二手车数据爬取及分析

瓜子二手车把一辆2019款凯美瑞挂到13.8万的手车数据时候，同款车在车300上的及分估价区间是12.2万到14.1万。这个价差不大，手车数据但足够说明问题——二手车定价没有标准答案，及分谁掌握的手车数据数据多，谁就更接近成交价。及分

我上个月用Python跑了一轮懂车帝和汽车之家的手车数据二手车列表页，目标是及分北京地区、3年以内、手车数据10万公里以下的及分合资B级车。写爬虫之前先手动翻了20页，手车数据发现两个坑：一是及分列表页的价格经常是"首付价"而非全款，二是手车数据车况描述字段里混着大量"准新车""美女一手"这类无效信息。不把这些清洗掉，及分后面的手车数据分析全是噪音。

请求头得带上Referer，否则懂车帝会返回403。频率控制在每3秒一次，一天下来大概能抓8000条有效记录。汽车之家的反爬更松一些，但它的分页参数是page而不是offset，写通用爬虫的时候得做适配。我用的是requests加BeautifulSoup，没上Selenium，因为列表页的数据都在静态HTML里，没必要搞那么重。

数据存进MySQL之后，第一件事是去重。同一辆车在平台上下架再上架，VIN码不变但URL会变。按VIN码去重，8000条里刷掉了将近600条重复记录。剩下的7400多条，按品牌分组，大众迈腾和丰田凯美瑞占了将近三成。这个比例跟新车销量榜基本吻合，说明二手车市场的车源结构就是跟着新车走，滞后大概两到三年。

价格分布画出来之后，有意思的事情出现了。凯美瑞的报价集中在13到15万，但迈腾的报价跨度从11万拉到16万。迈腾的1.4T和2.0T版本在二手市场被明显区分对待，而凯美瑞的2.0L和2.5L价差只有8000块左右。这说明二手车商对大众的动力总成差异更敏感，或者说，消费者对大众干式双离合的顾虑直接反映在了残值上。

车龄和折旧的关系也值得说。3年车龄的凯美瑞残值率大概在65%，迈腾只有58%。但到了第5年，两者差距缩小到3个百分点以内。前三年折旧最狠，之后曲线就平缓了。我拉了一条趋势线，发现日系车在第4年有个明显的价格平台期，德系车则继续缓慢下滑。这个差异在数据上很清晰，但你去问车商，他们只会告诉你"日系保值"，不会给你看这条线。

里程数对价格的影响比想象中小。10万公里以内的车，每增加1万公里，报价平均只降1500到2000块。但一旦超过12万公里，价格直接跳水，降幅能到8000以上。这个拐点跟很多人的心理预期有关——10万公里是个坎，过了这个数，买家就开始压价了。

颜色也有溢价。白色和黑色的车比同款银色贵3000到5000，红色和蓝色则要便宜5000以上。这个规律在B级车上特别明显，A级车反而没那么讲究。我猜是因为B级车的商务属性更强，买家更在意"看起来正经"。

爬完这些数据最大的感受是，二手车定价是个多方博弈的结果，平台挂牌价只是起点。车况、地区、季节、甚至车商手里的库存压力，都会让最终成交价偏离挂牌价。数据能告诉你趋势，但具体到某一辆车，还是得实地看车、上架检测。代码和模型替代不了蹲下来看一眼底盘有没有托底。

(责任编辑：娱乐)