pandas数据分析案例:利用python进行汽车数据分析可视化实例

文 | 商业智能BI相关文章 阅读次数:25,356 次浏览
2022-12-19 14:45:47

最近我一在杭州做外贸生意的老表让我给他推荐一辆车,自己的宝来开了5年多,感觉不香了,这次要我给他从BBA中选一个,落地35万以内落地。我想这做生意稳重一点,35万以内差不多就是奔驰C,宝马3和奥迪A4中选了。至于选哪一个就很头疼了。

我们知道每辆车都有它的特点和受众群体,特别是对于这种有上百年品牌积淀的BBA。奔驰的高逼格,宝马的驾驶感,奥迪的科技感等,但是这些特点不一定是你买它的理由。

每辆车肯定都有缺点,如果这些缺点你无法忍受,那一定是你不买的理由。与其打破脑袋做选择题,不如换个思维方式,用排除法,做“不选”题。

按照这个思路,我就想着怎么样把这三个车的问题搜集出来,对比看看哪个更加无法接受。最后在做出选择。思路有了,问题就有了解决方案了:

•搜集各个车型的问题

•搜集完后做数据清洗聚合

•问题点生成词云对比,更具有视觉效果

好了,说干就干。第一步,问题搜集。要搜集问题,自然要找投诉网站。有个12365车质网就是让用户上报投诉信息的,我们也可以按照车型搜索投诉信息,如图:

•按车型搜索投诉信息利用python进行数据分析,python数据分析实例,python数据分析可视化,汽车数据分析,pandas数据分析案例

•搜索后,得到详细的投诉信息列表,很全很强大!

利用python进行数据分析,python数据分析实例,python数据分析可视化,汽车数据分析,pandas数据分析案例

我们只要把这些信息写个爬虫爬下来就可以了。这个简单。按照我们之前写过的爬虫,5分钟,总共不超过20行代码,就把这些数据拿下了。没办法,python爬虫就是这么强大!特别是对于这种第三方机构的网页,基本上没有什么反爬虫措施。爬取后的数据如下,大概10000条:

利用python进行数据分析,python数据分析实例,python数据分析可视化,汽车数据分析,pandas数据分析案例

每一行为一个投诉,每个投诉有车型车款投诉信息和投诉日期等字段,完全够用了。

原材料有了,接下来就开始做菜了。按照需求:“分析每个车型的主要缺点,看看哪个更加无法接受”来搭建数据分析的指标和方法。

我的思路:第一,总体观:先看看哪个车型故障比较多 第二,细化到每个车型在看看每个车型的主要问题

总体分析简单,直接用pandas聚合,看看每个车型的投诉总数和占比:

利用python进行数据分析,python数据分析实例,python数据分析可视化,汽车数据分析,pandas数据分析案例

可视化:

利用python进行数据分析,python数据分析实例,python数据分析可视化,汽车数据分析,pandas数据分析案例

Oh, yeah!做之前我还对奥迪A4抱有一丝希望,没想到这丫竟然独占60%的投诉量!比另外两个加在一起还多。我在想这个是不是和销量相关呢?可能是因为销量多,所以投诉多?那好,把销量数据拿出来。

这里有一家网站,车主之家,可以按照车型查找到每个月的销量:

利用python进行数据分析,python数据分析实例,python数据分析可视化,汽车数据分析,pandas数据分析案例

同样的,我们用爬虫爬取了2009-2019共11年三个品牌的销量数据:

利用python进行数据分析,python数据分析实例,python数据分析可视化,汽车数据分析,pandas数据分析案例

OK,把这个数据和投诉数据放到一起:

利用python进行数据分析,python数据分析实例,python数据分析可视化,汽车数据分析,pandas数据分析案例

销量可视化:

利用python进行数据分析,python数据分析实例,python数据分析可视化,汽车数据分析,pandas数据分析案例

我靠,这下死的明白了!

宝马11年共卖了近140万辆3系,在三者中最高,但是投诉数量却是最少,从数据上看似乎质量比另外两个可靠。

奥迪A4在销量方面比宝马3系稍逊一筹,超过120万辆,但是投诉数量确是宝马4倍左右。

奔驰的销量和两外两兄弟不在一个级别上,但其实投诉也不少。

我们再来看一下按月份销量走势图:

利用python进行数据分析,python数据分析实例,python数据分析可视化,汽车数据分析,pandas数据分析案例

2009-2015,宝马3系的历年销量都是最高,但是2015年之后不知道发生了什么,这种优越感荡然无存。特别是2019年下半年开始,销量大幅下滑,现在处于稳步复苏阶段。

