python猫咪藏在哪个房间_Python分析Airbnb北京房源，去北京旅游到底应该住哪里？...
说来惭愧，阿花花从小到大，除了在妈妈肚子里的时候去过一次北京，就再也没有和这片土地发生过关系了。好想吃北京的爆肚、涮肉、豆汁儿、烤鸭、炸酱面、卤煮火烧、豌豆黄、麻团、驴打滚、焦圈balabala.....
那么问题来了，如果有突如其来的假期可以让我去北京，那么我应该住哪儿呢？
正好，airbnb开源了部分数据>>Airbnb北京数据集<<，ummmm，让我好好研究一下。
（哦对，全文代码在此>>Airbnb数据分析及可视化<<，一键fork运行）
读数据
import numpy as np
import pandas as pd
import re
import seaborn as sns
import matplotlib.pyplot as plt
from matplotlib import font_manager
import geopandas as gpd #geopandas是专门用于描述地理位置的开发包，额外需要了解一下geohash
from shapely.geometry import Point # 经纬度转换为单独描述的点
import mapclassify
%pylab inline
%matplotlib inline
import warnings
warnings.filterwarnings('ignore')
listing_path = 'listings.csv'
neighbourhoods_path = 'neighbourhoods.csv'
reviews_path = 'reviews.csv'
listing = pd.read_csv(listing_path)
neighbourhoods = pd.read_csv(neighbourhoods_path)
reviews = pd.read_csv(reviews_path)
listing
哦。。。看的不太真切，再让我info一下
listing.info()
通过对数据的简单描述发现：总共有16个特征列，每个特征列有28，452个数据。
有4列有一定程度的缺失（name/neighbour/last_review/reviews_per_month）
了解数据
进行一些特征的简单处理和描述
将neighbour处理成只有中文名
a = listing['neighbourhood']
def colum_to_str(data):
neighbourhood = []
a = data.str.findall('\w+').tolist()
for i in a:
neighbourhood.append(i[0])
return neighbourhood
listing['neighbourhood'] = colum_to_str(a)
listing['neighbourhood'].unique()
房间类型
房间类型总共有三种 全套、单间和多人房间
listing['room_type'].unique()
大部分为整套出租，很少有公共房间出租
plt.subplot(311)
data = listing['room_type'].value_counts().tolist()
a = listing['room_type'].unique()
plt.bar(x=a, height=data)
数值类特征
new_columns = ['price','minimum_nights','number_of_reviews','calculated_host_listings_count','availability_365']
data = listing[new_columns]
def is_number(data):
int_columns = []
str_columns = []
columns_name = data.columns.tolist()
for i in range(data.shape[1]):
if data[columns_name[i]].dtype == 'int64' or data[columns_name[i]].dtype == 'float64':
int_columns.append(columns_name[i])
else:
str_columns.append(columns_name[i])
return int_columns, str_columns
int_columns, str_columns = is_number(listing)
import pylab as mpl
mpl.rcParams['font.sans-serif'] = ['FangSong'] # 指定默认字体
mpl.rcParams['axes.unicode_minus'] = False
#画出数字类型的分布
for i in range(len(data.columns)):
plt.hist(data[data.columns[i]].get_values())
plt.xlabel(data.columns[i])
plt.show()
通过连续型特征观察各个字段的分布，我们可以得出：price价格分布较广，平均为600元左右，中位数为400元左右，但存在极大值的干扰，需要对极大值进行处理后续；
minimum_nights存在异常值，这里超过365天就认为是异常值，需要对异常值进行处理后续；
availability_365正常,观察得出有接近一半的民宿全年可住的天数为350天；
calculated_host_listings存在一些集值，表明一些房主可能是专门做名宿的运营着多套房子；
number_of_reviews存在极大值，可能要注意是否存在恶意刷评论的现象；
中介vs个人
第一名的中介房源挺多哈
listing[['host_name','name']].groupby('host_name').count().sort_values(by='name', ascending=False)
区域分布
listing['neighbourhood'].value_counts()
开始分析
区域（分布、价格）
neighbourhood_gpd = gpd.GeoDataFrame.from_file('neighbourhoods.geojson')
neighbourhood_gpd.head()
def listing_to_gbd(data):
data['geometry'] = list(zip(data['longitude'],data['latitude']))#zip的作用为打包成为元组的列表，例如zip(a,b)，将a、b中第一个元素放到列表中
data['geometry'] = data['geometry'].apply(Point)
data = gpd.GeoDataFrame(data)#转换成geopandas可识别
return data
listing_gbd = listing_to_gbd(listing)
listing_gbd.head()
计算每个区的房间数量,并从大大小进行排列
neighbourhood_gpd_groupby = listing_gbd[['neighbourhood','id']].groupby('neighbourhood').count().sort_values(by='id',ascending=False).reset_index()
