用Python说明北京二手房房价

行使了pandas的收集透视成果 groupby 分组排序。地区特性可视化直接回收 seaborn 完成，颜色行使调色板 palette 参数，颜色渐变，越浅声名越少，反之越多。可以调查到：

• 二手房均价：西城区的房价最贵均价约莫11万/平，由于西城在二环以里，且是热点学区房的聚积地。其次是东城约莫10万/平，然后是海淀约莫8.5万/平，其余均低于8万/平。
• 二手房房数目：从数目统计上来看，今朝二手房市场上较量火热的地区。海淀区和向阳区二手房数目最多，差不多都靠近3000套，事实大区，需求量也大。然后是丰台区，近几年正在改革建树，有赶超之势。
• 二手房总价：通过箱型图看到，各大地区衡宇总价中位数都都在1000万以下，且衡宇总价离散值较高，西城最高到达了6000万，声名衡宇价值特性不是抱负的正太漫衍。

Size特性说明

f, [ax1,ax2] = plt.subplots(1, 2, figsize=(15, 5)) 
# 建房时刻的漫衍环境 
sns.distplot(df['Size'], bins=20, ax=ax1, color='r') 
sns.kdeplot(df['Size'], shade=True, ax=ax1) 
# 建房时刻和出售价值的相关 
sns.regplot(x='Size', y='Price', data=df, ax=ax2) 
plt.show() 

Size 漫衍：

• 通过 distplot 和 kdeplot 绘制柱状图调查 Size 特性的漫衍环境，属于长尾范例的漫衍，这声名白有许多面积很大且超出正常范畴的二手房。

Size 与 Price 的相关：

• 通过 regplot 绘制了 Size 和 Price 之间的散点图，发明 Size 特性根基与Price泛起线性相关，切合根基知识，面积越大，价值越高。可是有两组明明的非常点：1. 面积不到10平米，可是价值超出10000万;2. 一个点面积高出了1000平米，价值很低，必要查察是什么环境。

df.loc[df['Size']< 10] 

颠末查察发明这组数据是别墅，呈现非常的缘故起因是因为别墅布局较量非凡(无朝向无电梯)，字段界说与二手商品房不太一样导致爬虫爬取数据错位。也因别墅范例二手房不在我们的思量范畴之内，故将其移除再次调查Size漫衍和Price相关。

df.loc[df['Size']>1000] 

经调查这个非常点不是平凡的民用二手房，很也许是商用房，以是才有1房间0厅确有云云大高出1000平米的面积，这里选择移除。

df.loc[df['Size']>1000] 

从头举办可视化发明就没有明明的非常点了。

Layout特性说明

f, ax1= plt.subplots(figsize=(20,20)) 
sns.countplot(y='Layout', data=df, ax=ax1) 
ax1.set_title('衡宇户型',fontsize=15) 
ax1.set_xlabel('数目') 
ax1.set_ylabel('户型') 
plt.show() 

这个特性真是不看不知道，各类厅室组合搭配，竟然尚有9室3厅，4室0厅等稀疏的布局。个中，2室一厅占绝大部门，其次是3室一厅，2室2厅，3室两厅。可是细心调查特性分类下有许多犯科则的定名，好比2室一厅与2房间1卫，尚有别墅，没有同一的叫法。这样的特性必定是不能作为呆板进修模子的数据输入的，必要行使特性工程举办响应的处理赏罚。

Renovation 特性说明

df['Renovation'].value_counts() 

• 精装 11345
• 简装 8497
• 其他 3239
• 毛坯 576南北 20
• Name: Renovation, dtype: int64

（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!