[B4]链家二手房价格预测

“这篇博客主要分享一个数据分析初级项目，基本概括了一个完整项目的各个分析阶段，但是数据获取是直接在链家官网爬取的，这部分先不分享了。过程中还有很多不足的地方，希望各位大佬多多指点。”

1.数据预处理
首先导入科学计算包

import pandas as pd
import numpy as np
import seaborn as sns
import matplotlib
import matplotlib.pyplot as pltfrom IPython.display import display
plt.style.use('fivethirtyeight')
sns.set_style({'font.sans-serif':['simhei','Arial']})
%matplotlib inline

读取数据，对数据进行初步观察，查看缺失值和异常值，并进行描述性统计

#导入数据，查看前三行
lianjia_df = pd.read_csv("C:\Jupyter_working_path\Projects\lianjia.csv")
display(lianjia_df.head(3))

初步观察到有11个特征变量，Price为目标变量

#检查缺失值情况

#检查缺失值情况
lianjia_df.info()

很明显Elevator特征有缺失值

#描述性统计

lianjia_df.describe()

可见，size特征最大值1019平米，最小值2平米

#添加房屋特征均价

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(3))

2.特征分析
接下来对特征变量进行逐一分析
（1）Region特征分析

#对二手房区域分组对比二手房数量和每平方米房价
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('北京各区二手房每平米单价对比',fontsize=15)ax1.set_xlabel('区域')ax1.set_ylabel('每平米价格')sns.barplot(x='Region', y='Price',palette = "Greens_d", data= df_house_count, ax = ax2)ax2.set_title('北京各区二手房每平米数量对比',fontsize=15)ax2.set_xlabel('区域')ax2.set_ylabel('数量')sns.boxplot(x='Region', y='Price', data= df, ax = ax3)ax2.set_title('北京各区二手房房屋总价',fontsize=15)ax2.set_xlabel('区域')ax2.set_ylabel('房屋总价')plt.savefig("C:\Jupyter_working_path\Projects\picture")

区域特征可视化过程直接采用seaborn来完成，颜色使用调色板palette参数，渐变，越浅表示越少。

可见: 1)二手房均价：西城区房价最贵大约11万/平，其次是东城大约10万/平，然后海淀区8.5万/平，其他地方均低于8万/平；
2）二手房数量：海淀区和朝阳区二手房数量最多，需求量也大。
3）二手房总价：各大区域总价中位数都在1000万以下，西城达到6000万。

（2）Size特征分析

f, [ax1,ax2] = plt.subplots(1,2,figsize=(15,5))#建房时间分布情况
sns.distplot(df['Size'], bins = 20, ax=ax1, color='r')sns.kdeplot(df['Size'], shade=True, ax =ax1)#建房时间和出售价格的关系
sns.regplot(x ='Size', y='Price',data=df, ax=ax2)plt.savefig("C:\Jupyter_working_path\Projects\pictures")

#探索Size和price的关系

通过regplot绘制size和price之间的散点图，发现size特征基本和price特征程线性关系，即房屋越大价格越贵。但有明显的异常点需要进一步观察：

df.loc[df['Size']<10]

df.loc[df['Size']>1000]

df=df[(df['Layout']!='叠拼别墅') & (df['Size']<1000)]

(3)Layout特征分析

f, ax1 = plt.subplots(figsize=(20,20))
sns.countplot(y='Layout', data = df, ax=ax1)
ax1.set_title('房屋户型',fontsize=15)
ax1.set_xlabel('数量')
ax1.set_ylabel('户型')
plt.savefig("C:\Jupyter_working_path\Projects\picture1")

可见2室1厅占绝大部分，其次是3室1厅，2室2厅，3室2厅。

(4)Renovation特征分析

df['Renovation'].value_counts()

#画幅设置

f,[ax1,ax2,ax3] = plt.subplots(1,3,figsize=(20,5))
sns.countplot(df['Renovation'],ax=ax1)
sns.barplot(x='Renovation',y='Price', data=df, ax=ax2)
sns.boxplot(x='Renovation',y='Price', data=df, ax=ax3)
plt.savefig("C:\Jupyter_working_path\Projects\picture3")

``

观察到，精装修的二手房数量最多，简装其次。毛坯类的价格最高，其次是精装。

（5）Elevator特征分析

查看缺失值

misn = len(df.loc[(df['Elevator'].isnull()),'Elevator'])
print('Elevator缺失值数量为：'+ str(misn))

这么多缺失值肯定不能直接移除，这里考虑填补法。
根据楼层来判断是否有电梯，一般楼层大于6的都有电梯，小于6就无电梯。

#由于存在个别类型错误，故需要移除
df['Elevator']=df.loc[(df['Elevator'] =='有电梯')|(df['Elevator'] =='无电梯'),'Elevator']