new_neighbourhood = neighbourhood_gpd.merge(neighbourhood_gpd_groupby,on='neighbourhood', how='left')
new_neighbourhood.head(5)
画图
base = new_neighbourhood.plot(column='id',cmap='Oranges',scheme='fisher_jenks', legend=True,edgecolor='white',figsize=(20,20))#画第一层底
listing_gbd.plot(ax=base,color='lightgreen',marker='o',markersize=65,alpha=0.05)#在底上堆叠民宿的地理位置
plt.gca().xaxis.set_major_locator(plt.NullLocator())#去掉X轴
plt.gca().yaxis.set_major_locator(plt.NullLocator())#去掉y轴
def explode_situtation(data):
explode = {}
for i in range(len(data)):
if data[i]>data.mean():
explode[data.index[i]] = 0.1
else:
explode[data.index[i]] = 0
return explode
explode = list(explode_situtation(listing.neighbourhood.value_counts()).values())
data2 = listing.neighbourhood.value_counts()
label2 = listing.neighbourhood.unique().tolist()
plt.figure(figsize=(20,20))
plt.title('民宿区域分布比例图',fontdict={'fontsize':18})
plt.pie(data2,labels=label2,autopct='%.2f%%',explode=explode,startangle=90,
counterclock=False,textprops={'fontsize':12,'color':'black'},colors=sns.color_palette('hls',n_colors=18))
plt.legend(loc='best',shadow=True,fontsize=11)
通过探索可以发现：超过60%的名宿集中在朝阳区、密云县以及东城区这三块北京核心区域
对于朝阳区、密云县和东城区周边的区域，其民宿分布也靠近这三块区域的边界，特别是西城区和海淀区
剩余区域名宿分布相对均匀，没有明显的中心出现
#接下来我们继续观察一下不同区域的房间的价格是否会有区别
#为防止一些异常值的干扰，在这之前我们先查看一下价格分布，做一些合理的处理
sns.distplot(listing['price'],color='b')
a = listing[['neighbourhood','price']].groupby(['neighbourhood','price']).count().reset_index()
for i in label2:
plt.hist(a[a['neighbourhood']==i].price)
plt.xlabel(i)
plt.show()
price_is_0 = listing[listing['price']==0]
price_is_0
#发现有一些房源为测试房源，对价格为0的房源和测试房源进行删除
test_house = listing[listing.name.str.startswith('测试')==True]
test_house
drop_index_list = price_is_0.index.tolist()+test_house.index.tolist()
#清除完毕
b = pd.DataFrame(listing_dealt['neighbourhood'].unique(),columns=['区域'])
b['最高价格'] = listing_dealt[['price','neighbourhood']].groupby('neighbourhood').max().price.tolist()
b['最低价格'] = listing_dealt[['price','neighbourhood']].groupby('neighbourhood').min().price.tolist()
b['中位数价格'] = listing_dealt[['price','neighbourhood']].groupby('neighbourhood').median().price.tolist()
b['25%价格位置'] = listing_dealt[['price','neighbourhood']].groupby('neighbourhood').quantile(0.25).price.tolist()
b['75%价格位置'] = listing_dealt[['price','neighbourhood']].groupby('neighbourhood').quantile(0.75).price.tolist()
b['四分卫数'] = np.array(listing_dealt[['price','neighbourhood']].groupby('neighbourhood').quantile(0.75).price.tolist()) - np.array(listing_dealt[['price','neighbourhood']].groupby('neighbourhood').quantile(0.25).price.tolist())
b
通过上述分析可以得出房山区的民宿价格总的来说最高（899元，比第二名大200元以上）、顺义次之（678元），第三是海淀区（597元），且这三个区域价格分布较广
拥有最多民宿的朝阳区、密云县和东城区大部分民宿价格在300到600元之间，这一定程度上解释了该区域民宿数量比较多的原因，区域中心且性价比比较高
每个区域的最高价和最低价相差较大，且一些区域的最高价出现超过万元以上，不确定是异常值还是民宿价本身这么高，可能要到大数据集区进一步分析
民宿本身
最受欢迎的民宿top10
在这里暂且认为一个评价代表中一位住客，评价/月平均评价超过90%位数的为比较受欢迎的民宿
avg_review = listing_dealt['number_of_reviews'].quantile(0.9)
avg_month_review = listing_dealt['reviews_per_month'].quantile(0.9)
popular_house = listing_dealt[(listing_dealt['number_of_reviews']>avg_review) & (listing_dealt['reviews_per_month']>avg_month_review)]
popular_house.sort_values(by=['number_of_reviews','reviews_per_month'],ascending=False).head(10)
