一、研究背景在全球汽车产业结构调整与消费升级的双重驱动下豪华汽车品牌的定价策略、市场布局及产品结构优化成为行业关注的核心议题。宝马作为全球领先的豪华汽车制造商其销售数据不仅反映自身经营策略的有效性更能折射出豪华车市场的消费趋势、区域特征及新能源转型进程。本研究基于 2018-2025 年宝马全球月度销售数据集3072 条记录涵盖欧洲、中国、美国、世界其他地区 4 大核心市场以及 3 系、5 系、X3、X5、X7、i4、iX、MINI 8 款主力车型涉及销量、均价、营收、纯电动占比BEV、高端市场份额等 11 项核心指标。通过对该数据集的系统性分析能够精准刻画宝马定价逻辑、市场特征及新能源转型节奏为豪华车行业研究提供实证参考。二、研究意义行业参考价值本研究通过拆解宝马全球定价策略、区域市场特征及新能源转型趋势为豪华汽车品牌的全球化运营、产品定价及新能源布局提供可落地的参考依据尤其对理解豪华车 “全球统一定价”“车型主导定价” 等核心逻辑具有现实意义。数据应用价值基于 8 年完整月度数据的多维度分析验证了车型、时间、区域、新能源占比等因素对豪华车价格的影响程度为汽车行业数据分析提供标准化的分析框架基础统计→分布分析→趋势分析→相关性分析→交叉分析。商业决策价值明确宝马各车型价格梯队、新能源转型节奏及区域市场特征可为车企产品规划、定价调整、市场资源分配提供数据支撑也为消费者理解豪华车价格波动规律提供参考。三、实证分析完整代码和数据集带分析1. 基础数据特征import numpy as np import pandas as pd import seaborn as sns import matplotlib.pyplot as plt plt.style.use(dark_background) sns.set_palette(husl) df pd.read_csv(bmw_global_sales_2018_2025.csv) print(df.shape) print(df.head())数据集包含3072条记录覆盖4个地区、8款车型共11个特征。数据集无缺失值核心指标 “平均售价Avg_Price_EUR” 偏度约 0.37接近正态分布数据质量良好无需进行数据转换即可直接用于分析。均价均值约 6.39 万欧元最小值 4.00 万欧元MINI最大值 9.40 万欧元X7价格跨度显著。2. 价格分布与车型特征fig, ax plt.subplots(figsize(10, 5)) ax.hist(df[Avg_Price_EUR], bins30, color#c8a84b, edgecolorblack, alpha0.85) ax.set_title(平均售价欧元分布, fontsize14) # 中文标题 ax.set_xlabel(价格欧元) # 中文X轴标签 ax.set_ylabel(频次) # 中文Y轴标签 plt.tight_layout() plt.show()平均价格的直方图。分布呈轻微右偏可见两个明显聚类——经济型车型MINI、3系和高端/SUV车型X5、X7、iX各型号价格箱线图按中位数排序的各型号价格分布。每个型号占据独特价格区间重叠极小——验证型号是价格预测的核心特征。各车型平均价格# 创建画布和坐标轴设置尺寸 fig, ax plt.subplots(figsize(12, 6),dpi200) # 向量化绘图优于手动循环中文注释 year_model.plot(kindline, markero, linewidth2, axax) # 设置图表文字全部改为中文 ax.set_title(各车型价格随时间变化趋势, fontsize14, pad15) # 中文标题补充内边距更美观 ax.set_xlabel(年份, fontsize12) # X轴标签Year → 年份 ax.set_ylabel(价格 (欧元), fontsize12) # Y轴标签Price (EUR) → 价格 (欧元) ax.legend(title车型, locupper left, fontsize9) # 图例标题Model → 车型 # 保留网格样式提升可读性 plt.grid(True, linestyle--, alpha0.6) plt.tight_layout() # 自动调整布局防止文字截断 plt.show()X7 车型均价最高约 9.2 万欧元MINI 车型最为实惠约 4.2 万欧元。3. 时间与季节性特征BEV占比趋势纯电动汽车(BEV)占比从2018年2%稳步增长至2025年约19%——年增长2.5%的强劲线性趋势。尽管增长显著BEV占比与价格几乎无相关性(r0.001)因车型特征已涵盖电动车型定价。相关性热力图fig, ax plt.subplots(figsize(8, 6),dpi200) # 优化后的相关性热力图便于统计审核 sns.heatmap( correlation_matrix, annotTrue, fmt.3f, cmapRdYlGn, center0, linewidths0.5, axax, annot_kws{size: 9} ) ax.set_title(特征相关性矩阵, fontsize14, pad15) # 中文标题 plt.tight_layout() plt.show()相关性维度销量、GDP 增速、燃油价格指数等数值特征与价格相关性均极低最大 r0.039BEV 占比与燃油价格指数相关系数高达 0.952存在严重多重共线性需在建模时剔除。