最近几年,“二手经济”逐渐火热,二手车市场也在快速扩大。

相同的车型,二手车比新车要实惠许多,比如下图中的奔驰GLC级,二手车能比新车便宜5-20万不等因此有越来越多的人在购置车辆时将二手车纳入了考量。

但众所周知,二手市场的水也比较深,一不小心就容易缴“智商税”,所以在购买二手车前,对市场有一定的了解是必不可少的。


今天我给大家带来了一个某二手车网站的实战项目,用Python来分析二手车市场行情

一、明确需求

1、爬取某二手车网站奔驰GLC级轿车的信息(标题、购车年份、里程数、价格)

2、利用年限和行驶里程,分析二手车保价率信息

 

二、爬取数据

本例中我们将用selenium库来爬取数据。Selenium不同于其他的爬虫库,可以直接操纵浏览器,就像真正的用户在操作一样,安全性极高,不用担心被服务器屏蔽。

首先,利用xpath helper得到我们需要的内容的xpath表达式

xpath表达式中,我们只要更改其中“li[1]”中的数字,就能让程序将整页的数据都爬取下来,一页有40条数据,所以我们只要写一条1-40的循环即可。

分析出这些信息后,我们就可以着手写代码了。

车辆的购车年份、里程数、价格也可以通过同样的方式获取。

 

三、数据清洗

什么是数据清洗?数据清洗是一个对数据进行重新审查和校验的过程,目的在于删除重复信息、纠正存在的错误,并提供数据一致性。

 

比如在我们这个例子中,我们发现爬取下来的年份里有个“年”字,里程数后有“万公里”的字样,我们在进行数据分析的时候是不需要这些文本的,因此我们需要在数据清洗中将这些多余的汉字给“清洗”掉。

最后,我们将获取的数据以表格的形式输出,就得到了一份二手车数据的表格,可以开始我们的数据分析了!

 

怎么样,数据清洗是不是很简单?

 

四、数据可视化

得到了数据,我们就可以通过直观的方式对数据进行分析,从中发现数据的趋势、特征。

如图,左图的点阵图可以很明显地看到,购买年份越早的车,价格会聚集在更低的区间;而右图我们可以看到,里程数与价格呈负相关。

 

这样,我们就完成了一个数据分析的完整流程,数据爬取→数据清洗→数据分析→可视化输出→得出结论

以上就是本次分享的所有内容,更多资讯欢迎关注90代码网