使用Python进行钻石价格分析

钻石是最昂贵的宝石之一。钻石的质量通常以其重量（克拉）、净度、颜色和切工来评估。重量越大、净度越高、色彩纯净、切工精细的钻石价格也越高。其中，4C标准是衡量钻石质量的国际标准，即克拉（Carat）、净度（Clarity）、颜色（Color）和切工（Cut）。

钻石价格分析

为了根据钻石的属性来分析钻石的价格，我们首先需要一个包含钻石价格的数据集。
这里有一个Kaggle上数据集地址：https://www.kaggle.com/datasets/shivam2503/diamonds，其中包含有关钻石的信息，例如：

1. Carat
2. Cut
3. Colour
4. Clarity
5. Depth
6. Table
7. Price
8. Size

导入必要的Python库和数据集：

import pandas as pd
import numpy as np
import plotly.express as px
import plotly.graph_objects as go

data = pd.read_csv("diamonds.csv")
print(data.head())
1
2
3
4
5
6
7

输出

   Unnamed: 0  carat      cut color clarity  depth  table  price     x     y  \
0           1   0.23    Ideal     E     SI2   61.5   55.0    326  3.95  3.98   
1           2   0.21  Premium     E     SI1   59.8   61.0    326  3.89  3.84   
2           3   0.23     Good     E     VS1   56.9   65.0    327  4.05  4.07   
3           4   0.29  Premium     I     VS2   62.4   58.0    334  4.20  4.23   
4           5   0.31     Good     J     SI2   63.3   58.0    335  4.34  4.35   

      z  
0  2.43  
1  2.31  
2  2.31  
3  2.63  
4  2.75  
1
2
3
4
5
6
7
8
9
10
11
12
13

此数据集包含未命名列。在进一步处理之前删除此列：

data = data.drop("Unnamed: 0",axis=1)
1

现在让我们开始分析钻石价格。先来分析一下克拉数和钻石价格之间的关系，看看克拉数是如何影响钻石价格的：

figure = px.scatter(data_frame = data, x="carat",
                    y="price", size="depth", 
                    color= "cut", trendline="ols")
figure.show()
1
2
3
4

我们可以看到克拉数和钻石价格之间的线性关系。这意味着克拉数越高，价格越高。

现在，通过计算钻石的大小（长度x宽度x高度）向该数据集添加一个新列：

data["size"] = data["x"] * data["y"] * data["z"]
print(data)
1
2

输出

       carat        cut color clarity  depth  table  price     x     y     z  \
0       0.23      Ideal     E     SI2   61.5   55.0    326  3.95  3.98  2.43   
1       0.21    Premium     E     SI1   59.8   61.0    326  3.89  3.84  2.31   
2       0.23       Good     E     VS1   56.9   65.0    327  4.05  4.07  2.31   
3       0.29    Premium     I     VS2   62.4   58.0    334  4.20  4.23  2.63   
4       0.31       Good     J     SI2   63.3   58.0    335  4.34  4.35  2.75   
...      ...        ...   ...     ...    ...    ...    ...   ...   ...   ...   
53935   0.72      Ideal     D     SI1   60.8   57.0   2757  5.75  5.76  3.50   
53936   0.72       Good     D     SI1   63.1   55.0   2757  5.69  5.75  3.61   
53937   0.70  Very Good     D     SI1   62.8   60.0   2757  5.66  5.68  3.56   
53938   0.86    Premium     H     SI2   61.0   58.0   2757  6.15  6.12  3.74   
53939   0.75      Ideal     D     SI2   62.2   55.0   2757  5.83  5.87  3.64   

             size  
0       38.202030  
1       34.505856  
2       38.076885  
3       46.724580  
4       51.917250  
...           ...  
53935  115.920000  
53936  118.110175  
53937  114.449728  
53938  140.766120  
53939  124.568444  

[53940 rows x 11 columns]
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27

现在让我们来看看钻石的大小与其价格之间的关系：

figure = px.scatter(data_frame = data, x="size",
                    y="price", size="size", 
                    color= "cut", trendline="ols")
figure.show()
1
2
3
4

上图总结了钻石的两个特点：

• 优质切工钻石比其他钻石相对较大
• 所有类型的钻石的大小和它们的价格之间都有线性关系

现在让我们来看看所有类型的钻石的价格，根据它们的颜色：

fig = px.box(data, x="cut", 
             y="price", 
             color="color")
fig.show()
1
2
3
4

现在让我们来看看所有类型的钻石的价格，根据其净度：

fig = px.box(data, 
             x="cut", 
             y="price", 
             color="clarity")
fig.show()
1
2
3
4
5

现在让我们来看看钻石价格与数据集中其他特征之间的相关性：

correlation = data.corr()
print(correlation["price"].sort_values(ascending=False))
1
2

输出

price    1.000000
carat    0.921591
size     0.902385
x        0.884435
y        0.865421
z        0.861249
table    0.127134
depth   -0.010647
Name: price, dtype: float64
1
2
3
4
5
6
7
8
9

钻石价格预测

现在，将通过使用上述钻石价格分析中的所有必要信息来预测钻石价格。

在继续之前，转换切割列的值，因为钻石的切割类型是预测钻石价格的一个有价值的特征。要使用此列，我们需要将其分类值转换为数值。下面是我们如何将其转换为数字功能：

data["cut"] = data["cut"].map({"Ideal": 1, 
                               "Premium": 2, 
                               "Good": 3,
                               "Very Good": 4,
                               "Fair": 5})
1
2
3
4
5

现在，让我们将数据分为训练集和测试集：

#splitting data
from sklearn.model_selection import train_test_split
x = np.array(data[["carat", "cut", "size"]])
y = np.array(data[["price"]])

xtrain, xtest, ytrain, ytest = train_test_split(x, y, 
                                                test_size=0.10, 
                                                random_state=42)
1
2
3
4
5
6
7
8

训练一个机器学习模型来完成钻石价格预测的任务：

from sklearn.ensemble import RandomForestRegressor
model = RandomForestRegressor()
model.fit(xtrain, ytrain)
1
2
3

下面是我们如何使用机器学习模型来预测钻石的价格：

print("Diamond Price Prediction")
a = float(input("Carat Size: "))
b = int(input("Cut Type (Ideal: 1, Premium: 2, Good: 3, Very Good: 4, Fair: 5): "))
c = float(input("Size: "))
features = np.array([[a, b, c]])
print("Predicted Diamond's Price = ", model.predict(features))
1
2
3
4
5
6

输出

Diamond Price Prediction
Carat Size: 0.60
Cut Type (Ideal: 1, Premium: 2, Good: 3, Very Good: 4, Fair: 5): 2
Size: 40
Predicted Diamond's Price =  [937.13946429]
1
2
3
4
5

总结

因此，这就是如何使用Python进行钻石价格分析和预测的任务。根据钻石价格分析，我们可以说优质钻石的价格和尺寸都高于其他类型的钻石。