python笔记16_实例练习_二手车折旧分析p1

python数据分析练习，具体数据不放出。

分析实践很简单。目的不是做完，而是讲清楚每一步的目的和连带的知识点（所以才叫学习笔记）

0.数据准备

原始数据格式：csv文件

原始数据结构：

数据格式	字段名
int（无用信息）	无
String	che300_brand_name
float	new_price
String	maker_type
float	lowest_price
String	car_level_name
int	age_month
String	brand
float	age
String	maker
int	cluster

1.导包

import warnings
warnings.filterwarnings('ignore')
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns

"warnings" 是警告过滤器，没有实际作用。

"seaborn" 是一个基于 Matplotlib 的图形可视化库，可以用于绘制统计图表，如密度图、散点图、线性回归图等。

2.读取&初步处理

读数据：

data = pd.read_csv('二手车折旧分析.csv',encoding='gb2312')

利用 pandas 读csv文件，第二个参数是设置编码，默认编码会使用 'utf-8' ，但这里的数据中有中文，需要使用支持简体中文的编码，如下图所示，可选择 'gb2312' 'gbk' 'gb18030'

  查看更多详细编码：codecs — Codec registry and base classes — Python 3.11.3 documentation

查看数据：

data.head(5) # 查看前五行
data.describe() # 查看数据描述

这里的 describe() 函数会自动出每一列是数值的数据的计数、均值、标准差、四分位数、二分位数、最值。相当于一次性使用了8次聚合函数，非常便于初步总览数据。

初步处理：

模拟真实数据中有不需要的列/行，可以进行删除。

如本例中的第一列，没有列名，那么再上一步查看数据的时候列名会显示为 'Unnamed: 0'

data = data.drop('Unnamed: 0',axis = 1)

drop 函数第一个参数是列名，第二个参数 axis = 0 ：删除行 ； axis = 1 ：删除列。

3.数据清洗——残值率计算：

假设现在我们需要关注一个值——残值率的准确性。

如果你恰巧学过会计学，对这个词应该不陌生。

在会计记账过程中，资产的价值是每年会降低的，这很好理解，因为任何有形资产（如机器设备、车辆）都有使用年限，它们会随着时间磨损、消耗，最终报废，也就是资产归零。而每年在计算它们的价值时，应当根据剩余使用年限计算一个当前剩余的价值。

比如一辆价值10万元的车，如果理论上使用10年就会报废，那么它在使用2年后的资产价值就是10-10/10*2=8万元，这里面损失的2万元就是折旧，剩余的8万元就是残值，也就是此处的lowest_price 字段。

资产原值（new_price）/资产残值（lowest_price）= 残值率

正常情况下，残值率肯定低于1。

那么残值率高于1的数据就是错误数据，需要处理：

data['残值率'] = data['lowest_price']/data['new_price']

给 DataFrame 添加一列，计算残值率，命名为“残值率”；

question_data = data[data['残值率'] > 1]
question_data.head(5) # 查看异常数据
question_data.count() # 异常数据总数

筛选残值率高于1的数据进行探查；

data = data[data['残值率'] < 1]

去除异常数据，进行数据清洗。

（未完待续）