Python数据分析-中国汽车销售数据

本篇文章分析2023年11月新爬取的数据，并进行Python数据分析部分。（这次数据更新至2023年09月，进行2023年数据与2022年数据分析与对比）所有数据分析结果基于爬虫得到的数据，不分析数据的准确性问题。本次会对2023年9月及以往的销售数据进行复盘分析，主要是对比2022年和2023年数据同比分析。 

1. 导入必要的库

   import numpy as np
   import pandas as pd
   import plotly.graph_objects as go
   import pandas as pd
   import plotly.express as px
   import matplotlib.pyplot as plt
   plt.rcParams['font.sans-serif']=['SimHei']
   import seaborn as sns

2.  读取数据

   df =pd.read_excel(r"\Users\21399\汽车销量\中国汽车总体销量.xlsx")
   df.head(5)

   

3.  数据类型查看

   df.info()

   

4. 数据预处理

   df['年份'] = df['时间'].dt.year  
   df['月份'] = df['时间'].dt.month
   df["日期"] = df['时间'].dt.to_period('M')

    

   df['年份'] = df['年份'].astype("str")
   df['月份'] = df['月份'].astype("str")
   df["日期"] = df['日期'].astype("str")

   df.head()

   

5. 数据可视化

   df2 = df[df["年份"] >= "2013"]

    

   px.bar(df2,  # 上面指定的数据
          title="汽车月销售量",
          template="plotly_white",  # 分别主题设置为：plotly、plotly_dark
          x="日期",  # 横坐标
          y="销量",  # 纵坐标
          color="销量")  # 颜色取值

   

• 2023年与2022年同时期汽车销量数据对比

  df['年份'] = df['年份'].astype("int")
  df['月份'] = df['月份'].astype("int")
  df3 = df[(df["年份"] >= 2022) & (df["月份"] <= 9)]
  df['月份'] = df['月份'].astype("str")
  df3

  

df_2023 = df3[df3["年份"] == 2023]
df_2022 = df3[df3["年份"] == 2022]

#初始化绘图
fig = go.Figure()
fig.add_trace(go.Bar(
                x=df_2023["月份"],
                y=df_2023["销量"],
                name='2023年',
                marker_color='rgb(55, 83, 109)'
                ))
                
fig.add_trace(go.Bar(
                x=df_2022["月份"],
                y=df_2022["销量"],
                name='2022年',
                marker_color='rgb(26, 118, 255)'
                ))

fig.update_layout(
    template="plotly_white",
    title='2023年与2022年同时期汽车销量数据对比',
    xaxis=dict(
        title='月份',
        titlefont_size=16,
        tickfont_size=14,
    ),
    yaxis=dict(
        title='',
        titlefont_size=16,
        tickfont_size=14,
    ),
    legend=dict(
        x=0,
        y=1.0,
        bgcolor='rgba(255, 255, 255, 0)',
        bordercolor='rgba(255, 255, 255, 0)'
    ),
    barmode='group',
    bargap=0.15,
    bargroupgap=0.1
)
fig.show()

• 各厂商汽车销量(年)

cs =pd.read_excel(r"\Users\21399\汽车销量\中国汽车分厂商每月销售表.xlsx")
cs.head(10)

cs_sales = cs.groupby(['年份',"厂商"])['销量'].sum().reset_index().sort_values(['销量'])
cs_sales.head(10)

cs_sales.tail(10)

2023年（1月-9月） 可以说是比亚迪一家独大的一年，销量为179万 

fig = px.bar(cs_sales,x="年份",y="销量",color="厂商",text_auto=",",title="中国各厂商汽车销量（年）")
fig.update_layout(height=1200)

•  各车型汽车销量(年)

cx =pd.read_excel(r"\Users\21399\汽车销量\中国汽车分车型每月销售量.xlsx")
cx.head(10)

 

cx["最低价"] = cx['售价（万元）'].apply(lambda x:x.split('-')[0])

cx["最低价"] = pd.to_numeric(cx["最低价"], errors='coerce')

cx1 = cx[cx["最低价"] >= 4.5]

cx_sales = cx1.groupby(['年份',"车型"])['销量'].sum().reset_index().sort_values(['销量'])

fig = px.bar(cx_sales,x="年份",y="销量",color="车型",text_auto=",",title="中国各车型汽车销量（年）-最低价大于4.5万")
fig.update_layout(height=1200)