年度维度纯电动汽车BEV占比从 2018 年 2% 稳步增长至 2025 年约 19%年增长 2.5%新能源转型趋势显著但 BEV 占比与价格相关性极低r0.001因电动车型定价已纳入车型特征体系。fig, ax plt.subplots(figsize(10, 4),dpi200) ax.bar(month_names, month_avg.values, color#c84b7f, alpha0.85, edgecolorwhite, linewidth0.5) ax.set_ylim(month_avg.min() - 500, month_avg.max() 500) ax.set_title(月度均价季节性分析, fontsize14, pad15) # 中文标题 ax.set_ylabel(价格 (欧元), fontsize12) # 中文Y轴标签 plt.tight_layout() plt.show()月度维度全年月度均价仅波动约 260 欧元无显著季节性特征表明时间因素对宝马定价影响极小。4. 区域与相关性特征车型×地区价格热力图fig, ax plt.subplots(figsize(10, 6),dpi200) sns.heatmap(pivot, annotTrue, fmt.0f, cmapYlOrRd, axax) ax.set_title(各车型×地区均价热力图欧元, fontsize14, pad15) # 中文标题 plt.tight_layout() plt.show()区域维度中国、欧洲、美国、其他地区的同车型价格差异仅 70-200 欧元宝马采用全球统一定价策略区域对定价几乎无影响。四、结论定价核心逻辑车型是决定宝马产品价格的主导因素区域、时间年度 / 月度、宏观经济GDP 增速、燃油价格等因素对价格影响极小宝马长期维持 “车型主导、全球统一定价、价格梯队稳定” 的定价策略。市场布局特征宝马全球市场定价趋同无区域差异化定价策略反映其全球化品牌运营的一致性月度无价格季节性波动进一步印证定价策略的稳定性。新能源转型特征BEV 占比呈线性增长趋势新能源转型成效显著但电动化进程未对产品定价产生显著影响电动车型i4、iX已形成独立且稳定的价格梯队。数据应用启示在豪华车价格分析及建模中可优先聚焦车型特征剔除区域、月度、BEV 占比因多重共线性等非核心特征以提升分析效率和模型准确性同时需关注早期新能源数据的采集异常问题保障数据质量。创造不易谢谢各位多多点赞收藏 Python数据分析-宝马全球汽车销售数据分析（可视化分析）
一、研究背景在全球汽车产业结构调整与消费升级的双重驱动下豪华汽车品牌的定价策略、市场布局及产品结构优化成为行业关注的核心议题。宝马作为全球领先的豪华汽车制造商其销售数据不仅反映自身经营策略的有效性更能折射出豪华车市场的消费趋势、区域特征及新能源转型进程。本研究基于 2018-2025 年宝马全球月度销售数据集3072 条记录涵盖欧洲、中国、美国、世界其他地区 4 大核心市场以及 3 系、5 系、X3、X5、X7、i4、iX、MINI 8 款主力车型涉及销量、均价、营收、纯电动占比BEV、高端市场份额等 11 项核心指标。通过对该数据集的系统性分析能够精准刻画宝马定价逻辑、市场特征及新能源转型节奏为豪华车行业研究提供实证参考。二、研究意义行业参考价值本研究通过拆解宝马全球定价策略、区域市场特征及新能源转型趋势为豪华汽车品牌的全球化运营、产品定价及新能源布局提供可落地的参考依据尤其对理解豪华车 “全球统一定价”“车型主导定价” 等核心逻辑具有现实意义。数据应用价值基于 8 年完整月度数据的多维度分析验证了车型、时间、区域、新能源占比等因素对豪华车价格的影响程度为汽车行业数据分析提供标准化的分析框架基础统计→分布分析→趋势分析→相关性分析→交叉分析。商业决策价值明确宝马各车型价格梯队、新能源转型节奏及区域市场特征可为车企产品规划、定价调整、市场资源分配提供数据支撑也为消费者理解豪华车价格波动规律提供参考。三、实证分析完整代码和数据集带分析1. 基础数据特征import numpy as np import pandas as pd import seaborn as sns import matplotlib.pyplot as plt plt.style.use(dark_background) sns.set_palette(husl) df pd.read_csv(bmw_global_sales_2018_2025.csv) print(df.shape) print(df.head())数据集包含3072条记录覆盖4个地区、8款车型共11个特征。数据集无缺失值核心指标 “平均售价Avg_Price_EUR” 偏度约 0.37接近正态分布数据质量良好无需进行数据转换即可直接用于分析。均价均值约 6.39 万欧元最小值 4.00 万欧元MINI最大值 9.40 万欧元X7价格跨度显著。2. 