AIM-PIbd-31-Kouvshinoff-T-A/lab_1/laba1.ipynb

просто устанавливаем матплот потому что иначе он не хотел устанавливаться

In [141]:

pip install matplotlib

Requirement already satisfied: matplotlib in d:\мии\aim-pibd-31-kouvshinoff-t-a\laba\lib\site-packages (3.9.2)
Requirement already satisfied: contourpy>=1.0.1 in d:\мии\aim-pibd-31-kouvshinoff-t-a\laba\lib\site-packages (from matplotlib) (1.3.0)
Requirement already satisfied: cycler>=0.10 in d:\мии\aim-pibd-31-kouvshinoff-t-a\laba\lib\site-packages (from matplotlib) (0.12.1)
Requirement already satisfied: fonttools>=4.22.0 in d:\мии\aim-pibd-31-kouvshinoff-t-a\laba\lib\site-packages (from matplotlib) (4.53.1)
Requirement already satisfied: kiwisolver>=1.3.1 in d:\мии\aim-pibd-31-kouvshinoff-t-a\laba\lib\site-packages (from matplotlib) (1.4.7)
Requirement already satisfied: numpy>=1.23 in d:\мии\aim-pibd-31-kouvshinoff-t-a\laba\lib\site-packages (from matplotlib) (2.1.1)
Requirement already satisfied: packaging>=20.0 in d:\мии\aim-pibd-31-kouvshinoff-t-a\laba\lib\site-packages (from matplotlib) (24.1)
Requirement already satisfied: pillow>=8 in d:\мии\aim-pibd-31-kouvshinoff-t-a\laba\lib\site-packages (from matplotlib) (10.4.0)
Requirement already satisfied: pyparsing>=2.3.1 in d:\мии\aim-pibd-31-kouvshinoff-t-a\laba\lib\site-packages (from matplotlib) (3.1.4)
Requirement already satisfied: python-dateutil>=2.7 in d:\мии\aim-pibd-31-kouvshinoff-t-a\laba\lib\site-packages (from matplotlib) (2.9.0.post0)
Requirement already satisfied: six>=1.5 in d:\мии\aim-pibd-31-kouvshinoff-t-a\laba\lib\site-packages (from python-dateutil>=2.7->matplotlib) (1.16.0)
Note: you may need to restart the kernel to use updated packages.

просто вывод колонок датасета¶

In [142]:

import pandas as pd
df = pd.read_csv("..//static//csv//car_price_prediction.csv", sep=",")
df.columns

Out[142]:

Index(['ID', 'Price', 'Levy', 'Manufacturer', 'Model', 'Prod. year',
       'Category', 'Leather interior', 'Fuel type', 'Engine volume', 'Mileage',
       'Cylinders', 'Gear box type', 'Drive wheels', 'Doors', 'Wheel', 'Color',
       'Airbags'],
      dtype='object')

преобразуем пробег в число¶

In [143]:

df['Mileage'] = df['Mileage'].str.replace(r'\D+', '', regex=True).astype(float)

отрисовываю круговую диаграмму по которой можно сделать вывод о распределении типов двигателей¶

In [144]:

import matplotlib.pyplot as plt

df['Fuel type'].value_counts().plot(kind='pie', autopct='%1.1f%%', legend=False, y='', title='распределение типов двигателей', 
                 pctdistance=0.85,  # Расположение процентов внутри круга
                 labeldistance=1.25)  # Расположение меток снаружи круга
df['Fuel type'].value_counts()

Out[144]:

Fuel type
Petrol            10150
Diesel             4036
Hybrid             3578
LPG                 892
CNG                 494
Plug-in Hybrid       86
Hydrogen              1
Name: count, dtype: int64

вывод: бензиновых двигателей больше чем всех остальных вместе взятых, а дизель и гибрид делят остальную половину почти пополам
З.Ы.
    CNG(Природный газ)
    LPG (Сжиженный нефтяной газ)

график Распределения цен, так как среди записей есть машина за 1$ и 20'000'000$, то пришлось деласть фильтрацию для отсеивания ненормальных значений, а то на графике вообще ничего видно не было.¶

In [145]:

print('минимальная цена:' + str(df['Price'].min()))
print('максимальная цена:' + str(df['Price'].max()))
mean_price = df['Price'].median()
std_price = df['Price'].std()

# Фильтрация данных: оставляем только значения в пределах одного стандартного отклонения
df_filtered = df[(df['Price'] >= mean_price - std_price) & (df['Price'] <= mean_price + std_price)]

# Построение гистограммы для отфильтрованных значений
df_filtered['Price'].plot(kind='hist', bins=100, figsize=(10, 5), title='Распределение цен (в пределах нормы)', xlabel='Цена', ylabel = 'Количество')

минимальная цена:1
максимальная цена:26307500

Out[145]:

<Axes: title={'center': 'Распределение цен (в пределах нормы)'}, xlabel='Цена', ylabel='Количество'>

вывод: большинство машин было проданно менее 25000$

график зависимости цены от пробега для первых 100 элементов¶

In [146]:

df[0:100].plot.scatter(x="Mileage", y="Price", title ='Зависимость цены от пробега', xlabel = 'Пробег', ylabel = 'Цена', figsize=(15, 5),)

Out[146]:

<Axes: title={'center': 'Зависимость цены от пробега'}, xlabel='Пробег', ylabel='Цена'>

вывод:

1. даже уже в первых 100 есть аномалии, где пробег почти 1М
2. чем больше пробег тем сложнее продать машину за дорого

повторим этот график только отфильтруем все значения вне нормы, и не только первые 100¶

In [147]:

print('минимальный пробег:' + str(df['Mileage'].min()))
print('максимальный пробег:' + str(df['Mileage'].max()))
mean_mileage = df_filtered['Mileage'].median()
std_mileage = df_filtered['Mileage'].std()/100

# Фильтрация данных: оставляем только значения в пределах одного стандартного отклонения
df_double_filtered = df_filtered[(df_filtered['Mileage'] >= mean_mileage - std_mileage) & (df_filtered['Mileage'] <= mean_mileage + std_mileage)]

df_double_filtered.plot.scatter(x="Mileage", y="Price", title ='Зависимость цены от пробега(в пределах нормы)', xlabel = 'Пробег', ylabel = 'Цена', figsize=(15, 5),)

минимальный пробег:0.0
максимальный пробег:2147483647.0

Out[147]:

<Axes: title={'center': 'Зависимость цены от пробега(в пределах нормы)'}, xlabel='Пробег', ylabel='Цена'>

так то приятнее глазу. И нагляднее, что при пробеге за 300к машину выше 25к сложно продать