开发者

详解Python对某地区二手房房价数据分析

开发者 https://www.devze.com 2022-12-06 10:23 出处:网络 作者: 李好秀
目录房价数据分析数据简单清洗各区均价分析全市二手房装修程度分析各区二手房数量所占比比例热门户型均价分析总结房价数据分析
目录
  • 房价数据分析
    • 数据简单清洗
    • 各区均价分析
    • 全市二手房装修程度分析
    • 各区二手房数量所占比比例
    • 热门户型均价分析
  • 总结

    房价数据分析

    数据简单清洗

    data.csv

    详解Python对某地区二手房房价数据分析

    数据显示

    # 导入模块
    import pandas as pd  # 导入数据统计模块
    import matplotlib  http://www.cppcns.com# 导入图表模块
    import matplotlib.pyplot as plt  # 导入绘图模块
    # 避免中文乱码
    matplotlib.rcParams['font.sans-serif'] = ['SimHei']  # 设置字体为SimHei显示中文
    matplotlib.rcParams['axes.unicode_minus'] = False  # 设置正常显示字符,使用rc配置文件来自定义
    # 简单清洗
    data = pd.read_csv('data.csv')  # 读取csv数据
    del data['Unnamed: 0']  # 将索引列删除
    data.dropna(axis=0, how='any', inplace=True)  # 删除data数据中的所有空值
    data['单价'] = data['单价'].map(lambda d: d.replace('元/平米', ''))  # 将单价“元/平米”去掉
    data['单价'] = data['单价'].astype(float)  # 将房子单价转换为浮点类型,float(data['',单价])
    data['总价'] = data['总价'].map(lambda d: d.replace('万', ''))  # 将总价“万”去掉
    data['总价'] = data['总价'].as编程客栈type(float)  # 将房子总价转换为浮点类型,float(data['',单价])
    data['建筑面积'] = data['建筑面积'].map(lambda p: p.replace('平米', ''))  # 将建筑面积“平米去掉”
    data['建筑面积'] = data['建筑面积'].astypwww.cppcns.come(float)  # 将将建筑面积转换为浮点类型

    详解Python对某地区二手房房价数据分析

    各区均价分析

    # 获取各区二手房均价分析,根据需求,,进一步处理数据,如果要写相应算法,需要根据算法所需求的数据处理
    def get_average_price():
        group = data.groupby('区域')  # 将房子区域分组
        average_price_group = group['单价'].mean()  # 计算每个区域的均价,average_price_group字典
        x = average_price_group.index  # 区域
        y = average_price_group.values.astype(int)  # 区域对应的均价a =['t':'123'] a.keys()
        return x, y  # 返回区域与对应的均价,region二关 average_price均价
    
    # 显示均价条形图
    def average_price_bar(x, y, title):
        plt.figure()  # 图形画布
        plt.bar(x, y, alpha=0.8)  # 绘制条形图
        plt.xlabel("区域")  # 区域文字
        plt.ylabel("均价")  # 均价文字
        plt.title(title)  # 表标题文字
        # 为每一个图形加数值标签
        for x, y in enumerate(y):
            plt.text(x, y + 100, y, ha='center')
        plt.show()
    
    if __name__ == '__main__':
        x, y = get_average_price()
        title = '各区均价分析'
        average_price_bar(x, y, title)

    运行如图

    详解Python对某地区二手房房价数据分析

    全市二手房装修程度分析

    # 获取各区二手房均价分析,根据需求,,进一步处理数据,如果要写相应算法,需要根据算法所需求的数据处理
    def get_decorate_sum():
        group = data.groupby('装修')  # 将房子区域分组
        # decorate_sum_group = group['装修'].count()  # 计算每个区域的均价,average_price_group字典
        decorate_sum_group = group.size()  # 计算每个区域的均价,average_price_group字典
        x = decorate_sum_group.index  # 区域
        y = decorate_sum_group.values.astype(int)  # 区域对应的均价a =['t':'123'] a.keys()
        return x, y  # 返回区域与对应的均价,region二关 average_price均价
    
