python数据分析—10000条北京二手房装修特征信息可视化分析（附源码）

文章目录

开发工具
数据内容
实现代码
运行效果
处理异常数据
优化异常数据运行结果
10000条二手房信息下载地址
总结

开发工具

python版本：Python 3.6.1

python开发工具：JetBrains PyCharm 2018.3.6 x64

第三方库：pandas ;matplotlib ;seaborn

数据内容

实现代码

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as pltplt.style.use('fivethirtyeight')sns.set_style({'font.sans-serif': ['simhei', 'Arial']})lianjia_df = pd.read_csv('lianjia.csv')# 添加房屋均价
df = lianjia_df.copy()
df['PerPrice'] = round(lianjia_df['Price'] / lianjia_df['Size'], 2)# 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)f, [ax1, ax2, ax3] = plt.subplots(3, 1, figsize=(20, 20))# 建房装修特征分析
sns.countplot(df['Renovation'], ax=ax1)
sns.barplot(x='Renovation', y='Price', data=df, palette='Set3', ax=ax2)
sns.boxplot(x='Renovation', y='Price', data=df, ax=ax3)plt.show()

运行效果

从第一张装修风格和数量关系图中可以看到，精装修的数量最多,其次是简装的, 多了一个南北的异常数据,需要做处理

处理异常数据

先查看装修风特征数量,在对异常数据进行剔除处理

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as pltplt.style.use('fivethirtyeight')sns.set_style({'font.sans-serif': ['simhei', 'Arial']})lianjia_df = pd.read_csv('lianjia.csv')# 添加房屋均价
df = lianjia_df.copy()
df['PerPrice'] = round(lianjia_df['Price'] / lianjia_df['Size'], 2)# 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)print(df['Renovation'].value_counts())  # 查看装修风特征数量
df = df[(df['Renovation'] != '南北')]  # 去掉南北的异常值
df['Renovation'] = df.loc[(df['Renovation'] != '南北'), 'Renovation']  # 去掉南北的异常值f, [ax1, ax2, ax3] = plt.subplots(3, 1, figsize=(20, 20))# 建房装修特征分析
sns.countplot(df['Renovation'], ax=ax1)
sns.barplot(x='Renovation', y='Price', data=df, palette='Set3', ax=ax2)
sns.boxplot(x='Renovation', y='Price', data=df, ax=ax3)plt.show()

优化异常数据运行结果

10000条二手房信息下载地址

https://url71.ctfile.com/f/13238771-530323628-1950bb
（访问密码：8835）

总结

这里主要运用了python的进行数据分析时，注意从图中分析异常数据，在对相关数据进行过滤掉

python数据分析—10000条北京二手房装修特征信息可视化分析（附源码）相关推荐

python数据分析—10000条北京二手房电梯信息可视化分析（附源码）
文章目录开发工具数据内容实现代码运行效果处理异常数据优化异常数据运行结果 10000条二手房信息下载地址总结开发工具 python版本:Python 3.6.1 python开发工具: ...
Python 实现图片格式转换，jpg\png\webp等，附源码
Python 实现图片格式转换,jpg\png\webp等,附源码需要使用 PIL库,但python 3是无法安装该库的,如果是python 3安装pillow库即可. 1.安装 python 2 ...
python爬取天气预报源代码_python抓取天气并分析实例源码
[实例简介] Python代码抓取获取天气预报信息源码讲解.这是一个用Python编写抓取天气预报的代码示例,用python写天气查询软件程序很简单.这段代码可以获取当地的天气和.任意城市的天气预报, ...
Python采集3000条北京二手房数据，看我都分析出了啥？
最近呢,对链家平台上的北京二手房数据做了个可视化分析,对目前北京的二手房交易情况有了个大致了解,最终得到一个很实在的结论:奋斗一辈子也买不到一个厕所这句话不是骗人的,是真的:关于具体分析内容请看下文 ...
Python爬虫 —3000+条北京二手房数据可视化分析
关注公众号:[小张Python],为你准备了 50+ 本Python 精品电子书籍与 50G + 优质视频学习资料,后台回复关键字:1024 即可获取:如果对博文内容有什么疑问,公众号后台添加作者[ ...
Python数据分析之使用pandas-datareader获取国家经济信息进行分析
pandas-datareader背景介绍当熟悉了Pandas的两个主要数据结构:Series和DataFrame之后,我们就可以使用pandas-datareader进行金融财经数据的导入和初步分 ...
Python爬虫实战，requests+openpyxl模块，爬取手机商品信息数据（附源码）
前言今天给大家介绍的是Python爬取手机商品信息数据,在这里给需要的小伙伴们代码,并且给出一点小心得. 首先是爬取之前应该尽可能伪装成浏览器而不被识别出来是爬虫,基本的是加请求头,但是这样的纯文本 ...
Python爬虫教程：爬取王者荣耀全套皮肤【附源码】
怎么获取全套皮肤?用钱买,或者用爬虫爬取下来~虽然后者不能穿.这个案例稍微复杂一点,但是一个非常值得学习的项目. 具体实现思路: 分析网页源代码结构找到合适的入口穷举访问并解析爬取所有英雄所有皮 ...
【爬虫实战项目】Python爬虫批量下载音乐飙升榜并保存本地（附源码）
前言今天给大家介绍的是Python爬虫批量下载音乐飙升榜并保存本地,在这里给需要的小伙伴们代码,并且给出一点小心得. 首先是爬取之前应该尽可能伪装成浏览器而不被识别出来是爬虫,基本的是加请求头,但是 ...

python数据分析—10000条北京二手房装修特征信息可视化分析（附源码）

文章目录

开发工具

数据内容

实现代码

运行效果

处理异常数据

优化异常数据运行结果

10000条二手房信息下载地址

总结

python数据分析—10000条北京二手房装修特征信息可视化分析（附源码）相关推荐

最新文章

热门文章