……

书接上文

4.车辆等级维度

探查车龄为5年的车辆，折旧价值与车辆等级的关系。

# 筛选出车龄为5的数据创建新表
data_age5 = data[data['age'] == 5]
data_age5
# 分组聚合计算均值
data_car_level = data_age5.groupby('car_level_name')['lowest_price'].mean().reset_index()
data_car_level

这里用到了 DataFrame 的 groupby 函数，这个函数对于数据处理的重要程度无需赘言。

groupby 必须配合聚合函数同时使用，否则只能得到一个 DataFrameGroupBy 类型的玩意儿。

这里是可以只传 groupby 参数，不写聚合函数作用的字段的，也就是：

data_age5.groupby('car_level_name').mean()

这样的效果和前面提到的 describe 函数相似，会对所有数值字段进行聚合计算。

这里还用到了 reset_index 函数，可以给生成的新表添加一列数字索引。

data_car_level_sort = data_car_level.sort_values('lowest_price',ascending = False)
data_car_level_sort

创建新表，使用 sort_values 函数对数据进行排序。第一个参数必穿，是排序的数值列名，第二个参数是调整升序降序，默认升序，给参数 False 可以改为降序。

5.标签维度——可视化

根据标签，对比5年车龄车辆残值价格。

尝试使用另一种分组聚合方式——数据透视表：

data_picture = data_age5.pivot_table(index = 'maker_type', values = ['lowest_price'],aggfunc=np.mean)
bar_data_picture = data_picture.reset_index()
bar_data_picture

使用 pivot_table 函数，含义与 group by 相同，索引 index 就是分组的列，值 values 就是需要聚合计算的数值列，聚合函数 aggfunc 使用 numpy 包中的聚合函数，这里依旧取平均值。

# 设置字体
plt.rcParams['font.sans-serif'] = ['SimHei']
# 设置编码，保证图表中中文和符号正常显示
plt.rcParams['axes.unicode_minus'] = False
# 定义x轴和y轴都是哪些数据
sns.barplot(x = bar_data_picture['maker_type'], y = bar_data_picture['lowest_price'], ci=68)
# 设置标题
plt.title('五年车龄二手车价格对比')
plt.show()

使用 matplotlib.pyplot 包进行可视化属性参数配置。

更多配置详情请看：

http://t.csdn.cn/Kkx8Ihttp://t.csdn.cn/Kkx8I使用 seaborn 包传输图像必须的横纵坐标数据并展示。

注：查看matplotlib默认配置参数：print(plt.rcParams)

6.品牌维度——箱线图

data_brand = data_age5.groupby('brand')['lowest_price'].mean().reset_index()
data_brand_sort_desc = data_brand.nlargest(5, 'lowest_price')
data_brand_sort_desc

同样分组聚合，查看各个品牌的车辆残值价格平均数，然后取价格最高的前五个品牌。

使用 nlargest 函数可以轻松获得，与之相对的还有取最小值的前n个元素的函数 nsmallest 。

data_brand_sort_desc_plot = data_age5[data_age5['brand'].isin(data_brand_sort_desc.brand)]
data_brand_sort_desc_plot

反向取得价格平均数前五的品牌的车辆全部信息。

这里的 data_brand_sort_desc.brand 和 data_brand_sort_desc['brand'] 含义相同，也是提取表的一列。

isin 函数使用方式和SQL类似，利用布尔索引判断目标表的某一列值是否在条件列中。

上述过程相当于SQL的：

select 
    t1.*
from 总表 t1
where lowest_price in (
    select 
        lowest_price
        ,brand
    from (   
        select
            avg(lowest_price) lowest_price
            ,brand
        from 总表
        group by brand
    ) t2
    order by lowest_price desc
    limit 5
) 

对比SQL的复杂写法和嵌套逻辑，python代码看起来就简单多了（看起来）。

sns.boxplot(x='brand',y='lowest_price',data=data_brand_sort_desc_plot)

然后进行可视化，使用 boxplot 函数生成箱线图，传入 x 轴 y 轴以及表名，可以观察到数据的中位数、上下四分位数、异常值分布。

关于箱线图怎么看，以及 boxplot 函数的详细使用，和参数修改，可以参考：http://t.csdn.cn/jNh8Xhttp://t.csdn.cn/jNh8X

7.相关性分析——热力图

python有一个探查不同维度之间相关性的常用函数，corr：

correlation = data.corr()
correlation

这是在对全体数据进行各维度相关性探查，corr 函数会将 DataFrame 表中所有数值类型的列进行相关性计算，计算结果在 -1 和 1 之间，结果越接近 1 表示两个维度值之间越正相关，越接近 -1 则说明两个维度值之间越呈负相关。

sns.heatmap(correlation, linewidth = 1.0, linecolor = 'white', square = True, annot = True, vmax=1.0) 
# annot是否显示值
# vmax热力图取值颜色最大值 
# square是否是正方形

紧接着用 heatmat 函数生成多热力图查看数据相关度整体情况，通过调整配置参数值，可以轻松看到数据各个维度的相关性。

结论：

二手车价格与新车价格呈很强的正相关；

车龄与二手车残值率呈很强的负相关；

车龄与二手车净残值也呈负相关，但没有残值率体现的明显。

（完）