#填补缺失值
df.loc[(df['Floor']>6)&(df['Elevator'].isnull()), 'Elevator'] ='有电梯'
df.loc[(df['Floor']<=6)&(df['Elevator'].isnull()), 'Elevator'] ='无电梯'

f, [ax1,ax2] = plt.subplots(1,2,figsize=(20,10))
sns.countplot(df['Elevator'], ax=ax1)
ax1.set_title('有无电梯数量对比',fontsize=15)
ax1.set_xlabel('是否有电梯')
ax1.set_ylabel('数量')
sns.barplot(x='Elevator',y='Price', data=df, ax=ax2)
ax2.set_title('有无电梯房价对比',fontsize=15)
ax2.set_xlabel('是否有电梯')
ax2.set_ylabel('总价')
plt.show()

可见，有电梯的二手房更多，但是有电梯的二手房价格也高，这个很容易理解。
（5）Year特征分析

grid = sns.FacetGrid(df, row='Elevator', col='Renovation', palette='seismic', size=4)
grid.map(plt.scatter, 'Year', 'Price')
grid.add_legend()
plt.savefig("C:\Jupyter_working_path\Projects\picture6")

在Renovation和Elevator的分类条件下，使用FaceGrid分析Year特征，结果显示：
整个二手房房价趋势随着时间增长而增长；
2000年后建造的二手房价格比之前的明显上涨；
1980年前几乎没有电梯房数据，说明那个年代还没有普遍安装电梯

（6）Floor特征分析

f, ax1=plt.subplots(figsize=(20,5))
sns.countplot(x='Floor',data=df, ax=ax1)
ax1.set_title('房屋户型',fontsize=15)
ax1.set_xlabel('数量')
ax1.set_ylabel('户型')
plt.savefig("C:\Jupyter_working_path\Projects\picture8")

可见：6层二手房数量最多。根据中国的习俗，七上八下，所以显然7层比8层受欢迎；而且4层和18层一般不受欢迎。楼层特征影响因素众多故不一一分析。

本次先分享到这里，其实还可以深入对一些特征进行分析，通过这次学习更加锻炼了我的数据分析思维。特征工程是一件复杂的事情，后续还应努力学习。

[B4]链家二手房价格预测相关推荐

Python二手房价格预测（二）——数据处理及数据可视化
系列文章目录数据获取部分:Python二手房价格预测(一)--数据获取文章目录系列文章目录一.数据清洗二.数据可视化总结一.数据清洗 1.先导入需要的库: import pandas a ...
python分析链家二手房信息----数据分析实战（一）
链家二手房信息 # 导入需要的库:科学计算包numpy, pandas 可视化包matplotlib, seaborn 机器学习包 sklearn import numpy as np import ...
【大作业项目】二手房价格预测 Python
大家早上好,本人姓吴,大家也可以叫我吴老师.欢迎大家跟我一起走进数据分析的世界,一起学习! 感兴趣的朋友可以关注我或者我的数据分析专栏,里面有许多优质的文章跟大家分享哦. 其实一开始自己没怎么接触过数 ...
大数据信息资料采集:房产链家二手房新房源出售买卖交易信息采集
在这里插入图片描述大数据信息资料采集:房产链家二手房新房源出售买卖交易信息采集数据采集满足多种业务场景:适合产品.运营.销售.数据分析.政府机关.电商从业者.学术研究等多种身份职业. 舆情监控:全 ...
Python爬虫框架Scrapy入门（三）爬虫实战：爬取长沙链家二手房
Item Pipeline介绍 Item对象是一个简单的容器,用于收集抓取到的数据,其提供了类似于字典(dictionary-like)的API,并具有用于声明可用字段的简单语法. Scrapy的It ...
北京链家二手房数据分析
首先我们需要将链家二手房的数据抓取下来,用我们上课学的内容,很容易实现(bs4,re,urllib,搞定!): import re import csv from bs4 import Beautif ...
python关于二手房的课程论文_基于python爬取链家二手房信息代码示例
基本环境配置 python 3.6 pycharm requests parsel time 相关模块pip安装即可确定目标网页数据哦豁,这个价格..................看到都觉得脑阔 ...
武汉链家二手房数据分析
爬取链家二手房武汉地区的成交数据,共23292条记录,利用Excel.MySQL.Power BI等工具对影响武汉二手房交易价格的因素进行了分析分析思路分析目的武汉哪个区的二手房交易最多? 哪种 ...
Python 爬取链家二手房，我在北京买房的经历
本节所讲内容: 链家网站前期分析利用requests爬取数据爬取数据存储MongoDB(代码请看最后) 链家网站前期分析今天我们主要对链家二手房数据爬取,看下我们目前的资金能买那一套.链家二手房 ...

[B4]链家二手房价格预测

[B4]链家二手房价格预测相关推荐

最新文章

热门文章