利用Python进行King County房价数据分析

本次又从kaggle上淘来了 King County 的房价数据，结合近期学习的Python分析工具，对影响房价的可能因素进行分析。

提出问题

随着国家对房产市场的宏观调控越来越严格，此前一路高歌猛进的房产市场也随之开始转冷，那么除了政策因素，还有哪些因素会影响房价呢？

本次我们以King County 的房价数据为参考依据，对房价可能存在的影响因素进行分析：

①房价与环境配套有哪些关系？

分别从海滨区域、设施等级、房屋评级等级 进行分析（评级标准为当地自己的评级系统所产生，本次分析将直接引用）；

②房价与房间配置有哪些关系？

分别从卧室数、洗浴室数、楼层 进行分析；

③房价与得房率的关系？

得房率=使用面积/建筑面积；

由于2015年有房主自行翻修，可能存在扩大使用面积情况，故此处使用面积 用2015年使用面积；

④房价与房龄的关系？

房龄=2015-建成时间；

数据为2015年上传，故按照2015为时间起始点计算；

⑤房屋实看数

房屋实看数=房屋被实际查看的数量；

房屋查看的数量一定程度上可反映出用户对于房价的接受程度；

理解数据

由于下载的数据格式为CSV格式，故直接本地数据upload至Jupyter notebook；

#读取CSV，均转为str格式数据，后期在进行其他格式数据转换
import pandas as pd
import numpy as np
priceDf=pd.read_csv('kc_house_data.csv',dtype='object')#打印头5行查看数据
priceDf.head()

数据清洗

1)选择子集

#选择子集
subpriceDf=priceDf.loc[:,'id':'grade']

2)重命名列名

#将需要使用的列名重新命名
calNameDict={'date':'日期','price':'房价','bedrooms':'卧室数','bathrooms':'洗浴室数','sqft_living':'使用面积','sqft_lot':'建筑面积','floors':'楼层','waterfront':'海滨区','view':'实看数','grade':'房屋等级','yr_built':'建成年份','yr_renovated':'翻修年份','zipcode':'邮编','sqft_living15':'使用面积（2015）','condition':'条件设施','sqft_lot15':'建筑面积（2015）','id':'编号','sqft_above':'地上建筑面积','sqft_basement':'地下建筑面积','lat':'纬度','long':'经度'}
priceDf.rename(columns=calNameDict,inplace=True)

3)缺失值处理（仅删除）

#处理缺失值（本次仅做删除处理）
priceDf=priceDf.dropna(subset=['卧室数','洗浴室数','楼层','海滨区','条件设施','房屋等级','使用面积（2015）','建筑面积（2015）','建成年份','实看数'],how='any')

4)数据类型转化

#将数据中属于浮点型的数据进行转化
priceDf['洗浴室数']=priceDf['洗浴室数'].astype('float')
priceDf['lat']=priceDf['lat'].astype('float')
priceDf['long']=priceDf['long'].astype('float')
priceDf['使用面积（2015）']=priceDf['使用面积（2015）'].astype('float')
priceDf['建筑面积（2015）']=priceDf['建筑面积（2015）'].astype('float')#打印出结果，查看是否更改彻底
print(priceDf.dtypes)#将数据中日期的字符串形式转化
priceDf.loc[:,'日期']=pd.to_datetime(priceDf.loc[:,'日期'],format='%Y-%m-%d',errors='coerce')

构建模型

1）房价与环境配套的相关性

此处仅对'房价','海滨区','条件设施','房屋等级'进行展示，并查看其相关性；

#去重
kpi1_Df=priceDf.drop_duplicates(subset=['房价','海滨区','条件设施','房屋等级'])#结果按'房价'倒叙排列
kpi1_Df=kpi1_Df.sort_values(by='房价',ascending=False)#重新命名编号列
kpi1_Df=kpi1_Df.reset_index(drop=True)#打印出结果的前十行数据
kpi1_Df.head(10)

2）房价与房间配置的相关性

方法与模型1）类似，此处不再赘述，详见代码；

#去重
kpi2_Df=priceDf.drop_duplicates(subset=['房价','卧室数','洗浴室数','楼层'])#结果按'房价'倒叙排列
kpi2_Df=kpi2_Df.sort_values(by='房价',ascending=False)#重新命名编号列
kpi2_Df=kpi2_Df.reset_index(drop=True)#打印出结果的前十行数据
kpi2_Df.head(10)

3）得房率

#统计建筑面积&使用面积之和（以2015年为基准）
totalAreaF1=priceDf.loc[:,'建筑面积（2015）'].sum()
totalAreaF2=priceDf.loc[:,'使用面积（2015）'].sum()
kpi3_Df=totalAreaF2/totalAreaF1
print('得房率=',kpi3_Df)

