北京二手房?jī)r(jià)數(shù)據(jù)分析

北京??房?jī)r(jià)數(shù)據(jù)分析?、報(bào)告背景：根據(jù)某房?jī)r(jià)平臺(tái)數(shù)據(jù)，通過數(shù)據(jù)分析，知曉各區(qū)??房?jī)r(jià)狀況。?、?的：報(bào)告?的：通過數(shù)據(jù)完成?份Python的??房?jī)r(jià)分析報(bào)告。分析?的：1、找到影響??房?jī)r(jià)的因素是：區(qū)域？房間數(shù)？?廳數(shù)？?積數(shù)？樓層？有?地鐵？有?學(xué)區(qū)？誰的影響因素最?？如何排序？2、尋找??房低洼處投資。四、代碼解析：（1）、數(shù)據(jù)基本情況#導(dǎo)?庫importpandasaspdimportnumpyasnpimportmatplotlib.pyplotaspltimportseabornassns#讀取數(shù)據(jù)df=pd.read_csv(r"C:\Users\41174\Desktop\sndHsPr.csv")#價(jià)格單位元轉(zhuǎn)化成萬元df.price=df.price/10000#數(shù)據(jù)分析開始3部曲print(df.head())print(())print(df.describe())如圖，dist是地區(qū)，roomnum是房間數(shù)，halls是?廳數(shù)，AREA是房間?積，floor是樓層?度，AREA是?積（單位平??），subway是地鐵（1代表有，0代表?），school是學(xué)校（1代表有，0代表?），price，代表價(jià)格（單位萬元）如圖，dist和floor是字符串類型，其余都是數(shù)值型數(shù)據(jù)，同時(shí)沒有臟數(shù)據(jù)和缺漏數(shù)據(jù)如圖，數(shù)據(jù)樣本量：16210。在沒有通過圖表發(fā)現(xiàn)數(shù)據(jù)的整體異常值時(shí)，先以平均數(shù)為基準(zhǔn)看基本情況，但通過后?的分析會(huì)發(fā)現(xiàn)，存在許多異常值，所以專業(yè)分析需要看中位數(shù)。現(xiàn)在先分析基本平均信息：roomnum2.1，?廳1.2，?積91.7，地鐵0.83，學(xué)校0.3，房?jī)r(jià)6.1萬/每平??。通過基本平均信息可以知道，房間正常屬于?眾型剛需型，基本有地鐵，但?學(xué)校。根據(jù)《?出好戲》的3句經(jīng)典臺(tái)詞分析：1、稀缺2、消耗3、希望。地鐵、房間等基本配置都屬于消耗資源，不會(huì)產(chǎn)?杠桿或者增值價(jià)值，屬于消耗品，屬于保值或貶值品。但學(xué)校屬于孩?和未來的希望，屬于增值品，同時(shí)?稀缺，瘋搶和增值空間明顯增?，但隨著移動(dòng)互聯(lián)?的教育資源興起，和教育改?，該現(xiàn)象期待改變。fromscipyimportstatsprint(df.price.describe())print('眾數(shù)',stats.mode(df.price)[0][0])如圖，價(jià)格（單位萬/每平??）平均數(shù)6.1，中位數(shù)5.7，眾數(shù)5。dict1={u'chaoyang':"朝陽",u'dongcheng':"東城",u'fengtai':"豐臺(tái)",u'haidian':"海淀",u'shijingshan':"?景?",u'xicheng':"西城"}#將拼?轉(zhuǎn)化成中?df.dist=df.dist.apply(lambdax:dict1[x])print(pd.concat([(df[df.price==min(df.price)]),(df[df.price==max(df.price)])]))最?房?jī)r(jià)：西城3房，1廳，78平??，低樓層，有地鐵，?學(xué)區(qū)，價(jià)格15萬每平??。最低房?jī)r(jià)：豐臺(tái)2房，2廳，101平??，?樓層，?地鐵，?學(xué)區(qū)，價(jià)格，1.8萬每平??。foriinrange(7):ifi!=3:print(df.columns.values[i],";")print(df[df.columns[i]].agg(['value_counts']).T)print("=======================================================================")else:continueprint("AREA:")print(df.AREA.agg(['min','mean','median','max','std']).T)如圖：房源：豐臺(tái)區(qū)域房源最多2947套，?景?最少房源1947套。房數(shù)：2房最多7971套，5房最少102套。廳數(shù)：1廳最多11082套，3廳最少85套。樓層：?乎相等。地鐵：有地鐵13419套，沒地鐵2791套。學(xué)校：有學(xué)校4913套，沒學(xué)校11297套。（稀缺）?積：最?299平??，最低30平???？偨Y(jié)：學(xué)區(qū)房最稀缺。（2）、圖表基本情況#解決中?亂碼問題plt.rcParams['font.sans-serif']=['SimHei']sns.distplot(df.price,color='lightblue',bins=20,kde=True)plt.xlabel("單位?積房?jī)r(jià)（萬元/平??）")plt.ylabel("密度")plt.title('房?jī)r(jià)密度直?圖')plt.show()如圖，直?圖曲線圖右側(cè)有較多異常值，屬于正偏或右偏正態(tài)曲線，不能使?平均值，需要使?中位數(shù)，房?jī)r(jià)中位數(shù)是5.7萬每平??。（3）、盒須圖①、單因素分析df.groupby('dist').median().price.sort_values(ascending=False)df.boxplot(column='price',by='dist')plt.show()如圖，顯?