引言

這個(gè)項(xiàng)目主要是研究二手車市場(chǎng)上車輛定價(jià)的決定因素，本文將展示如何從汽車銷售商網(wǎng)站Cars24上抓取所有的搜索結(jié)果，并建立一個(gè)包含所有找到的列表的數(shù)據(jù)庫(kù)。

使用的工具（庫(kù)）

• Requests
• Beautiful Soup
• Pandas
• Numpy
• Matplotlib
• Seaborn
• Plotly

導(dǎo)入所需的包并加載數(shù)據(jù)集：

來(lái)自網(wǎng)站的原始數(shù)據(jù)：

現(xiàn)在，可以看到有一個(gè)名為Unnamed:0的列。這一列一定是在抓取數(shù)據(jù)并將其保存到CSV文件中時(shí)添加的。因此，下一步就是刪除數(shù)據(jù)。

數(shù)據(jù)清洗：

現(xiàn)在將刪除Unnamed:0列，然后再次清洗，使數(shù)據(jù)可視化。

清洗后的Dataframe：

數(shù)據(jù)概覽：

DataFrame.info()將為項(xiàng)目提供有關(guān)數(shù)據(jù)類型和每一列中非空值的數(shù)量的信息。

Describe()每一列的數(shù)字特征和信息：

• Data Frame.describe()可以給出數(shù)字?jǐn)?shù)據(jù)的描述。這可以幫助我們獲得每個(gè)數(shù)字列的最小值、最大值、平均值、標(biāo)準(zhǔn)偏差等數(shù)值。

最后我們得到了560行和9列，并且在Year、Brand、Car name、kilometer、owner、fuel、Emi、location和price等列中沒有空值。

探索數(shù)據(jù)

車輛信息匯總

列類型：

• 數(shù)字 — kilometer、price、Emi
• 分類 — Year、Brand、Car name、fuel、location、owner

1. 2010年至2022年之間的車型年份
2. 公里數(shù)范圍從121英里到99944英里不等
3. 價(jià)格從1.62萬(wàn)到24.36萬(wàn)盧比不等

數(shù)據(jù)可視化

單變量：

最暢銷的品牌：

a[‘Brand’].value_counts().plot(kind=’bar’)
plt.xlabel(‘Brand’)
plt.ylabel(‘Highest selling’)
plt.show()

• 從上面的圖表中可以看到Tata是最暢銷的汽車。

價(jià)格分布：

sns.histplot(a[‘price(in_lk)’],kde=True)

• 平均價(jià)格約為60k，二手車的中位數(shù)為50k。
• 價(jià)格分布更像是一個(gè)長(zhǎng)尾分布和右偏度。這在價(jià)格分布上是非常正常的。

燃料

px.bar(a[‘fuel’].value_counts())

• 人們擁有的大多數(shù)汽車是汽油類型的。
• 人們購(gòu)買最多的是汽油車，然后是柴油車和壓縮天然氣車。

雙變量分析

不同數(shù)量的前車主的車輛列表 ：

sns.barplot(x=a[‘owner’],y=a[‘price(in_lk)’],errorbar=None)

• 從上面的圖中可以看出，第一任車主的平均駕駛里程較少。
• 從第一任車主那里買車更好。

來(lái)自不同州的車輛列表

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是二手車上市數(shù)量最多的三個(gè)州，這三個(gè)州占印度汽車市場(chǎng)的32%。

比較年份和價(jià)格：

sns.lineplot(x=a[“year”],y=a[“price(in_lk)”],errorbar=None)

• 我們可以看到，當(dāng)年份增加時(shí)，價(jià)格也在增加。

燃料類型將如何影響轉(zhuǎn)售價(jià)格？

sns.boxplot(x=a[“fuel”],y=a[“price(in_lk)”])

• 從上圖中可以注意到，大多數(shù)燃料類型的柴油車價(jià)格高于其他汽油和壓縮天然氣。
• 這就是為什么大多數(shù)人想購(gòu)買汽油車的原因。

多變量分析：

sns.barplot(x=a[“year”],y=a[“price(in_lk)”],errorbar=None,hue=a[“owner”])

• 在大多數(shù)年份里，第一任車主的汽車現(xiàn)價(jià)都很高。
• 當(dāng)汽車以高價(jià)出售時(shí)，第一任車主的售價(jià)比第二任和第三任車主的售價(jià)高。

相關(guān)性：

可以使用corr()函數(shù)找到各種特征之間的相關(guān)性。

sns.heatmap(a.corr(),annot=True)

• Price和Emi的相關(guān)度為0.61。
• Price一欄與Emi高度相關(guān)，因此我們可以使用任何一個(gè)變量進(jìn)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()

• 從上圖可以看出，Gurgaon地區(qū)的汽車價(jià)格高于其他地區(qū)。

結(jié)論

從可視化中，我們發(fā)現(xiàn)了以下結(jié)論：

• Hyderabad，Mumbai，Pune是排名前三的二手車市場(chǎng)。
• 在大多數(shù)年份里，第一任車主的汽車現(xiàn)價(jià)都很高。
• 當(dāng)汽車出售時(shí)，第一任車主的售價(jià)比第二任和第三任車主的售價(jià)高。
• 我們可以看到，在Gurgaon地區(qū)的汽車價(jià)格高于其他地區(qū)。
• 在印度最暢銷的汽車制造商是Tata、Maruti。
• 當(dāng)二手車定價(jià)時(shí)，最重要的特征包括里程數(shù)、車主和車型年份。從可視化中，我們看到里程數(shù)越高，價(jià)格越低。
• 車型價(jià)格也與Emi相關(guān)，車齡越長(zhǎng)，價(jià)格越低。