得房率= 0.15558283207827878；

4)房价与房龄的相关性

#按照建成年代进行分组，并查看对应房价的平均值
builtyrF=priceDf['房价'].groupby(priceDf['建成年份']).mean()#按金额倒叙排序，并限制展示前十房源
builtyrF=builtyrF.sort_values(ascending=False)
builtyrF.head(10)

5）房屋实看数

实际看房数一定程度上说明了用户的偏好情况；

#按照实看数进行分组，并查看对应房价的平均值
viewF=priceDf['房价'].groupby(priceDf['实看数']).mean()#按金额进行正序排序
viewF=viewF.sort_values(ascending=False)
viewF.head(10)

小结

1）房价与环境配套的相关性

King County的高价房源都集中于海滨区域，且评分都较高，最高价高达7700000美金。

2）房价与房间配置的相关性

高价房源的建筑面积较高，其中价格前十的房源大部分拥有5-6个卧室或洗浴室，而楼层偏底层，大部分为2层建筑，猜测此部分房源可能为海滨区的别墅住宅；

房源价格与卧室数、洗浴室数以及建筑面积成正相关的关系。

3）得房率

整体得房率≈ 0.16，可用面积相对较低，体现该地区房源的占地面积较大，购买房源或可拥有大面积院落；

4)房价与房龄的相关性

房源价格前十的房龄，主要集中于两个区间：90年代初期与2015年（取数时间近期）；

有历史的房源和新建成的房源，一定程度上可以卖的上好价钱。

5）房屋实看数

房源实看数最高为4次，此类房源的平均价格为1463711美金；

高房价房源的实看数均较高，看房行为并不能代表最终成交，具体成交数据还有待进一步挖掘。

利用Python进行King County房价数据分析相关推荐

数据分析回归问题：美国King County房价预测训练赛
这是DC竞赛网的一道基础回归问题, 美国King County房价预测训练赛竞赛详细信息:美国King County房价预测训练赛任务:从给定的房屋基本信息以及房屋销售信息等,建立一个回归模型预测 ...
数据挖掘竞赛-美国King County房价预测训练赛
美国King County房价预测训练赛简介 DC上的一个回归题(正经的回归题). 比较简单. 时间原因(暂时没什么时间看国内旧赛),看了一下网上的解答,改善了一下神经网络就提交了. 过程数据获取 ...
华为LAB实验室3-机器学习实验：（线性回归）美国King County房价预测训练赛
各位好,我是乾颐堂大堂子.领取完整实战指南可以私信我,关键词:实战指南导入相关python库 2.数据处理下载的是两个数据文件,一个是真实数据,一个是测试数据,打开kc_train.csv,能够看 ...
利用Python的全国旅游景点数据分析案例（新手）
目录概述数据获取数据预处理和清洗景点数据数据分析景点数据酒店数据机器学习分析代码实现总结概述新手刚开始学python,自己写了这个例子熟悉一下pandas库和sklearn. ...
python读取游戏数据_利用Python对游戏销量进行数据分析
一.提出问题 1. 2005-2017年全球销量的top20的游戏是什么? 2. 2005-2017年各游戏生产商的销量对比,并使用堆叠柱状图进行可视化. 二.理解数据数据大小:16599条数据来 ...
利用python + pyecharts+Pandas对北上广深等城市进行租房数据分析
本次分析的租房数据主要来源于上一篇博客中获取的"房天下"网站租房信息,对该数据分析主要使用了Pandas数据处理库. 利用python pyecharts进行租房情况数据分析数据 ...
数据基础---《利用Python进行数据分析·第2版》第8章数据规整：聚合、合并和重塑
之前自己对于numpy和pandas是要用的时候东学一点西一点,直到看到<利用Python进行数据分析·第2版>,觉得只看这一篇就够了.非常感谢原博主的翻译和分享. 在许多应用中,数据可能 ...
利用Python进行数据分析（第2版）
Wes McKinney 是流行的Python开源数据分析库pandas的创始人.他是一名活跃的演讲者,也是Python数据社区和Apache软件基金会的Python/C++开源开发者.目前他在纽约从 ...
干货 | 《利用Python进行数据分析》资料开源下载
今天要跟大家分享的是数据分析领域的必备书籍之一的<利用Python进行数据分析>第二版.英文名为 Python for Data Analysis. 本书作者Wes McKinney 资深 ...

利用Python进行King County房价数据分析

利用Python进行King County房价数据分析相关推荐

最新文章

热门文章