车辆数据分析可视化实战
1.引言
“车辆销售和市场趋势数据集”提供了关于各种车辆销售交易的全面信息收集。该数据集包括年份、品牌、型号、车款、车身类型、变速箱类型、车辆识别号码（VIN）、注册州、状况评级、里程表读数、外部和内部颜色、卖家信息、Manheim市场报告（MMR）值、销售价格及销售日期等详细信息。
2.导入所需的包并加载数据集
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
#读取数据
df=pd.read_csv('/车辆销售数据/car_prices.csv')
3.数据探索
print(df.head(5))
df.info()
"""
year make ... sellingprice saledate
0 2015 Kia ... 21500.0 Tue Dec 16 2014 12:30:00 GMT-0800 (PST)
1 2015 Kia ... 21500.0 Tue Dec 16 2014 12:30:00 GMT-0800 (PST)
2 2014 BMW ... 30000.0 Thu Jan 15 2015 04:30:00 GMT-0800 (PST)
3 2015 Volvo ... 27750.0 Thu Jan 29 2015 04:30:00 GMT-0800 (PST)
4 2014 BMW ... 67000.0 Thu Dec 18 2014 12:30:00 GMT-0800 (PST)
[5 rows x 16 columns]
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 558837 entries, 0 to 558836
Data columns (total 16 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 year 558837 non-null int64
1 make 548536 non-null object
2 model 548438 non-null object
3 trim 548186 non-null object
4 body 545642 non-null object
5 transmission 493485 non-null object
6 vin 558833 non-null object
7 state 558837 non-null object
8 condition 547017 non-null float64
9 odometer 558743 non-null float64
10 color 558088 non-null object
11 interior 558088 non-null object
12 seller 558837 non-null object
13 mmr 558799 non-null float64
14 sellingprice 558825 non-null float64
15 saledate 558825 non-null object
dtypes: float64(4), int64(1), object(11)
memory usage: 68.2+ MB
"""
4.数据处理
#数据清理
print(df.isna().sum())
print(df.nunique())
df.drop(columns=['vin'], inplace=True)
df.dropna(axis=0, inplace=True)
df.info()
print(df.columns.to_list())
"""
year 0
make 10301
model 10399
trim 10651
body 13195
transmission 65352
vin 4
state 0
condition 11820
odometer 94
color 749
interior 749
seller 0
mmr 38
sellingprice 12
saledate 12
dtype: int64
year 34
make 96
model 973
trim 1963
body 87
transmission 4
vin 550297
state 64
condition 41
odometer 172278
color 46
interior 17
seller 14263
mmr 1101
sellingprice 1887
saledate 3766
dtype: int64
<class 'pandas.core.frame.DataFrame'>
Index: 472325 entries, 0 to 558836
Data columns (total 15 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 year 472325 non-null int64
1 make 472325 non-null object
2 model 472325 non-null object
3 trim 472325 non-null object
4 body 472325 non-null object
5 transmission 472325 non-null object
6 state 472325 non-null object
7 condition 472325 non-null float64
8 odometer 472325 non-null float64
9 color 472325 non-null object
10 interior 472325 non-null object
11 seller 472325 non-null object
12 mmr 472325 non-null float64
13 sellingprice 472325 non-null float64
14 saledate 472325 non-null object
dtypes: float64(4), int64(1), object(10)
memory usage: 57.7+ MB
['year', 'make', 'model', 'trim', 'body', 'transmission', 'state', 'condition', 'odometer', 'color', 'interior', 'seller', 'mmr', 'sellingprice', 'saledate']
