用Python说明北京二手房房价

数据初探

起首导入要行使的科学计较包numpy,pandas,可视化matplotlib,seaborn,以及呆板进修包sklearn。

import pandas as pd 
import numpy as np 
import seaborn as sns 
import matplotlib as mpl 
 
import matplotlib.pyplot as plt 
from IPython.display import display 
plt.style.use("fivethirtyeight") 
sns.set_style({'font.sans-serif':['simhei','Arial']}) 
%matplotlib inline 
 
 
# 搜查Python版本 
from sys import version_info 
if version_info.major != 3: 
    raise Exception('请行使Python 3 来完成此项目') 

然后导入数据，并举办起源的调查，这些调查包罗相识数据特性的缺失值，非常值，以及或许的描写性统计。

# 导入链家二手房数据 
lianjia_df = pd.read_csv('lianjia.csv') 
display(lianjia_df.head(n=2)) 

起源调查到一共有11个特性变量，Price 在这里是我们的方针变量，然后我们继承深入调查一下。

# 搜查缺失值环境 
lianjia_df.info() 

发明白数据集一共有23677条数据，个中Elevator特性有明明的缺失值。

lianjia_df.describe() 

上面功效给出了特性值是数值的一些统计值，包罗均匀数，尺度差，中位数，最小值，最大值，25%分位数，75%分位数。这些统计功效简朴直接，对付初始相识一个特性优劣很是有效，好比我们调查到 Size 特性 的最大值为1019平米，最小值为2平米，那么我们就要思索这个在现实中是不是存在的，假如不存在没故意义，那么这个数据就是一个非常值，会严峻影响模子的机能。

虽然，这只是起源调查，后续我们会用数据可视化来清楚的展示，并证实我们的揣摩。

# 添加新特性衡宇均价 
df = lianjia_df.copy() 
df['PerPrice'] = lianjia_df['Price']/lianjia_df['Size'] 
 
# 从头摆放各位置 
columns = ['Region', 'District', 'Garden', 'Layout', 'Floor', 'Year', 'Size', 'Elevator', 'Direction', 'Renovation', 'PerPrice', 'Price'] 
df = pd.DataFrame(df, columns = columns) 
 
# 从头审阅数据集 
display(df.head(n=2) 

我们发明 Id 特性着实没有什么现实意义，以是将其移除。因为衡宇单价说明起来较量利便，简朴的行使总价/面积就可获得，以是增进一个新的特性 PerPrice(只用于说明，不是猜测特性)。其它，特性的次序也被调解了一下，看起来较量惬意。

数据可视化说明

Region特性说明

对付地区特性，我们可以说明差异地区房价和数目的比拟。

# 对二手房地区分组比拟二手房数目和每平米房价 
df_house_count = df.groupby('Region')['Price'].count().sort_values(ascending=False).to_frame().reset_index() 
df_house_mean = df.groupby('Region')['PerPrice'].mean().sort_values(ascending=False).to_frame().reset_index() 
 
f, [ax1,ax2,ax3] = plt.subplots(3,1,figsize=(20,15)) 
sns.barplot(x='Region', y='PerPrice', palette="Blues_d", data=df_house_mean, ax=ax1) 
ax1.set_title('北京各大区二手房每平米单价比拟',fontsize=15) 
ax1.set_xlabel('地区') 
ax1.set_ylabel('每平米单价') 
 
sns.barplot(x='Region', y='Price', palette="Greens_d", data=df_house_count, ax=ax2) 
ax2.set_title('北京各大区二手房数目比拟',fontsize=15) 
ax2.set_xlabel('地区') 
ax2.set_ylabel('数目') 
 
sns.boxplot(x='Region', y='Price', data=df, ax=ax3) 
ax3.set_title('北京各大区二手房衡宇总价',fontsize=15) 
ax3.set_xlabel('地区') 
ax3.set_ylabel('衡宇总价') 
 
plt.show() 

（编辑：湖南网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!