用Python分析北京二手房房价

数据初探

首先导入要使用的科学计算包numpy,pandas,可视化matplotlib,seaborn,以及机器学习包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 
 
 
# 检查Python版本 
from sys import version_info 
if version_info.major != 3: 
    raise Exception('请使用Python 3 来完成此项目') 

然后导入数据，并进行初步的观察，这些观察包括了解数据特征的缺失值，异常值，以及大概的描述性统计。

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

初步观察到一共有11个特征变量，Price 在这里是我们的目标变量，然后我们继续深入观察一下。

# 检查缺失值情况 
lianjia_df.info() 

发现了数据集一共有23677条数据，其中Elevator特征有明显的缺失值。

lianjia_df.describe() 

上面结果给出了特征值是数值的一些统计值，包括平均数，标准差，中位数，最小值，最大值，25%分位数，75%分位数。这些统计结果简单直接，对于初始了解一个特征好坏非常有用，比如我们观察到 Size 特征 的最大值为1019平米，最小值为2平米，那么我们就要思考这个在实际中是不是存在的，如果不存在没有意义，那么这个数据就是一个异常值，会严重影响模型的性能。

当然，这只是初步观察，后续我们会用数据可视化来清晰的展示，并证实我们的猜测。

# 添加新特征房屋均价 
df = lianjia_df.copy() 
df['PerPrice'] = lianjia_df['Price']/lianjia_df['Size'] 
 
# 重新摆放列位置 
columns = ['Region', 'District', 'Garden', 'Layout', 'Floor', 'Year', 'Size', 'Elevator', 'Direction', 'Renovation', 'PerPrice', 'Price'] 
df = pd.DataFrame(df, columns = columns) 
 
# 重新审视数据集 
display(df.head(n=2) 

我们发现 Id 特征其实没有什么实际意义，所以将其移除。由于房屋单价分析起来比较方便，简单的使用总价/面积就可得到，所以增加一个新的特征 PerPrice(只用于分析，不是预测特征)。另外，特征的顺序也被调整了一下，看起来比较舒服。

数据可视化分析

Region特征分析

对于区域特征，我们可以分析不同区域房价和数量的对比。

# 对二手房区域分组对比二手房数量和每平米房价 
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对比',fontsize=15) 
ax1.set_xlabel('区域') 
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量对比',fontsize=15) 
ax2.set_xlabel('区域') 
ax2.set_ylabel('数量') 
 
sns.boxplot(x='Region', y='Price', data=df, ax=ax3) 
ax3.set_title('北京各大区二手房房屋总价',fontsize=15) 
ax3.set_xlabel('区域') 
ax3.set_ylabel('房屋总价') 
 
plt.show() 

（编辑：晋中站长网）

【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!