色对价格的影响：

• • 右侧的条形图显示了不同车身颜色的平均价格（只展示了前10种颜色）。从图中可以看出，不同车身颜色的平均价格也有一定的差异。例如，黑色的车辆平均价格最高，而黄色的车辆平均价格相对较低。
  这些分析结果表明，车辆级别和车身颜色对车辆的价格都有一定的影响。这些信息对于购车者和车辆销售商来说可能非常有用。

3.2 燃料类型的占比分布（饼图）

fuel_type_counts = data['燃料类型'].value_counts()

输出结果：

从饼图中我们可以更直观地看出不同燃料类型车辆的占比分布：

• • 纯电动（Electric）车辆占据了最大的市场份额。

• • 其次是汽油（Petrol）车辆，也占据了相当大的比例。

• • 插电式混合动力（Plug-in Hybrid）和混合动力（Hybrid）车辆的比例较小。

这个饼图进一步强调了纯电动和汽油车辆在市场上的主导地位。

3.3 分析不同燃料类型的车辆的价格区间分布

要分析不同燃料类型的车辆的价格区间分布，我们可以采用以下步骤：

• • 数据分组：首先根据“燃料类型”对数据进行分组。

• • 计算每组的平均价格：这将帮助我们了解不同燃料类型车辆的平均价格。

• • 可视化：使用条形图来展示每个燃料类型的平均价格。

avg_price_by_fuel_type = data.groupby('燃料类型')['价格'].mean().sort_values(ascending=False)

输出结果：

3.4 车辆价格分布

def get_x(x):  
    if x <= 10:  
        return "低于10万"  
    elif 10 < x < 20:  
        return "10万~20万"  
    elif 20 < x < 30:  
        return "20万~30万"  
    elif 30 < x < 40:  
        return "30万~40万"  
    elif 40 < x < 50:  
        return "40万~50万"  
    elif x > 50:  
        return "大于50万"

data["价格分布"] = data["价格"].apply(lambda x:get_x(x))  
price_distribution_counts = data['价格分布'].value_counts()

输出结果：

fuel_type_distribution = data.groupby(['燃料类型', '价格分布']).size().unstack().fillna(0)  
  
fuel_type_distribution

输出结果：

3.5 价格分布的不同类型车辆数量

输出结果：

可视化了不同燃料类型的价格分布。每个子图代表一种燃料类型的价格分布。从这些图表中，我们可以清楚地看到不同燃料类型车辆在不同价格区间的分布情况。

# 找到每种燃料类型中车辆数最多的价格分布  
max_distribution = fuel_type_distribution.idxmax()  
  
# 找到每种燃料类型中最常见价格分布的车辆数量  
max_counts = fuel_type_distribution.max()  
  
# 将结果组合成一个DataFrame  
max_distribution_df = pd.DataFrame({  
    '燃料类型': max_distribution.index,  # 燃料类型  
    '最常见价格区间': max_distribution.values,  # 最常见的价格区间  
    '车辆数量': max_counts  # 车辆数量  
})  
  
max_distribution_df  

输出结果：

从上面的表格中，我们可以看到：

• • 对于纯电动车辆，车辆数量最多的价格区间是“低于10万”。

• • 对于插电混动车辆，车辆数量最多的价格区间是“大于50万”。

3.6 不同车型的价格分布

data_1 = data[data["燃料类型"] == "增程式"]  
data_2 = data[data["燃料类型"] == "插电混动"]  
data_3 = data[data["燃料类型"] == "纯电动"]

data_1_by_fuel_type = data_1['价格分布'].value_counts()  
data_2_by_fuel_type = data_2['价格分布'].value_counts()  
data_3_by_fuel_type = data_3['价格分布'].value_counts()

完整代码👇

https://www.heywhale.com/mw/project/65ff9e895d033872325bf1a0

ps:访问链接点击【在线运行】即可查看完整代码，且不需要担心环境配置问题

数据获取方式

关注公众号获取联系方式

- END -

以上就是本期为大家整理的全部内容了，喜欢的朋友可以点赞、点在看也可以分享让更多人知道。

👆 关注**「布鲁的Python之旅」**第一时间收到更新