该数据集由作者：Rehan Liaqat 更新于一个月前，是用于汽车价格预测的结构化数据集，

包含市场上单个汽车的消费者导向记录，每一行对应一辆车，涵盖Car ID（唯一标识）、品牌、型号、年份、发动机规格、燃油类型、变速箱类型、里程数、车况等特征及作为目标变量的市场价格；
数据集具有可直接应用、精简聚焦、用途多样、适合演示教学的优势，可用性评分为10.00，采用ODC Public Domain Dedication and Licence（PDDL）许可，无预期更新频率，标签为“Beginner”，

数据文件“car_price_prediction_.csv”大小为160.09 kB，可用于探索性数据分析、特征工程和监督学习等任务。

源地址：https://www.kaggle.com/datasets/rehan497/car-price-prediction-dataset

本数据集采用 ODC PDDL 公共领域许可，允许自由分享、使用及修改（许可详情见：https://opendatacommons.org/licenses/pddl/1-0/）

一、数据集

1.1 数据集基础信息

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns

# 设置中文字体
plt.rcParams["font.family"] = ["SimHei"]
plt.rcParams['axes.unicode_minus'] = False  # 解决负号显示问题

# 1. 加载数据
df = pd.read_csv('car_price_prediction.csv')

# 2. 查看数据基本信息
print("数据集形状：", df.shape)
print("\n前5行数据：")
print(df.head())
print("\n数据类型信息：")
print(df.dtypes)

# 3. 数据质量检查
print("\n缺失值统计：")
print(df.isnull().sum())
print("\n重复值统计：", df.duplicated().sum())

# 4. 描述性统计
print("\n数值型变量统计描述：")
print(df.describe().round(2))

# 5. 分类变量分析
print("\n分类变量类别分布：")
categorical_cols = ['Brand', 'Fuel Type', 'Transmission', 'Condition']
for col in categorical_cols:
    print(f"\n{col} 分布：")
    print(df[col].value_counts())
    print(f"唯一值数量：{df[col].nunique()}")

以下是整理后的表格形式数据分析结果：

1. 数据集基本信息

2. 数据类型分布

3. 数值型变量统计描述

count（计数）：该变量的有效记录数量，反映数据的完整性。
mean（均值）：所有数值的算术平均值，体现数据的集中趋势。
std（标准差）：衡量数值的离散程度，标准差越大，数据波动越明显。
min（最小值）：变量的最小取值。
25%（第一四分位数）：将数据从小到大排序后，位于 25% 位置的数值。
50%（中位数）：将数据从小到大排序后，位于中间位置的数值，反映数据的中间水平。
75%（第三四分位数）：将数据从小到大排序后，位于 75% 位置的数值。
max（最大值）：变量的最大取值。

# 6. 价格分布分析
plt.figure(figsize=(10, 6))
sns.histplot(df['Price'], kde=True, color='skyblue')
plt.axvline(df['Price'].mean(), color='red', linestyle='--', label=f'平均值: {df["Price"].mean():.2f}')
plt.axvline(df['Price'].median(), color='green', linestyle='--', label=f'中位数: {df["Price"].median():.2f}')
plt.title('汽车价格分布')
plt.xlabel('价格')
plt.ylabel('频数')
plt.legend()
plt.tight_layout()
plt.show()

# 7. 品牌与价格关系
plt.figure(figsize=(12, 6))
sns.boxplot(x='Brand', y='Price', data=df)
plt.title('不同品牌的价格分布')
plt.xticks(rotation=45)
plt.tight_layout()
plt.show()

# 8. 燃油类型与价格关系
plt.figure(figsize=(10, 6))
sns.boxplot(x='Fuel Type', y='Price', data=df)
plt.title('不同燃油类型的价格分布')
plt.tight_layout()
plt.show()

# 9. 相关性分析
plt.figure(figsize=(10, 8))
numeric_cols = ['Year', 'Engine Size', 'Mileage', 'Price']
corr_matrix = df[numeric_cols].corr()
sns.heatmap(corr_matrix, annot=True, cmap='coolwarm', vmin=-1, vmax=1)
plt.title('数值变量相关性热力图')
plt.tight_layout()
plt.show()

# 10. 各品牌平均价格
brand_mean_price = df.groupby('Brand')['Price'].mean().sort_values(ascending=False)
plt.figure(figsize=(10, 6))
brand_mean_price.plot(kind='bar', color='lightgreen')
plt.title('各品牌平均价格')
plt.ylabel('平均价格')
plt.xticks(rotation=45)
plt.tight_layout()
plt.show()