鏈家北京租房數(shù)據(jù)分析

1、讀取數(shù)據(jù)

import pandas as pd import matplotlib.pyplot as plt import numpy as npdata_dframe = pd.read_csv('鏈家北京租房數(shù)據(jù).csv',header=0,encoding='gbk') data_dframe 區(qū)域小區(qū)名稱(chēng)戶型面積(㎡)價(jià)格(元/月)

0	東城	萬(wàn)國(guó)城MOMA	1室0廳	59.11平米	10000
1	東城	北官?gòu)d胡同2號(hào)院	3室0廳	56.92平米	6000
2	東城	和平里三區(qū)	1室1廳	40.57平米	6900
3	東城	菊兒胡同	2室1廳	57.09平米	8000
4	東城	交道口北二條35號(hào)院	1室1廳	42.67平米	5500
…	…	…	…	…	…
8218	順義	怡馨家園	3室1廳	114.03平米	5500
8219	順義	旭輝26街區(qū)	4房間2衛(wèi)	59平米	5000
8220	順義	前進(jìn)花園玉蘭苑	3室1廳	92.41平米	5800
8221	順義	雙裕小區(qū)	2室1廳	71.81平米	4200
8222	順義	櫻花園二區(qū)	1室1廳	35.43平米	2700

8223 rows × 5 columns

2、數(shù)據(jù)預(yù)處理

2.1 刪除數(shù)據(jù)中的重復(fù)值和缺失值

data_dframe = data_dframe.dropna()#刪除缺失值 data_dframe = data_dframe.drop_duplicates()#刪除重復(fù)值 data_dframe 區(qū)域小區(qū)名稱(chēng)戶型面積(㎡)價(jià)格(元/月)

0	東城	萬(wàn)國(guó)城MOMA	1室0廳	59.11平米	10000
1	東城	北官?gòu)d胡同2號(hào)院	3室0廳	56.92平米	6000
2	東城	和平里三區(qū)	1室1廳	40.57平米	6900
3	東城	菊兒胡同	2室1廳	57.09平米	8000
4	東城	交道口北二條35號(hào)院	1室1廳	42.67平米	5500
…	…	…	…	…	…
8218	順義	怡馨家園	3室1廳	114.03平米	5500
8219	順義	旭輝26街區(qū)	4房間2衛(wèi)	59平米	5000
8220	順義	前進(jìn)花園玉蘭苑	3室1廳	92.41平米	5800
8221	順義	雙裕小區(qū)	2室1廳	71.81平米	4200
8222	順義	櫻花園二區(qū)	1室1廳	35.43平米	2700

5773 rows × 5 columns
我們可以看到，現(xiàn)在的數(shù)據(jù)中，戶型那一列不太規(guī)范，有4房間2衛(wèi)、3室1廳這種，我們統(tǒng)一改成“x室x廳”格式

2.2 將“戶型”一列統(tǒng)一調(diào)整為“x室x廳”格式

# 第一種改法 housetype=data_dframe['戶型'] htlist=[] # print(housetype) for i in housetype:new_info=i.replace('房間','室')htlist.append(new_info) data_dframe.loc[:,'戶型']=htlist htlist=[] for i in housetype:new_info=i.replace('衛(wèi)','廳')htlist.append(new_info) data_dframe.loc[:,'戶型']=htlist data_dframe # 第二種改法 data_dframe['戶型'] = data_dframe['戶型'].str.replace('房間','室') data_dframe['戶型'] = data_dframe['戶型'].str.replace('衛(wèi)','廳') data_dframe 區(qū)域小區(qū)名稱(chēng)戶型面積(㎡)價(jià)格(元/月)

0	東城	萬(wàn)國(guó)城MOMA	1室0廳	59.11平米	10000
1	東城	北官?gòu)d胡同2號(hào)院	3室0廳	56.92平米	6000
2	東城	和平里三區(qū)	1室1廳	40.57平米	6900
3	東城	菊兒胡同	2室1廳	57.09平米	8000
4	東城	交道口北二條35號(hào)院	1室1廳	42.67平米	5500
…	…	…	…	…	…
8218	順義	怡馨家園	3室1廳	114.03平米	5500
8219	順義	旭輝26街區(qū)	4室2廳	59平米	5000
8220	順義	前進(jìn)花園玉蘭苑	3室1廳	92.41平米	5800
8221	順義	雙裕小區(qū)	2室1廳	71.81平米	4200
8222	順義	櫻花園二區(qū)	1室1廳	35.43平米	2700

