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:\Users\Jery\Desktop\guazi1.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 \n 平均里程，最大里程，中位数，数量\n{}".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("\n\n\n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()