"""
5. 数据可视化
5.1 销量量年度变化
#销售量年度变化
plt.figure(1)
font = {'family': 'KaiTi', 'color': 'black', 'size': 16}
plt.title("车辆年产量", fontdict=font)
plt.xlabel('年份', fontdict=font)
plt.ylabel('产量', fontdict=font)
plt.xticks(range(len(np.sort(df['year'].unique()))), np.sort(df['year'].unique()))
plt.bar(range(len(np.sort(df['year'].unique()))), df['year'].value_counts().sort_index(), color='slateblue')
plt.show()
5.2 各品牌销售量
#不同品牌的销售量
plt.figure(2)
make_counts=df['make'].value_counts()
make_percentage = 100*make_counts/make_counts.sum()
def autopct_format(pct):
return ('%.2f%%' % pct) if pct > 1 else ''
labels1 = [make if percentage > 1 else '' for make, percentage in zip(make_percentage.index, make_percentage)]
plt.pie(make_counts, labels=labels1, autopct=lambda pct: autopct_format(pct), startangle=120)
plt.legend(make_counts.index, loc='center right', bbox_to_anchor=(1, 0, 0.5, 1))
plt.title('车辆品牌销售量图', fontdict=font)
plt.show()
5.3 销量最好的与销量最差的top5
#销量最好的五种型号的汽车以及销量最差的五辆汽车
fig,(ax1,ax2)=plt.subplots(2,1)
top5=df['model'].value_counts().head(5)
tail5=df['model'].value_counts().tail(5)
sns.barplot(x=top5.index,y=top5.values,hue=top5.index,ax=ax1,palette='flare')
ax2.set_title('销量最好的五种型号的汽车', fontdict=font)
ax2.set_xlabel('',fontdict=font)
ax2.set_ylabel('销量',fontdict=font)
sns.barplot(x=tail5.index,y=tail5.values,hue=tail5.index,ax=ax2,palette='flare')
ax1.set_title('销量最差的五种型号的汽车', fontdict=font)
ax1.set_xlabel('',fontdict=font)
ax1.set_ylabel('销量',fontdict=font)
plt.show()
5.4 颜色对销售价格影响
#颜色对销售价格影响
color_price_summary = df.groupby('color')['sellingprice'].agg(['mean', 'median', 'max', 'min'])
print(color_price_summary)
plt.figure(4)
sns.boxplot(x='color',y='sellingprice',data=df,)
plt.xlabel('颜色',fontdict=font)
plt.ylabel('实际价格',fontdict=font)
plt.title('不同颜色之间价格分布',fontdict=font)
plt.show()
5.5 车辆状况与实际价格关系
#车辆状况与实际价格关系
sns.relplot(x='condition',y='sellingprice',kind='line',data=df,marker='o')
plt.xlabel('车辆状况',fontdict=font)
plt.ylabel('实际价格',fontdict=font)
plt.title('车辆状况与实际价格关系',fontdict=font)
plt.show()
5.6 预估价格与实际价格关系散点图
#预估市场价值与实际卖车价格，散点图
df.plot.scatter('mmr','sellingprice')
plt.show()
5.7 相关性分析
#相关性
plt.figure(6)
df_dummy = df[['condition','odometer','mmr','sellingprice']]
sns.heatmap(df_dummy.corr())
plt.show()
6 结论
1.产量逐年增加：从1990年到2010年，车辆年产量逐年增加。这段时间的增长趋势显著，特别是在2009年到2011年之间，增长更加明显。
2.品牌销量：销量集中度较高的品牌有 Ford 和 Chevrolet，这两者合计占比接近30%。此外，一些品牌的市场份额相对较小。
3.白色（white）、灰色（gray）、黑色（black）、红色（red）等主流颜色的车辆价格分布较广，且出现了许多异常值。某些特殊颜色（如lime、pink、turquoise等）的车辆价格相对集中，价格波动较小，且异常值数量较少。
4.列的相关性在-0.78到0.98之间，表明可能存在一些多重共线性
5.市场预估价格与实际价格非常相关，但仍存在一些偏离值
6.车辆状况在10到20之间时，实际价格处于低谷。此时可能是车辆最折旧的阶段，价格较低。随着车辆状况逐渐改善（状况数字变大），实际价格又出现了上升趋势，车辆状况超过20后价格稳步提升。这可能反映出较老或较稀有的经典车型，因为其收藏价值或其他因素，价格逐渐升高。