5773 rows × 5 columns

2.3 將“面積”一列調(diào)整為數(shù)值格式

# 第一種方法 data_dframe['面積(㎡)'] = data_dframe['面積(㎡)'].str.replace('平米',' ') data_dframe['面積(㎡)'] = data_dframe['面積(㎡)'].astype(dtype='float64') data_dframe # 第二種方法 hsarr = np.array([]) housesize = data_dframe['面積(㎡)'].values for i in housesize:hsarr = np.append(hsarr,np.array(i[:-2])) housesize = hsarr.astype(np.float64) data_dframe.loc[:,'面積(㎡)'] = housesize data_dframe 區(qū)域小區(qū)名稱(chēng)戶型面積(㎡)價(jià)格(元/月)

0	東城	萬(wàn)國(guó)城MOMA	1室0廳	59.11	10000
1	東城	北官?gòu)d胡同2號(hào)院	3室0廳	56.92	6000
2	東城	和平里三區(qū)	1室1廳	40.57	6900
3	東城	菊兒胡同	2室1廳	57.09	8000
4	東城	交道口北二條35號(hào)院	1室1廳	42.67	5500
…	…	…	…	…	…
8218	順義	怡馨家園	3室1廳	114.03	5500
8219	順義	旭輝26街區(qū)	4室2廳	59	5000
8220	順義	前進(jìn)花園玉蘭苑	3室1廳	92.41	5800
8221	順義	雙裕小區(qū)	2室1廳	71.81	4200
8222	順義	櫻花園二區(qū)	1室1廳	35.43	2700

5773 rows × 5 columns

2.4 使用箱形圖檢查“面積”和“價(jià)格”列中是否存在異常數(shù)據(jù)

# 顯示中文標(biāo)簽 plt.rcParams['font.sans-serif']=['SimHei'] # 箱型圖檢測(cè)異常 plt.figure().canvas.set_window_title('面積、價(jià)格箱形圖') plt.tick_params() da.boxplot(column = ['面積(㎡)', '價(jià)格(元/月)']) plt.show()

3、統(tǒng)計(jì)分析

3.1 使用“區(qū)域”和“小區(qū)名稱(chēng)”新增“位置”一列，形如“北京市xx區(qū)xx”

# 使用字符串的拼接完成 data_dframe['位置'] = '北京市' + data_dframe['區(qū)域'] + '區(qū)' +data_dframe['小區(qū)名稱(chēng)']

3.2 對(duì)“戶型”、“面積”和“價(jià)格”以及每平米價(jià)格等信息進(jìn)行簡(jiǎn)要的統(tǒng)計(jì)分析，如每平米價(jià)格的最大值、最小值、平均值，“面積”的分箱區(qū)間統(tǒng)計(jì)，“戶型”的種類(lèi)統(tǒng)計(jì)等

• 每平米價(jià)格的最大值、最小值、平均值

data_dframe['價(jià)格（元/㎡）'] = data_dframe['價(jià)格(元/月)']/data_dframe['面積(㎡)'] # 使用round函數(shù)來(lái)保留位小數(shù) print(round(data_dframe.loc[:,'價(jià)格（元/㎡）'].mean(),2)) print(round(data_dframe.loc[:,'價(jià)格（元/㎡）'].max(),2)) print(round(data_dframe.loc[:,'價(jià)格（元/㎡）'].min(),2)) # 輸出結(jié)果 # 99.16 # 4135.34 # 19.69

• “面積”的分箱區(qū)間統(tǒng)計(jì)

# 劃分面積區(qū)間 area_divide = [0,50,100,150,200,250,9999] area_cut_data = pd.cut(list(data_dframe['面積(㎡)']), area_divide).describe() area_cut_data categories(類(lèi)別)counts(數(shù)量)freqs(頻率)

