利用Python爬二手车官网数据做可视化分析

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，更多资讯欢迎关注编程学习网