Python——全国瓜子二手车数据分析

继瓜子二手车数据爬去之后，在此进行处理分析

Pycharm代码

# coding:utf8
# author:Jery
# datetime:2019/5/3 17:35
# software:PyCharm
# function:对爬取的瓜子二手车信息进行分析

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

""" 原始数据 """
data = pd.read_csv(r'C:UsersJeryDesktopguazi1.csv')
# print(data.head(3))

def init():
    """准备"""


    # 解决中文问题
    plt.rcParams['font.sans-serif'] = ['SimHei']
    # 解决负号显示
    plt.rcParams['axes.unicode_minus'] = False


def data_handle():
    """数据清洗"""


    # 删除奇数行，不包括表头
    global data
    nums = [i for i in range(4659) if i%2 != 0]
    data.drop(nums,inplace=True)
    # data.dropna(subset=['城市','车型','上牌时间','上牌地','表显里程','排量','变速箱','价格'],inplace=True)
    # 去表显里程单位——万公里
    data['表显里程']=data.表显里程.map(lambda x:float(x.replace('万公里','')))
    # 时间处理
    data['上牌时间']=data.上牌时间.map(lambda x:x.split('/')[0])
    # 转换成车龄
    data['上牌时间']=data.上牌时间.map(lambda x:int(x))
    data['车龄'] = (2019-data.上牌时间)
    # 里程从大到小排序
    data.sort_values('表显里程',ascending=False)
    # 重新排序index，并删除原索引
    data = data.reset_index(drop=True)
    return data

def paint(data):
    """数据分析"""


    # 描述性数据
    # print(data.describe())

    # 行驶距离分析
    sub = [0,3,6,9,12,20]
    # pd.cut(data.表显里程,sub).value_counts().plot.bar(rot=0,title='行驶距离分析')
    # rot是X轴进行旋转
    data['表显里程'].plot(kind='hist', bins=60, figsize=(8,6),xlim=[0,20],title='行驶里程直方图')
    plt.show()

    # 行驶里程箱线图
    plt.figure(figsize=(5,7))
    plt.boxplot(x=data['表显里程'], showmeans=True, meanline=True)
    plt.title('行驶里程箱线图')
    plt.ylabel('行驶里程/万公里')
    plt.show()
    # 箱线图上，均值和中位数比较靠近在5万公里附近。还有1辆开了15万公里以上的老车。上外栏 1.5*IQR 约等于13万公里

    # 价格分析图一
    sub = [0,3,6,9,12,15,18,21,24,27,30,33,36]
    pd.cut(data.价格,sub).value_counts().plot.bar(rot=30,title='价格分析')
    plt.show()

    # 价格分析图二
    data['价格'].plot(kind='hist', bins=60, figsize=(5,8),subplots=True,sharex=False, xlim=[0,20],title='二手车各价格区间在销数量图')
    plt.show()

    # 品牌分析
    data['品牌'] = data.车型.map(lambda x:x.split(' ')[0])
    # 品牌排名前20
    data.品牌.value_counts()[:20].plot.barh(title='品牌排名分析')
    plt.show()

    # 按品牌聚合分析 平均里程，最大里程，中位数，数量
    d = data['表显里程'].groupby(data['品牌']).agg(['mean', 'max','median','count']).loc[['大众','福特','别克']]
    print("品牌聚合分析 
        平均里程，最大里程，中位数，数量
{}".format(d))


    data['表显里程'].groupby(data['品牌']).agg(['mean','median']).loc[['大众','福特','别克']].plot(kind='bar',rot=30)
    plt.show()

    # 地区 品牌 数量
    # print(data.groupby(['城市','品牌'])['品牌'].count())

    top10 = ['大众','福特','别克','雪佛兰','吉利','现代','日产','丰田','哈弗H6','本田']
    data_top10 = data[data['品牌'].isin(top10)]
    print("


排名前十品牌汽车总数：".format(data_top10.shape))
    print('Top10二手汽车占总二手车比例：%.2f %%' % ((data_top10.shape[0]/data.shape[0])*100))

    # 饼图
    # 横纵轴标准化处理，保证饼图是正圆，默认为椭圆
    plt.axes(aspect='equal')
    plt.pie(data_top10['品牌'].value_counts(),explode=[0.2,0.2,0.2,0,0,0,0,0,0,0],startangle=30,labels=top10,autopct='%.2f%%',radius=2)
    plt.show()

    # 车龄分析
    data['品牌'].groupby(data['车龄']).count().plot(kind='bar',rot=0,title='二手车已使用年数')
    plt.show()


def main():
    init()
    data = data_handle()
    paint(data)

if __name__ == '__main__':
    main()