(0, 50]	751	0.130088
(50, 100]	3218	0.557422
(100, 150]	1070	0.185346
(150, 200]	408	0.070674
(200, 250]	176	0.030487
(250, 9999]	150	0.025983

• “戶型”的種類(lèi)統(tǒng)計(jì)

df_grouped_HuXing = data_dframe.groupby('戶型') for i,j in df_grouped_HuXing:print(i,end=' ')

4、分組分析

4.1 按照具體戶型（如3室2廳）或戶型中的室（如3室）進(jìn)行分組，統(tǒng)計(jì)每種戶型的數(shù)量、最高/最低/平均租價(jià)等信息

new_df = dframe2 new_df['戶型'] = new_df['戶型'].str.replace('室[0-9]廳','') df_grouped_Hx = new_df.groupby('戶型') new_list = [] for i,j in df_grouped_Hx:new_list.append(i + '室') # print(new_list) # ['0室', '1室', '2室', '3室', '4室', '5室', '6室', '7室', '8室', '9室'] new_info_list = [0]*len(new_list) new_df_Hx = pd.DataFrame({'戶型':new_list,'戶型數(shù)量':new_info_list,'最高租價(jià)':new_info_list,'最低租價(jià)':new_info_list,'平均租價(jià)':new_info_list}) new_df_Hx['戶型數(shù)量'] = df_grouped_Hx.count().values new_df_Hx['最高租價(jià)'] = df_grouped_Hx['價(jià)格(元/月)'].max().values new_df_Hx['最低租價(jià)'] = df_grouped_Hx['價(jià)格(元/月)'].min().values new_df_Hx['平均租價(jià)'] = df_grouped_Hx['價(jià)格(元/月)'].mean().values new_df_Hx['平均租價(jià)'] = round(new_df_Hx['平均租價(jià)'],2) new_df_Hx 戶型戶型數(shù)量最高租價(jià)最低租價(jià)平均租價(jià)

0	0室	1	566	566	566.00
1	1室	1237	81000	900	6536.99
2	2室	2681	60000	2100	7138.85
3	3室	1421	85000	2400	12047.22
4	4室	304	120000	3300	22511.84
5	5室	97	150000	5000	30685.57
6	6室	18	90000	13000	36472.22
7	7室	7	108000	15000	45328.57
8	8室	2	126000	30000	78000.00
9	9室	5	60000	22000	44400.00

4.2 按照區(qū)域（如海淀）進(jìn)行分組，統(tǒng)計(jì)房源數(shù)量、最高/最低/平均租價(jià)等信息

df_grouped_area = dframe.groupby('區(qū)域') area_list=[] for i,j in df_grouped_area:area_list.append(i) # print(area_list) # ['東城', '豐臺(tái)', '亦莊開(kāi)發(fā)區(qū)', '大興', '房山', '昌平', '朝陽(yáng)', '海淀', '石景山', '西城', '通州', '門(mén)頭溝', '順義'] area_info_list = [0] * len(area_list) new_df_area = pd.DataFrame({'區(qū)域':area_list,'房源數(shù)量':area_info_list,'最高租價(jià)':area_info_list,'最低租價(jià)':area_info_list,'平均租價(jià)':area_info_list}) new_df_area['房源數(shù)量'] = df_grouped_area.count().values new_df_area['最高租價(jià)'] = df_grouped_area['價(jià)格(元/月)'].max().values new_df_area['最低租價(jià)'] = df_grouped_area['價(jià)格(元/月)'].min().values new_df_area['平均租價(jià)'] = df_grouped_area['價(jià)格(元/月)'].mean().values new_df_area['平均租價(jià)'] = round(new_df_area['平均租價(jià)'],2) new_df_area 區(qū)域房源數(shù)量最高租價(jià)最低租價(jià)平均租價(jià)

