原標(biāo)題：Python租房信息分析！找到最適合自己的房源信息！

租房信息分析

import numpy as np

import pandas as pd

import matplotlib.pyplot as plt

import seaborn as sns

file_data = pd.read_csv("./data/鏈家北京租房數(shù)據(jù).csv")

file_data

file_data.shape

file_data.head

file_data.info

file_data.describe

# 重復(fù)值

# file_data.duplicated

file_data = file_data.drop_duplicates

file_data.shape

# 空值處理

file_data = file_data.dropna

file_data.shape

刪除空值，最好先做判斷

空值處理

file_data = file_data.dropna

# 單個(gè)值實(shí)現(xiàn)

file_data["面積(㎡)"].values[0][:-2]

# 創(chuàng)建一個(gè)空的數(shù)組

data_new = np.array([])

data_area = file_data["面積(㎡)"].values

for i in data_area:

data_new = np.append(data_new, np.array(i[:-2]))

# 轉(zhuǎn)換data_new中的數(shù)據(jù)類型

data_new = data_new.astype(np.float64)

file_data.loc[:, "面積(㎡)"] = data_new

house_data = file_data["戶型"]

temp_list = []

for i in house_data:

# print(i)

new_info = i.replace("房間", "室")

temp_list.append(new_info)

file_data.loc[:, "戶型"] = temp_list

房源數(shù)量、位置分布分析

file_data["區(qū)域"].unique

new_df = pd.DataFrame({"區(qū)域":file_data["區(qū)域"].unique, "數(shù)量":[0]*13})

# 獲取每個(gè)區(qū)域房源數(shù)量

area_count = file_data.groupby(by="區(qū)域").count

new_df["數(shù)量"] = area_count.values

new_df.sort_values(by="數(shù)量", ascending=False)

戶型數(shù)量分析

def all_house(arr):

key = np.unique(arr)

result = {}

for k in key:

mask = (arr == k)

arr_new = arr[mask]

v = arr_new.size

result[k] = v

return result

house_info = all_house(house_data)

去掉統(tǒng)計(jì)數(shù)量較少的值

# 去掉統(tǒng)計(jì)數(shù)量較少的值

house_data = dict((key, value) for key, value in house_info.items if value > 50)

show_houses = pd.DataFrame({"戶型": [x for x in house_data.keys],

"數(shù)量": [x for x in house_data.values]})

圖形展示

# 圖形展示房屋類型

house_type = show_houses["戶型"]

house_type_num = show_houses["數(shù)量"]

plt.barh(range(11), house_type_num)

plt.yticks(range(11), house_type)

plt.xlim(0, 2500)

plt.title("北京市各區(qū)域租房數(shù)量統(tǒng)計(jì)")

plt.xlabel("數(shù)量")

plt.ylabel("房屋類型")

# 給每個(gè)條上面添加具體數(shù)字

for x, y in enumerate(house_type_num):

# print(x, y)

plt.text(y+0.5, x-0.2, "%s" %y)

plt.show

for x, y in enumerate(house_type_num):

print(x, y)

拿到定點(diǎn)坐標(biāo)位置，在坐標(biāo)位置附上Y值

平均租金分析

df_all = pd.DataFrame({"區(qū)域": file_data["區(qū)域"].unique,

"房租總金額": [0]*13,

"總面積": [0]*13})

sum_price = file_data["價(jià)格(元/月)"].groupby(file_data["區(qū)域"]).sum

sum_area = file_data["面積(㎡)"].groupby(file_data["區(qū)域"]).sum

df_all["房租總金額"] = sum_price.values

df_all["總面積"] = sum_area.values

計(jì)算各個(gè)區(qū)域每平方米的房租

# 計(jì)算各個(gè)區(qū)域每平方米的房租

df_all["每平米租金(元)"] = round(df_all["房租總金額"] / df_all["總面積"], 2)

合并

df_merge = pd.merge(new_df, df_all)

圖形可視化

# 圖形可視化

num = df_merge["數(shù)量"]

price = df_merge["每平米租金(元)"]

lx = df_merge["區(qū)域"]

l = [i for i in range(13)]

fig = plt.figure(figsize=(10, 8), dpi=100)

# 顯示折線圖

ax1 = fig.add_subplot(111)

ax1.plot(l, price, "or-", label="價(jià)格")

for i, (_x, _y) in enumerate(zip(l, price)):

plt.text(_x+0.2, _y, price[i])

ax1.set_ylim([0, 160])

ax1.set_ylabel("價(jià)格")

plt.legend(loc="upper right")

# 顯示條形圖

ax2 = ax1.twinx

plt.bar(l, num, label="數(shù)量", alpha=0.2, color="green")

ax2.set_ylabel("數(shù)量")

plt.legend(loc="upper left")

plt.xticks(l, lx)

plt.show

創(chuàng)建x，y軸共享

增加刻度，字符串一一對(duì)應(yīng)

面積基本分析

# 查看房屋的最大面積和最小面積

print('房屋最大面積是%d平米'%(file_data['面積(㎡)'].max))

print('房屋最小面積是%d平米'%(file_data['面積(㎡)'].min))

# 查看房租的最高值和最小值

print('房租最高價(jià)格為每月%d元'%(file_data['價(jià)格(元/月)'].max))

print('房屋最低價(jià)格為每月%d元'%(file_data['價(jià)格(元/月)'].min))

面積劃分

# 面積劃分

area_divide = [1, 30, 50, 70, 90, 120, 140, 160, 1200]

area_cut = pd.cut(list(file_data["面積(㎡)"]), area_divide)

area_cut_num = area_cut.describe

餅圖展示

# 圖像可視化

area_per = (area_cut_num["freqs"].values)*100

labels = ['30平米以下', '30-50平米', '50-70平米', '70-90平米',

'90-120平米','120-140平米','140-160平米','160平米以上']

plt.figure(figsize=(20, 8), dpi=100)

# plt.axes(aspect=1)

plt.pie(x=area_per, labels=labels, autopct="%.2f %%")

plt.legend

plt.show

plt.axes(aspect=1)

設(shè)置橢圓

責(zé)任編輯：

創(chuàng)作挑戰(zhàn)賽新人創(chuàng)作獎(jiǎng)勵(lì)來咯，堅(jiān)持創(chuàng)作打卡瓜分現(xiàn)金大獎(jiǎng)

總結(jié)

以上是生活随笔為你收集整理的python找房源_Python租房信息分析！找到最适合自己的房源信息！的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。