Python分析1万条数据，告诉你奔驰宝马奥迪哪个更垃圾？

最近我一在杭州做外贸生意的老表让我给他推荐一辆车，自己的宝来开了5年多，感觉不香了，这次要我给他从BBA中选一个，落地35万以内落地。我想这做生意稳重一点， 35万以内差不多就是奔驰C ，宝马3和奥迪A4中选了。至于选哪一个就很头疼了。
我们知道每辆车都有它的特点和受众群体，特别是对于这种有上百年品牌积淀的BBA 。奔驰的高逼格，宝马的驾驶感，奥迪的科技感等，但是这些特点不一定是你买它的理由。
每辆车肯定都有缺点，如果这些缺点你无法忍受，那一定是你不买的理由。与其打破脑袋做选择题，不如换个思维方式，用排除法，做“不选”题。
按照这个思路，我就想着怎么样把这三个车的问题搜集出来，对比看看哪个更加无法接受。最后在做出选择。思路有了，问题就有了解决方案了：

搜集各个车型的问题
搜集完后做数据清洗聚合
问题点生成词云对比，更具有视觉效果

好了，说干就干。第一步，问题搜集。要搜集问题，自然要找投诉网站。有个12365车质网就是让用户上报投诉信息的，我们也可以按照车型搜索投诉信息，如图：

按车型搜索投诉信息

本文插图

搜索后，得到详细的投诉信息列表，很全很强大！

本文插图
我们只要把这些信息写个爬虫爬下来就可以了。这个简单。按照我们之前写过的爬虫， 5分钟，总共不超过20行代码，就把这些数据拿下了。没办法， python爬虫就是这么强大！特别是对于这种第三方机构的网页，基本上没有什么反爬虫措施。爬取后的数据如下,大概10000条：

本文插图

每一行为一个投诉，每个投诉有车型车款投诉信息和投诉日期等字段，完全够用了。
原材料有了，接下来就开始做菜了。按照需求：“分析每个车型的主要缺点，看看哪个更加无法接受”来搭建数据分析的指标和方法。
我的思路：第一，总体观：先看看哪个车型故障比较多第二，细化到每个车型在看看每个车型的主要问题
总体分析简单，直接用pandas聚合，看看每个车型的投诉总数和占比：