最受欢迎的民宿大部分在朝阳区（5家），一部分在东城区（3家），还有一部分在西城区（2家）价格跨度比较大，在87元到899之间；87元是分享房间，899元的是整套
前10的受欢迎的民宿中90%都是专业的运营团队，其名下不止一套房子；只有一家是个人运营的，间接说明个人运营的民宿相对来说入住率会比专业团队差一些，可能是推广和运营相关的环节，需要进一步观察一下各个步骤的转换率
前10的受欢迎的民宿中有4家整套、4家个单人房间，还有2家多人房，这与之前房子类型的结论基本一致；但同时我们也可以看到多人房也比较受欢迎，这里暂时判断如果要做民宿，可能多人房是一个不错的选择，竞争没有整套出租和单人房来的竞争激烈
最受欢迎的民宿特点
import jieba
from wordcloud import WordCloud
reviews_top90 = popular_house.sort_values(by=['number_of_reviews','reviews_per_month'],ascending=False)
reviews_top90.head()
def jieba_cut(data):
a = []
worddict = {}
with open('chineseStopWords.txt', encoding='gbk') as f:
result=f.read().split()
for i in data:
words = jieba.lcut(i)
word=[x for x in words if x not in result]
a.extend(word)
for word in a:
worddict.setdefault(word,0)
worddict[word]+=1
return worddict
popular_words = jieba_cut(reviews_top90.name.astype('str'))
#对popular_words_df中的一些字段进行处理，例如空值和标点符号
def deal_with_meanless_word(data):
mean_words = {}
for i in data.keys():
if len(i) > 1:#认为小于一个长度的字没有意义，最好的情况下是自己定义一个没有意义的列表
mean_words[i] = data[i]
return mean_words
mean_words = deal_with_meanless_word(popular_words)
mean_words_df = pd.Series(mean_words).sort_values(ascending=False)
mean_words_df_top15 = mean_words_df.head(15)
mean_words_df_top15
plt.figure(figsize=(15,8))
plt.title('最受欢迎的房间中描述关键词')
mean_words_df_top15.plot(kind='bar',ylim=[0,300])
import re
wordcloud_use = ' '.join(mean_words.keys())
resultword=re.sub("[A-Za-z0-9\[\`\~\!\@\#\$\^\&\*\(\)\=\|\{\}\'\:\;\'\,\[\]\.\<\>\/\?\~\。\@\#\\\&\*\%]", "",wordcloud_use)
w = WordCloud(scale=4,background_color='white', font_path='msyhbd.ttf',
max_words = 100,max_font_size = 60,random_state=20).generate(resultword)
plt.imshow(w)
通过对关键字的观察可以发现大家其实都比较实在，前十几乎全部都是在说地段以及交通，毕竟北京它堵啊，住地铁边总没错的
关于房屋风格，在大家眼中，庭院、禅意、隐庐是北京的代名词，但是那边几位“日式”的朋友，这我就不太懂懂了啊
在满屏的关键词中，我竟一眼就看到了“猫咪”，天哪是什么神仙房子自带猫咪！我柠檬了！！！
房东的角度
listing_dealt.calculated_host_listings_count.describe()
listing_dealt.loc[listing_dealt['calculated_host_listings_count']<=5,'renter_type'] = '个体'
listing_dealt.loc[(listing_dealt['calculated_host_listings_count']<=20)&(listing_dealt['calculated_host_listings_count']>5),'renter_type'] = '小型公司'
listing_dealt.loc[(listing_dealt['calculated_host_listings_count']<=100)&(listing_dealt['calculated_host_listings_count']>20),'renter_type'] = '中型公司'
listing_dealt.loc[listing_dealt['calculated_host_listings_count']>100,'renter_type'] = '大型公司'
renter_type = listing_dealt.groupby('renter_type').count().id.sort_values(ascending=False)
renter_type
plt.figure(figsize=(15,8))
plt.bar(x = renter_type.index, height=renter_type.values)
由上图我们可以得出：大部分民宿还是由个体经营，也就是只经营一套民宿，其次是5～20的小型公司，接着是20～100的中型公司，只有极小部分是大型公司100以上
房东收入
#平均价格乘上每个月的评论数
avg_price = listing_dealt[['renter_type','price']].groupby('renter_type').mean().reset_index()
avg_rent = listing_dealt[['renter_type','reviews_per_month']].groupby('renter_type').mean().reset_index()
revenue = pd.merge(avg_price,avg_rent, on='renter_type',how='left')
revenue['avg_revenue'] = revenue.price*revenue.reviews_per_month
revenue
#可以看到个体和小型公司开民宿的收入比较高，大型公司收入最低，当然因为存在极值的影响，大型公司的手下的房子收入不一，被平均了。
总结
ummm，自带猫咪的房子固然好，但是荷包空空，可能，最后我还是会选一个便宜厕所干净的吧嘤QAQ
python猫咪藏在哪个房间_Python分析Airbnb北京房源，去北京旅游到底应该住哪里？...相关推荐
- python猫咪藏在哪个房间_Python OS 文件/目录方法
摘要: 下文讲述Python中os.walk函数的功能说明,如下所示: os.walk()函数的功能: 用于在目录树中 向上或向下移动,输出在目录中的文件名 常用于遍历目录操作,类似于其它语言的Nex ...