价格分布与车型特征fig, ax plt.subplots(figsize(10, 5)) ax.hist(df[Avg_Price_EUR], bins30, color#c8a84b, edgecolorblack, alpha0.85) ax.set_title(平均售价欧元分布, fontsize14) # 中文标题 ax.set_xlabel(价格欧元) # 中文X轴标签 ax.set_ylabel(频次) # 中文Y轴标签 plt.tight_layout() plt.show()平均价格的直方图。分布呈轻微右偏可见两个明显聚类——经济型车型MINI、3系和高端/SUV车型X5、X7、iX各型号价格箱线图按中位数排序的各型号价格分布。每个型号占据独特价格区间重叠极小——验证型号是价格预测的核心特征。各车型平均价格# 创建画布和坐标轴设置尺寸 fig, ax plt.subplots(figsize(12, 6),dpi200) # 向量化绘图优于手动循环中文注释 year_model.plot(kindline, markero, linewidth2, axax) # 设置图表文字全部改为中文 ax.set_title(各车型价格随时间变化趋势, fontsize14, pad15) # 中文标题补充内边距更美观 ax.set_xlabel(年份, fontsize12) # X轴标签Year → 年份 ax.set_ylabel(价格 (欧元), fontsize12) # Y轴标签Price (EUR) → 价格 (欧元) ax.legend(title车型, locupper left, fontsize9) # 图例标题Model → 车型 # 保留网格样式提升可读性 plt.grid(True, linestyle--, alpha0.6) plt.tight_layout() # 自动调整布局防止文字截断 plt.show()X7 车型均价最高约 9.2 万欧元MINI 车型最为实惠约 4.2 万欧元。3. 时间与季节性特征BEV占比趋势纯电动汽车(BEV)占比从2018年2%稳步增长至2025年约19%——年增长2.5%的强劲线性趋势。尽管增长显著BEV占比与价格几乎无相关性(r0.001)因车型特征已涵盖电动车型定价。相关性热力图fig, ax plt.subplots(figsize(8, 6),dpi200) # 优化后的相关性热力图便于统计审核 sns.heatmap( correlation_matrix, annotTrue, fmt.3f, cmapRdYlGn, center0, linewidths0.5, axax, annot_kws{size: 9} ) ax.set_title(特征相关性矩阵, fontsize14, pad15) # 中文标题 plt.tight_layout() plt.show()相关性维度销量、GDP 增速、燃油价格指数等数值特征与价格相关性均极低最大 r0.039BEV 占比与燃油价格指数相关系数高达 0.952存在严重多重共线性需在建模时剔除。年度维度纯电动汽车BEV占比从 2018 年 2% 稳步增长至 2025 年约 19%年增长 2.5%新能源转型趋势显著但 BEV 占比与价格相关性极低r0.001因电动车型定价已纳入车型特征体系。fig, ax plt.subplots(figsize(10, 4),dpi200) ax.bar(month_names, month_avg.values, color#c84b7f, alpha0.85, edgecolorwhite, linewidth0.5) ax.set_ylim(month_avg.min() - 500, month_avg.max() 500) ax.set_title(月度均价季节性分析, fontsize14, pad15) # 中文标题 ax.set_ylabel(价格 (欧元), fontsize12) # 中文Y轴标签 plt.tight_layout() plt.show()月度维度全年月度均价仅波动约 260 欧元无显著季节性特征表明时间因素对宝马定价影响极小。4. 区域与相关性特征车型×地区价格热力图fig, ax plt.subplots(figsize(10, 6),dpi200) sns.heatmap(pivot, annotTrue, fmt.0f, cmapYlOrRd, axax) ax.set_title(各车型×地区均价热力图欧元, fontsize14, pad15) # 中文标题 plt.tight_layout() plt.show()区域维度中国、欧洲、美国、其他地区的同车型价格差异仅 70-200 欧元宝马采用全球统一定价策略区域对定价几乎无影响。四、结论定价核心逻辑车型是决定宝马产品价格的主导因素区域、时间年度 / 月度、宏观经济GDP 增速、燃油价格等因素对价格影响极小宝马长期维持 “车型主导、全球统一定价、价格梯队稳定” 的定价策略。市场布局特征宝马全球市场定价趋同无区域差异化定价策略反映其全球化品牌运营的一致性月度无价格季节性波动进一步印证定价策略的稳定性。新能源转型特征BEV 占比呈线性增长趋势新能源转型成效显著但电动化进程未对产品定价产生显著影响电动车型i4、iX已形成独立且稳定的价格梯队。数据应用启示在豪华车价格分析及建模中可优先聚焦车型特征剔除区域、月度、BEV 占比因多重共线性等非核心特征以提升分析效率和模型准确性同时需关注早期新能源数据的采集异常问题保障数据质量。创造不易谢谢各位多多点赞收藏