car price predicition

# تحليل استكشافي لبيانات أسعار السيارات – Car Price Prediction EDA

قمت بتنفيذ مشروع **Exploratory Data Analysis (EDA)** على مجموعة بيانات خاصة بأسعار السيارات، بهدف فهم البيانات واكتشاف الأنماط والعلاقات والعوامل التي قد تؤثر على أسعار السيارات قبل استخدامها في نماذج Machine Learning.

### البيانات المستخدمة

تتكون البيانات من **1000 سجل و8 أعمدة**، وتشمل معلومات مثل:

* Brand

* Year

* Mileage

* Engine Size

* Fuel Type

* Transmission

* Previous Owners

* Price

### خطوات تنفيذ المشروع

* فحص هيكل البيانات وأنواع الأعمدة.

* تحليل القيم المفقودة والتعامل معها.

* التحقق من وجود Duplicate Records.

* إجراء Statistical Analysis للمتغيرات الرقمية.

* تحليل توزيع البيانات.

* تحليل المتغيرات Categorical.

* دراسة العلاقات بين Features المختلفة وPrice.

* استخدام Correlation Analysis لاكتشاف قوة العلاقات.

* اكتشاف وتحليل Outliers.

* إنشاء Visualizations مختلفة لفهم البيانات بشكل أوضح.

* استخراج أهم Insights والتوصيات من نتائج التحليل.

### أهم التحليلات والرسومات

استخدمت Python والمكتبات التالية:

* **Pandas** لمعالجة وتحليل البيانات.

* **NumPy** للعمليات الحسابية.

* **Matplotlib** لإنشاء الرسومات.

* **Seaborn** للتحليل البصري واستكشاف العلاقات.

ومن ضمن الرسومات والتحليلات المستخدمة:

* Distribution Plots

* Count Plots

* Box Plots

* Bar Charts

* Scatter Plots

* Correlation Heatmap

* تحليل العلاقة بين Year وPrice

* تحليل العلاقة بين Mileage وPrice

* تحليل العلاقة بين Engine Size وPrice

* تحليل تأثير Brand وFuel Type وTransmission على الأسعار

### أهم النتائج

أظهر التحليل وجود علاقة ملحوظة بين بعض المتغيرات وسعر السيارة، حيث ظهر أن:

* **Year** لديه ارتباط موجب مع Price بحوالي **0.53**.

* **Mileage** لديه ارتباط سالب مع Price بحوالي **-0.38**.

* **Engine Size** لديه ارتباط موجب ضعيف مع Price بحوالي **0.17**.

* **Previous Owners** لديه ارتباط ضعيف جدًا مع Price بحوالي **-0.06**.

كما تم تحليل اختلاف الأسعار بين أنواع السيارات والوقود وناقل الحركة، بالإضافة إلى فحص القيم الشاذة والبيانات غير المكتملة.

### الأدوات المستخدمة

**Python | Pandas | NumPy | Matplotlib | Seaborn | Jupyter Notebook**

الهدف من المشروع هو تجهيز البيانات وفهمها بشكل جيد كمرحلة أساسية قبل بناء نموذج **Machine Learning لتوقع أسعار السيارات**.