各區(qū)價(jià)格盒須圖，盒須圖?低?序，通過什么?法讓視圖清晰可見，容易分析？#顯?各區(qū)中位數(shù)從?到低排序。print(df.groupby('dist').median().price.sort_values(ascending=False))df.dist=df.dist.astype('category')#根據(jù)各區(qū)中位數(shù)排序，調(diào)整區(qū)域先后順序。df.dist.cat.set_categories(['西城','東城','海淀','朝陽','豐臺(tái)','?景?'],inplace=True)df.boxplot(column='price',by='dist')plt.show()如圖，區(qū)域明顯與價(jià)格成強(qiáng)相關(guān)。區(qū)域差異最?是西城與?景?，故后?分析時(shí)采?西城與?景?的分析。print(df.groupby('roomnum').median().price.sort_values(ascending=False))df.roomnum=df.roomnum.astype('object')df.roomnum=df.roomnum.astype('category')df.roomnum.cat.set_categories([4,1,5,3,2],inplace=True)df.boxplot(column='price',by='roomnum')plt.show()如圖，房間數(shù)與價(jià)格成弱相關(guān)。print(df.groupby('halls').median().price.sort_index(ascending=False))df.halls=df.halls.astype('category')df.halls.cat.set_categories([0,1,2,3],inplace=True)df.boxplot(column='price',by='halls')plt.show()如圖，?廳數(shù)與價(jià)格成弱相關(guān)。df.plot.scatter(x='price',y='AREA')plt.show()如圖，?積與價(jià)格關(guān)系暫時(shí)?法確定。print(df.groupby('floor').median().price.sort_index(ascending=False))df.floor=df.floor.astype('category')df.floor.cat.set_categories(['middle','low','high'],inplace=True)df.boxplot(column='price',by='floor')plt.show()如圖，樓層與價(jià)格成弱相關(guān)。print(df.groupby('subway').median().price.sort_index(ascending=False))df.subway=df.subway.astype('category')df.subway.cat.set_categories([1,0],inplace=True)df.boxplot(column='price',by='subway')plt.show()如圖，地鐵與價(jià)格成強(qiáng)相關(guān)。print(df.groupby('school').median().price.sort_index(ascending=False))df.school=df.school.astype('category')df.school.cat.set_categories([1,0],inplace=True)df.boxplot(column='price',by='school')plt.show()如圖，學(xué)校與價(jià)格成強(qiáng)相關(guān)。綜上可知，區(qū)域、地鐵、學(xué)校與價(jià)格關(guān)系密切，其余因素關(guān)系不密切，忽略不計(jì)。②、雙因素分析print(df.groupby(['dist','school']).median().price.sort_index(ascending=False).unstack())df.boxplot(column='price',by=['dist','school'],figsize=(12,6))plt.show()如圖可知，1、（西城，1）-（西城，0）>（西城，1）-（東城，1），可知學(xué)區(qū)因素>區(qū)域因素，分析其余情況基本類似。2、（?景?，1）價(jià)格<（?景?，0），明顯存在被低估的價(jià)格，很可能是潛?股，可以先調(diào)查后投資。print(df.groupby(['school','subway']).median().price.sort_index(ascending=False).unstack())df.boxplot(column='price',by=['school','subway'],figsize=(12,6))plt.show()如圖可知，（1,1）-（1,0）<（1,1）-（0,1），因此學(xué)區(qū)因素>地鐵因素。print(df.groupby(['dist','subway']).median().price.sort_index(ascending=False).unstack())df.boxplot(column='price',by=['dist','subway'],figsize=(12,6))plt.show()如圖，（西城，1）-（西城，0）>（西城，1）-（東城，1），因此學(xué)區(qū)因素>區(qū)域因素。③、多因素分析print(df.groupby(['dist','school','subway']).median().price.sort_index(ascending=False).unstack())df.boxplot(column='price',by=['dist','school','subway'],figsize=(20,10))plt.xticks(rotation=90)plt.show()如圖可知，（豐臺(tái)，1,0）與（?