- python猫咪藏在哪个房间_Python 画猫咪
#!user/bin/env python3 # -*- coding:utf-8 -*- # Email 23198899766@QQ.com # Time : 2020/11/23 16:30 f ...
- python项目之猫咪藏在哪个房间
猫咪藏在哪个房间 程序说明 本项目我们将用Python语言设计一个计算机程序来模拟"猫咪藏在哪个房间"游戏,该程序中,计算机代替你朋友的角色,而你的角色不变.你将通过一个输入框和几 ...
- 【计算机专业毕设之基于python猫咪网爬虫大数据可视化分析系统-哔哩哔哩】 https://b23.tv/jRN6MVh
[计算机专业毕设之基于python猫咪网爬虫大数据可视化分析系统-哔哩哔哩] https://b23.tv/jRN6MVh https://b23.tv/jRN6MVh
- 猫咪藏在哪个房间python作业_猫咪生气躲进房间，众人找到后，猫咪一脸疑问：听说你们在找我...
以前,养猫的人不多,而且养猫的方式也不一样,人们每天忙得都顾不上和猫玩耍,观察它们.所以就说猫咪养不熟,高冷什么的,这就是因为不了解所以产生的误解. 如今,养猫的人越来越多,而且人们的空闲时间也多了, ...
- 猫咪藏在哪个房间python_猫咪总喜欢把自己藏在不可思议的地方，这是为什么呢？...
相信有很多猫咪的主人都会有这样有趣的发现,有很多猫咪就像是活在水中那样,就像是液体般一样的存在.有很多猫咪都会藏在一些非常不可思议的地方,就好像一些小盒子里面,还有一些用来装东西的小容器里面.这样就会 ...
- 猫咪藏在哪个房间python项目_铲屎官必读：猫咪为什么都喜欢藏在盒子里？
原标题:铲屎官必读:猫咪为什么都喜欢藏在盒子里? Защитные механизмы 保护机制 Каждому животному присущи разные защитные механизмы ...
- python游戏猫咪藏在哪个房间_tes体系风格已经定型，EZ加猫咪似乎成唯一解，在藏还是真没了？...
#瓦罗兰特电竞赛# 对于tes这支队伍来说,在打完了MSC之后,似乎所有的人都认为,这就是LPL的头号种子,甚至说是世界上最强的那支队伍.然而实际上呢?经过了大半个夏季赛的考验之后,似乎tes的问题暴 ...
- 猫咪藏在哪个房间python_盘点：猫咪玩“躲猫猫”喜欢藏的几个地方，这下再也不愁找不到了...
一觉醒来,家里的猫不在身边,将被子掀起来自己找,还是没有,床底下?依旧没有,然后找遍整个房间--不知道诸位铲屎官有没有这样的经历,猫咪"人间蒸发",然后又神不知鬼不觉地出现在身边, ...
最新文章
- oracle9i数据库自动备份,Windows环境下Oracle9i数据库文件的自动备份
- Linux awk+uniq+sort 统计文件中某字符串出现次数并排序
- 台湾大学林轩田机器学习基石课程学习笔记10 -- Logistic Regression
- WebKit Layout 数据结构
- GitHub+Jenkins持续集成简介
- Codeigniter中创建LeanCloud云函数实现微信支付
- mysql数据剪切到新表_6、MySQL核心DDL语句
- BugkuCTF-MISC题赛博朋克
- 17_python基础—面向对象-继承
- ios13.5.1降级_高并发系统下的降级如何实现
- c#文件分割与合并 part 1 (转自互联网)
- Odoo 去掉 恼人的 上午和下午
- c++求100以内素数
- 签名格式 - 职场 Email 礼仪
- oracle db studay
- 翻译:俄国卫星GLONASS 简介 天基全球导航卫星系统 (GNSS)
- swiper设置autoplay不起作用
- 网易云音乐上关于摇滚歌单的各种排行榜
- 什么是固定资产管理系统？固定资产管理小程序有哪些功能？
- Adobe 2021正式版发布！全新的adobe2021和2020有哪些区别？