基于大数据的汽车信息可视化分析预测与推荐系统

温馨提示：文末有 CSDN 平台官方提供的学长 QQ 名片 :)

1. 项目简介

本项目通过集成网络爬虫技术，实时获取海量汽车数据；运用先进的ARIMA时序建模算法对数据进行深度挖掘和分析；结合flask web系统和echarts可视化工具，为用户提供直观、易用的操作界面。系统主要包含汽车销量分析、汽车品牌车系分析、汽车评分分析、汽车指导价分析、汽车价格预测和汽车个性化推荐等功能模块，旨在为汽车行业从业者、消费者及研究人员提供全面、准确的数据支持和服务。

B站详情及代码资料下载：基于大数据的汽车信息可视化分析预测与推荐系统_哔哩哔哩_bilibili

基于大数据的汽车信息可视化分析预测与推荐系统

2. 汽车信息采集

利用 requests、beautifulsoup等工具包，模拟采集并解析各品牌汽车的品牌、车系、评分、级别、车身结构、发动机、变速箱、指导价、销量等多维数据，经过数据清洗和格式化，并进行数据的存储：

response = requests.get(url, headers=headers)
response.encoding = 'gbk'
soup = BeautifulSoup(response.text, 'lxml')
cars = soup.select('div.list-cont')

brand_cars = []
for car in cars:
    try:
        car_info = {'品牌': brand}
        name = car.select('a.font-bold')[0].text
        score = car.select('span.score-number')
        if len(score) == 0:
            score = '暂无'
        else:
            score = score[0].text

        car_info['车系'] = name
        car_info['评分'] = score

        ul = car.select('ul.lever-ul')[0]
        for li in ul.select('li'):
            data = li.text.replace('\xa0', '').replace('&nbsp;', '').replace(' ', '').strip().split('：')
            if '颜色' in data[0]: continue
            if len(data) < 2: continue
            car_info[data[0]] = data[1]

        price = car.select('span.font-arial')[0].text
        price = price.split('-')
        if len(price) == 1:
            car_info['最低指导价'] = price[0]
            car_info['最高指导价'] = price[0]
        else:
            car_info['最低指导价'] = price[0] + '万'
            car_info['最高指导价'] = price[1]

        car_info['链接'] = url
        brand_cars.append(car_info)
    except:
        print('error...')
        continue

汽车销量数据采集：

def factory_car_sell_count_spider():
    """
    中国汽车分厂商每月销售量
    https://XXXXXXX/factory.html
    """
    base_url = 'https://XXXXXXX/factory-{}-{}-{}.html'

    year_month = '201506'

    factory_month_sell_counts = []
    now_date = datetime.now().strftime("%Y%m")
    while year_month < now_date:
        for page_i in range(1, 5):
            try:
                url = base_url.format(year_month, year_month, page_i)
                print(url)
                resp = requests.get(url, headers=headers)
                resp.encoding = 'utf8'
                soup = BeautifulSoup(resp.text, 'lxml')

                table = soup.select('table.xl-table-def')
                trs = table[0].find_all('tr')

                for tr in trs:
                    tds = tr.find_all('td')
                    if len(tds) < 4: continue
                    # 厂商logo
                    ......

                    factory_month_sell_counts.append((year_month, factory_logo, factory, sell_count, ratio))

                time.sleep(1)
            except:
                print('error...')
                continue

        # 下个月份
        ......

3. 基于大数据的汽车信息可视化分析预测与推荐系统

3.1 系统首页与注册登录

3.2 汽车销量分析

该功能模块使用Python中的Pandas库对汽车销量数据进行分析和可视化。首先，通过读取汽车销量数据，将数据加载到Pandas的DataFrame对象中。然后，利用Pandas提供的数据处理和分析功能，对销量数据进行统计分析，最后，利用echarts库生成柱状图和饼状图，直观地展示汽车销量的分布情况和占比情况。