景?，1,1）和（?景?，1,0）明顯存在低估，可以先調(diào)查，然后投資。綜合如上分析可知：1、單因素、雙因素和多因素分析，可知學(xué)區(qū)因素>地區(qū)因素>地鐵因素>其他因素。2、（豐臺(tái)，1,0）與（?景?，1,1）和（?景?，1,0）明顯存在低估，可以先調(diào)查，然后投資。五、完整代碼#導(dǎo)?庫importpandasaspdimportnumpyasnpimportmatplotlib.pyplotaspltimportseabornassns#讀取數(shù)據(jù)df=pd.read_csv(r"C:\Users\41174\Desktop\sndHsPr.csv")#價(jià)格單位元轉(zhuǎn)化成萬元df.price=df.price/10000#數(shù)據(jù)分析開始3部曲print(df.head())print(())print(df.describe())fromscipyimportstatsprint(df.price.describe())print('眾數(shù)',stats.mode(df.price)[0][0])dict1={u'chaoyang':"朝陽",u'dongcheng':"東城",u'fengtai':"豐臺(tái)",u'haidian':"海淀",u'shijingshan':"?景?",u'xicheng':"西城"}#將拼?轉(zhuǎn)化成中?df.dist=df.dist.apply(lambdax:dict1[x])print(pd.concat([(df[df.price==min(df.price)]),(df[df.price==max(df.price)])]))foriinrange(7):ifi!=3:print(df.columns.values[i],";")print(df[df.columns[i]].agg(['value_counts']).T)print("=======================================================================")else:continueprint("AREA:")print(df.AREA.agg(['min','mean','median','max','std']).T)#解決中?亂碼問題plt.rcParams['font.sans-serif']=['SimHei']sns.distplot(df.price,color='lightblue',bins=20,kde=True)plt.xlabel("單位?積房?jī)r(jià)（萬元/平??）")plt.ylabel("密度")plt.title('房?jī)r(jià)密度直?圖')plt.show()df.groupby('dist').median().price.sort_values(ascending=False)df.boxplot(column='price',by='dist')plt.show()#顯?各區(qū)中位數(shù)從?到低排序。print(df.groupby('dist').median().price.sort_values(ascending=False))df.dist=df.dist.astype('category')#根據(jù)各區(qū)中位數(shù)排序，調(diào)整區(qū)域先后順序。df.dist.cat.set_categories(['西城','東城','海淀','朝陽','豐臺(tái)','?景?'],inplace=True)df.boxplot(column='price',by='dist')plt.show()print(df.groupby('roomnum').median().price.sort_values(ascending=False))df.roomnum=df.roomnum.astype('object')df.roomnum=df.roomnum.astype('category')df.roomnum.cat.set_categories([4,1,5,3,2],inplace=True)df.boxplot(column='price',by='roomnum')plt.show()print(df.groupby('halls').median().price.sort_index(ascending=False))df.halls=df.halls.astype('category')df.halls.cat.set_categories([0,1,2,3],inplace=True)df.boxplot(column='price',by='halls')plt.show()df.plot.scatter(x='price',y='AREA')plt.show()print(df.groupby('floor').median().price.sort_index(ascending=False))df.floor=df.floor.astype('category')df.floor.cat.set_categories(['middle','low','high'],inplace=True)df.boxplot(column='price',by='floor')plt.show()print(df.groupby('subway').median().price.sort_index(ascending=False))df.subway=df.subway.astype('category')df.subway.cat.set_categories([1,0],inplace=True)df.boxplot(column='price',by='subway')plt.show()print(df.groupby('school').median().price.sort_index(ascend