Графический анализ датасета Tesla 🚘🧑💻
Концепция
Tesla Inc, основанная в 2003 году инженерами Мартином Эберхардом и Марком Тарпеннингом, стала лидером в производстве электромобилей и решениях в области устойчивой энергетики. Нынешний генеральный директор компании Илон Маск присоединился к ней вскоре после ее основания и сыграл ключевую роль в ее росте и инновациях.
Tesla представила свой первый автомобиль, Roadster, в 2008 году, за которым последовали весьма успешные Model S, Model 3, Model X и Model Y.
Помимо транспортных средств, Tesla расширила свою деятельность на решения для энергии, постоянно расширяя границы технологий и устойчивого развития.
Этапы работы и виды получившихся графиков
В этом коде написан датасет о автомобилях Tesla с помощью библиотеки pandas, numpy и генерации случайных данных.
Здесь генеририруется случайный датасет из 2000 автомобилей. Для каждого автомобиля случайным образом выбираются следующие параметры: Model: модель автомобиля (Model S, Model 3, Model X, Model Y) Year: год выпуска (2015-2022) Price: цена автомобиля (среднее значение 60000 долларов с нормальным распределением и стандартным отклонением 15000) Mileage: пробег автомобиля (среднее значение 50000 миль с нормальным распределением и стандартным отклонением 20000) Color: цвет автомобиля Condition: состояние автомобиля (новый или подержанный) Location: местоположение автомобиля Transmission: тип трансмиссии (автоматическая или ручная) Owners: количество владельцев (от 1 до 4) Body_Type: тип кузова (седан, внедорожник, купе, хэтчбек) Options: опции автомобиля (базовая, стандартная, премиальная, люксовая) Fuel_Type: тип топлива (электрический или гибридный)
Далее я вывел график, который показывает распределение автомобилей по цвету.
Далее изображен код, который создает график, показывающий распределение автомобилей по состоянию (новый или использованный).
Распределение автомобилей по местоположению пользователей и их авто.
Распределение автомобилей по типу трансмиссии.
Распределение цен по состоянию автомобиля.
Распределение цен по типу кузова.
3D Scatter Plot: Цена, год и пробег.
Scatter Plot: Цена и Пробег. Такой график нужен для анализа цены и пробега автомобилей и может быть очень полезным для понимания зависимости между этими двумя важными параметрами.
Общий Pair Plot. Взаимосвязь между основными признаками.
Выводы
Вывели генерацию случайного датасета из 2000 автомобилей Tesla с различными параметрами.
Вывели различные графики для визуализации данных: распределения по цвету, состоянию, местоположению, типу трансмиссии, типу кузова, а также зависимости цены от пробега и года выпуска.
Такой тип графиков прошелся по поверхностному анализу данных пользователей Tesla и помог выявить скрытые закономерности и зависимости между признаками автомобилей Tesla.