3.3 汽车品牌车系分析

分析不同汽车品牌的车系数量、与汽车类型的分布情况：

3.4 汽车评分分析

分析不同品牌汽车、不同车系、车型级别的评分分布情况：

3.5 汽车指导价分析

分析不同汽车不同车系、续航里程等因素下的指导价分布情况：

3.6 基于决策树算法的汽车价格预测

利用 Xgboost 构建决策树回归算法，实现对汽车指导价的预测建模：

df_columns = dataset.columns.values
print('---> cv train to choose best_num_boost_round')
all_y = np.log1p(all_y)

dtrain = xgb.DMatrix(all_x, label=all_y, feature_names=df_columns)

xgb_params = {
    'learning_rate': 0.01,
    'max_depth': 4,
    'eval_metric': 'rmse',
    'objective': 'reg:linear',
    'nthread': -1,
    'silent': 1,
    'booster': 'gbtree'
}

cv_result = xgb.cv(dict(xgb_params),
                   dtrain,
                   num_boost_round=4000,
                   early_stopping_rounds=100,
                   verbose_eval=100,
                   show_stdv=False,
                   )
best_num_boost_rounds = len(cv_result)
mean_train_logloss = cv_result.loc[best_num_boost_rounds -
                                   11: best_num_boost_rounds - 1, 'train-rmse-mean'].mean()
mean_test_logloss = cv_result.loc[best_num_boost_rounds -
                                  11: best_num_boost_rounds - 1, 'test-rmse-mean'].mean()
print('best_num_boost_rounds = {}'.format(best_num_boost_rounds))

print('mean_train_rmse = {:.7f} , mean_valid_rmse = {:.7f}\n'.format(
    mean_train_logloss, mean_test_logloss))
print('---> training on total dataset to predict test and submit')
model = xgb.train(dict(xgb_params),
                  dtrain,
                  num_boost_round=best_num_boost_rounds)
# 特征重要程度
feature_importance = model.get_fscore()
feature_importance = sorted(
    feature_importance.items(), key=lambda d: d[1], reverse=True)

3.7 汽车个性化推荐

3.7.1 基于内容的汽车品牌车型推荐

基于内容的汽车推荐，基于用户选择的汽车品牌、车型级别、和价格区间，进行符合筛选条件的汽车车型推荐：

3.7.2 基于用户行为的汽车车型推荐

针对用户选择喜欢的车型数据，构建用户画像特征向量、汽车特征向量，通过计算向量余弦相似度，进行汽车车型的推荐：

def cos_sim(x, y):
    """
    余弦相似性
    input:  x(mat):以行向量的形式存储，可以是用户或者商品
            y(mat):以行向量的形式存储，可以是用户或者商品
    output: x和y之间的余弦相似度
    """
    x = x.reshape(1, -1)
    y = y.reshape(1, -1)

    numerator = x * y.T  # x和y之间的内积
    denominator = np.sqrt(x * x.T) * np.sqrt(y * y.T)
    return (numerator / (denominator + 0.000001))[0, 0]


def similarity(data):
    """
    计算矩阵中任意两行之间的相似度
    input:  data(mat):任意矩阵
    output: w(mat):任意两行之间的相似度
    """
    m = np.shape(data)[0]  # 用户的数量
    # 初始化相似度矩阵
    w = np.mat(np.zeros((m, m)))

    for i in range(m):
        for j in range(i, m):
            if j != i:
                # 计算任意两行之间的相似度
                w[i, j] = cos_sim(data[i,], data[j,])
                w[j, i] = w[i, j]
            else:
                w[i, j] = 0
    return w


def top_k(predict, k):
    """
    为用户推荐前k个商品
    input:  predict(list):排好序的商品列表
            k(int):推荐的商品个数
    output: top_recom(list):top_k个商品
    """
    top_recom = []
    len_result = len(predict)
    if k >= len_result:
        top_recom = predict
    else:
        for i in range(k):
            top_recom.append(predict[i])

4. 总结

欢迎大家点赞、收藏、关注、评论啦，由于篇幅有限，只展示了部分核心代码。技术交流、源码获取认准下方 CSDN 官方提供的学长 QQ 名片 :)

精彩专栏推荐订阅：

1. Python数据挖掘精品实战案例

2. 计算机视觉 CV 精品实战案例

3. 自然语言处理 NLP 精品实战案例