2009-2014,奔驰C级存在感一直非常低,月销量大部分时候不到5000。从2014年3月份开始,产品开始发力,一直到现在都是一个稳步上升趋势。估计是哪个时间点产品换代。

最近几年(2015-2019),三个车型的销量非常接近,竞争越来越激烈。

再来看一下按照月份的投诉量统计:

利用python进行数据分析,python数据分析实例,python数据分析可视化,汽车数据分析,pandas数据分析案例

•基本上每个月奥迪的投诉总量都是最高,宝马最低。

•但是要看到宝马和奔驰的投诉数量近几年有增长的趋势

•奥迪在2015年前后和2017-2019年有个投诉集中爆发的阶段,其实如果把这些非常高的离群点处理掉,奥迪投诉量没有那么夸张。

综上,从整体数据来看:

•宝马3系的投诉总量最低,而且是在销量最高的前提下。但是要看到宝马3系的黄金时期是在2009-2015年间。销量大幅领先且投诉少。最近几年投诉量有上升趋势。

•奔驰随着产量销量的上升,投诉量也在增长。

•从数据上来看,最不推荐的是奥迪A4,投诉量一直居高不下。

但是:

第一,这只是一家网站的数据,是否全面需要商榷; 第二,每个品牌的车主是否都有上网投诉的习惯,这个也是未知。后期打算做一个各个品牌车主的人物画像在深入分析。

这里在此强调以上只是通过数据就事论事。

第二步:各个品牌的缺点画像。

这里的内容主要是用jieba分词来对统计投诉问题做词频统计,之后利用词云工具来展示。因为python有这些第三方库,做这些事情无比简单。别人做好了工具直接调用即可。

首先先看一下总体的情况:

利用python进行数据分析,python数据分析实例,python数据分析可视化,汽车数据分析,pandas数据分析案例

  1. 发动机和变速箱作为车里面性能最关键的两个大件,在投诉方面也毫不示弱。变速箱异常、发动机异响很能吸引眼球。
  2. 车内异味问题也是广大消费者投诉的重点对象。

下面我们在分车型看一下:

按照字母顺序,奥迪先来:

利用python进行数据分析,python数据分析实例,python数据分析可视化,汽车数据分析,pandas数据分析案例

异味和烧机油问题突出。看来烧机油是大众的通病。我们在把词分的更细一点看看:

利用python进行数据分析,python数据分析实例,python数据分析可视化,汽车数据分析,pandas数据分析案例

可以看到除了异响异味以外,防冻液和轮胎也很突出。

在看一下奔驰C:

利用python进行数据分析,python数据分析实例,python数据分析可视化,汽车数据分析,pandas数据分析案例

利用python进行数据分析,python数据分析实例,python数据分析可视化,汽车数据分析,pandas数据分析案例

对比奥迪,奔驰C发动机故障灯亮和4S商家服务问题突出一点。细分在看一下可以看到提到比较多有故障灯,凸轮轴等

最后看一下宝马:

利用python进行数据分析,python数据分析实例,python数据分析可视化,汽车数据分析,pandas数据分析案例

利用python进行数据分析,python数据分析实例,python数据分析可视化,汽车数据分析,pandas数据分析案例

宝马和奥迪一样,都有严重的烧机油问题,但是宝马的似乎和气门机构有关系,这里漏油。

宝马车主还提到发动机控制模块故障和高速熄火问题,这个挺严重

综上:

  1. 车内异味问题,在奥迪和奔驰上非常突出,在宝马上好一点
  2. 烧机油现象在宝马和奥迪上比较普遍,在奔驰上投诉较少。而且在宝马上,很多投诉气门盖出漏油
  3. 奔驰上除了通病以外,有发动机故障灯和4S店的问题。

有了这些问题,在怎么选择,就看个人了。

由于篇幅限制,本次分享到此结束。其实后面还可以进一步挖掘,比如每个投诉都有车款信息,可以在挖掘投诉是否和某个车款(高中低配)相关等。这个读者可以自行尝试了。

很显然在目前的信息时代,借助类似于FineBI的这些工具,可以让企业加速融入企业数据分析的趋势。备受市场认可的软件其实有很多,选择时必须要结合实际的情况。一般的情况下,都建议选择市面上较主流的产品,比较容易达到好的效果,目前企业数据分析BI软件市场占有率前列的,就是帆软BI软件——FineBI。

利用python进行数据分析,python数据分析实例,python数据分析可视化,汽车数据分析,pandas数据分析案例

商业智能BI产品更多介绍: www.finebi.com

相关内容

立即体验 立即体验

在线客服

电话咨询

技术问题

投诉入口

返回顶部