0	東城	412	60000	3000	13825.36
1	豐臺(tái)	855	95000	2000	7394.03
2	亦莊開(kāi)發(fā)區(qū)	213	45000	3000	8773.24
3	大興	246	30000	2100	4038.42
4	房山	246	30000	2100	4038.42
5	昌平	503	48000	566	7060.60
6	朝陽(yáng)	2360	150000	2500	12515.33
7	海淀	780	126000	2500	11514.81
8	石景山	245	20000	2500	6570.41
9	西城	604	104000	3000	13229.26
10	通州	676	30000	2300	5776.78
11	門(mén)頭溝	392	10000	1750	3657.53
12	順義	419	60000	2200	7287.83

5、數(shù)據(jù)可視化

5.1 將“戶型”按x室繪制為餅圖

plt.rcParams['font.sans-serif'] = ['SimHei']# 顯示中文字體 plt.rcParams['axes.unicode_minus'] = False# 顯示負(fù)數(shù) plt.pie(new_df_Hx['戶型數(shù)量'],labels=new_df_Hx['戶型'],autopct='%1.1f%%',shadow=False,startangle=90) plt.legend() plt.show()

5.2 將“面積”按不同的區(qū)間繪制為餅圖

area_percentage = (area_cut_data['freqs'].values) * 100 area_labels = ['50平方米以下','50-100平方米','100-150平方米','150-200平方米','200-250平方米','250平方米以上'] plt.figure(figsize = fig_size).canvas.set_window_title('面積') plt.axes(aspect = 1) plt.pie(x = area_percentage, labels = area_labels, autopct = '%1.1f %%',labeldistance = 1.1, startangle = 90, pctdistance = 0.7) plt.legend() plt.show()

5.3 將“價(jià)格”按不同的區(qū)間繪制為餅圖

# 設(shè)置價(jià)格區(qū)間 price_divide = [2000,3000,4000,5000,6000,7000,8000,9000,10000,13000,150000] # 價(jià)格區(qū)間數(shù)據(jù)統(tǒng)計(jì) price_cut_data = pd.cut(list(dframe2['價(jià)格(元/月)']), price_divide).describe() price_percentage = (price_cut_data['freqs'].values) * 100 price_labels = ['2000元/月以下','2000-3000元/月', '3000-4000元/月', '4000-5000元/月','5000-6000元/月', '6000-7000元/月', '7000-8000元/月','8000-9000元/月', '9000-10000元/月', '10,000-13,0000元/月','13,000-15,0000元/月'] plt.figure(figsize=fig_size).canvas.set_window_title('價(jià)格') plt.axes(aspect = 1) plt.pie(x=price_percentage, labels=price_labels, autopct='%1.1f %%',labeldistance=1.1, startangle=90, pctdistance=0.7) plt.legend() plt.show()

5.4 使用條形圖、折線圖等形式繪制“戶型”（按室，如3室）和區(qū)域（如海淀）分組的房源數(shù)量和平均租金信息

• 戶型分組餅圖

x_Hx = new_df_Hx['戶型'] y1_Hx = new_df_Hx['戶型數(shù)量'] y2_Hx = new_df_Hx['平均租價(jià)'] fig_Hx,ax1_Hx = plt.subplots() # 可在一個(gè)圖片中使用不同的y軸 ax2_Hx = ax1_Hx.twinx() ax1_Hx.plot(x_Hx,y1_Hx,color='blue') ax2_Hx.plot(x_Hx,y2_Hx,color='red') ax1_Hx.set_xlabel('戶型種類(lèi)') ax1_Hx.set_ylabel('戶型數(shù)量',color='blue') ax2_Hx.set_ylabel('平均租價(jià)',color='red') plt.show()

• 區(qū)域分組餅圖

x_area = new_df_area['區(qū)域'] y1_area = new_df_area['房源數(shù)量'] y2_area = new_df_area['平均租價(jià)'] fig_area,ax1_area = plt.subplots() ax2_area = ax1_area.twinx() ax1_area.plot(x_area,y1_area,color='blue') ax2_area.plot(x_area,y2_area,color='red') ax1_area.set_xlabel('區(qū)域') ax1_area.set_ylabel('房源數(shù)量',color='blue') ax2_area.set_ylabel('平均租價(jià)',color='red') plt.show()

總結(jié)

以上是生活随笔為你收集整理的python数据分析项目实战—————链家北京租房数据统计分析的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)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。