    # 显示均价条形图
    def average_price_bar(x, y, title):
        plt.figure()  # 图形画布
        plt.bar(x, y, alpha=0.8)  # 绘制条形图
        plt.xlabel("装修类型")  # 区域文字
        plt.ylabel("数量")  # 均价文字
        plt.title(title)  # 表标题文字
        # 为每一个图形加数值标签
        for x, y in enumerate(y):
            plt.text(x, y + 100, y, ha='center')
        plt.show()
    
    if __name__ == '__main__':
        x, y = get_decorate_sum()
        title = '全市二手房装修程度分析'
        average_price_bar(x, y, title)

    详解Python对某地区二手房房价数据分析

    各区二手房数量所占比比例

    # 获取各区二手房各区比例数量,进一步处理数据,如果要写相应算法,需要根据算法所需求的数据处理
    def get_proportional_quantity():
        area = data['区域'].groupby(data['区域']).count()  # 将房子区域分组比例数量
        areaName = (area).index.values  # 将房子区域分组比例取名
        return area, areaName
    
    # 显示均价条形图
    def proportional_quantity_pie(area, areaName, title):
        plt.figure()  # 图形画布
        plt.pie(编程客栈area, labels=areaName, labeldistance=1.1, autopct='%.1f%%',
                shadow=True, startangle=90, pctdistance=0.7)
        plt.title(title, fontsize=24)  # 表标题文字
        plt.legend(bbox_to_anchor=(-0.1, 1))  # 作者标题
        plt.show()
    
    if __name__ == '__main__':
        # 对应x,y
        area, areaName = get_proportional_quantity()
        title = '各区二手房数量所占比比例'
        proportional_quantity_pie(area, areaName, title)
    

    详解Python对某地区二手房房价数据分析

    热门户型均价分析

    # 获取各区热门户型分析,根据需求,,进一步处理数据,如果要写相应算法,需要根据算法所需求的数据处理
    def get_hot_portal():
        # 另外一种方法获取并取值
        """
        group = data.groupby('户型').size  # 将房子区域分组
        sort_data = group.sort_values(ascending=False)  # 将户型分组数量进行降序
        five_data = sort_data.head()  # 提取前5组户型数据
        house_type_mean = data.groupby('户型')['单价'].mean().astype(int)  # 计算每个户型的均价
        x = house_type_mean[five_data.index].index  # 户型
        y = house_type_mean[five_data.index].value  # 户型对应的均价
        """
        group = data.groupby(http://www.cppcns.com'户型')  # 将房子区域分组
        a = group['户型'].count().sort_values(ascending=False).head()  # 计算每个户型的均价 字典
        b = group['单价'].mean()[a.index]  # 区域对应的均价a =['t':'123'] a.keys()
        x = b.index
        y = b.values.astype(int)
        return x, y  # 返回区域与对应的均价,region二关 average_price均价
    
    # 显示均价横条形图
    def hot_portal_barh(x, y, title):
        plt.figure()  # 图形画布
        plt.barh(x, y, alpha=0.9, color='red')  # 绘制条形图
        plt.xlabel("均价")  # 区域文字
        plt.ylabel("户型")  # 均价文字
        plt.title(title)  # 表标题文字
        plt.xlim(0, 15000)  # X轴的大小
        # 为每一个图形加数值标签
        for y, x in enumerate(y):
            plt.text(x + 100, y, str(x) + '元', ha='left')
        plt.show()
    
    if __name__ == '__main__':
        x, y = get_hot_portal()
        title = '热门户型均价分析'
        hot_portal_barh(x, y, title)

    前面三个图较简单,最后相对于前面三个较为麻烦

    先获取得到热门户型前五名,通过户型得到对应的户型的平均值

    详解Python对某地区二手房房价数据分析

    总结

    本篇文章就到这里了,希望能够给你带来帮助,也希望您能够多多关注我们的更多内容!

    0

    精彩评论

    暂无评论...
    验证码 换一张
    取 消

    关注公众号