分析目標(biāo)：

將波士頓房價的數(shù)據(jù)集進(jìn)行描述性數(shù)據(jù)分析、預(yù)測性數(shù)據(jù)分析(主要用了回歸分析)，可用于預(yù)測房價。

數(shù)據(jù)集介紹：

卡內(nèi)基梅隆大學(xué)收集，StatLib庫，1978年，涵蓋了麻省波士頓的506個不同郊區(qū)的房屋數(shù)據(jù)。

一共含有506條數(shù)據(jù)。每條數(shù)據(jù)14個字段，包含13個屬性，和一個房價的平均值。

騰訊文檔 ? docs.qq.com

一、數(shù)據(jù)預(yù)處理

①導(dǎo)入常用的數(shù)據(jù)分析庫

#導(dǎo)入Python常用數(shù)據(jù)分析的庫

import numpy as np

import pandas as pd

import matplotlib.pyplot as plt

import seaborn as sns

sns.set() #設(shè)置畫圖空間為 Seaborn 默認(rèn)風(fēng)格

names=['CRIM','ZN','INDUS','CHAS','NOX','RM','GE','DIS','RAD','TAX','PRTATIO','B','LSTAT','PRICE']

boston=pd.read_csv("/Users/glenji/Desktop/housing.csv",names=names,delim_whitespace=True)

boston.head(10)

②指標(biāo)解釋：

#指標(biāo)解釋

#CRIM犯罪率

#ZN住宅用地所占比例

#INDUS城鎮(zhèn)中非住宅用地所占比例

#CHAS是否穿過查爾斯河

#NOX氮氧化污染物

#RM每棟住宅的房間數(shù)

#GE1940年以前建成的自住單位的比例

#DIS距離5個波士頓的就業(yè)中心的加權(quán)距離

#RAD距離高速公路的便利指數(shù)

#TAX每一萬美元的不動產(chǎn)稅率

#PRTATIO城鎮(zhèn)中的教師學(xué)生比例

#B城鎮(zhèn)中的黑人比例

#LSTAT低收入群比例

#PRICE價格

查看數(shù)據(jù)集大小：

#查看數(shù)據(jù)集大小

boston.shape

查看各字段基礎(chǔ)信息：

boston.info()

查看缺失值：

#查看缺失值

boston.isnull().sum()

二、描述性數(shù)據(jù)分析

①查看描述性數(shù)據(jù)統(tǒng)計：可以看到各個字段的均值、中位數(shù)、標(biāo)準(zhǔn)差等。

#描述性數(shù)據(jù)統(tǒng)計

boston.describe()

②查看各字段的相關(guān)性：可以看到房子價格跟住宅的房間數(shù)成比較強(qiáng)的正相關(guān)，而跟低收入人數(shù)比例有比較強(qiáng)的負(fù)相關(guān)。

#查看相關(guān)性

corrboston = boston.corr()

corrboston

plt.figure(figsize=(10,10)) #設(shè)置畫布

sns.heatmap(corrboston,annot=True,cmap='RdGy')

plt.show()

③查看是否穿過查爾斯河對房價的影響：可以看到被河流穿過的豪宅僅占比6.92%，而被查爾斯河穿過的豪宅，比沒有被穿過的豪宅平均貴了28.7%。

#查看是否穿過查爾斯河的兩類占比

#可以看到被河流穿過的豪宅僅占比6.92%

fig,ax = plt.subplots(1,2,figsize=(10,5))

boston['CHAS'].value_counts().plot.pie(ax=ax[0],shadow=False,autopct='%1.2f%%')

ax[0].set_ylabel('') #設(shè)置y軸標(biāo)簽

ax[0].set_xlabel('CHAS') #設(shè)置x軸標(biāo)簽

sns.countplot('CHAS',data=boston,ax=ax[1])

ax[1].set_ylabel('')

ax[1].set_xlabel('CHAS')

plt.show()

#再來看看兩種不同類型的房子的價值如何

#可以看到被查爾斯河穿過的豪宅，比沒有被穿過的豪宅平均貴了28.7%

bostonCHAS = boston[['CHAS','PRICE']] #先將CHAS和PRICE兩列數(shù)據(jù)取出

bostonCHAS1=bostonCHAS.pivot_table(values='PRICE', #計算的值

index='CHAS', #透視的行，分組的依據(jù)

aggfunc='mean') #聚合函數(shù)

# 對透視表進(jìn)行降序排列

bostonCHAS1 = bostonCHAS1.sort_values(by='PRICE', # 排序依據(jù)

ascending=False # 是否升序排列

)

bostonCHAS1

④看看各個字段與價格的散點圖：以初步了解價格與相應(yīng)字段的關(guān)系。可以看到不是所有的字段與價格都有較強(qiáng)的相關(guān)關(guān)系，但本例中不涉及多元線性回歸的向后刪除，僅做最簡單的多元性性回歸的分析處理。

x_data = boston[['CRIM','ZN','INDUS','CHAS','NOX','RM','GE','DIS','RAD','TAX','PRTATIO','B','LSTAT']] # 導(dǎo)入所有特征變量

y_data = boston[['PRICE']] # 導(dǎo)入目標(biāo)值(房價)

plt.figure(figsize=(18,10))

for i in range(13):

plt.subplot(4,4,i+1)

plt.scatter(x_data.values[:,i],y_data,s = 5) #.values將DataFrame對象X_df轉(zhuǎn)成ndarray數(shù)組

plt.xlabel(names[i])

plt.ylabel('Price')

plt.title(str(i+1)+'. '+names[i]+' - Price')

plt.tight_layout()

plt.show()

三、預(yù)測性數(shù)據(jù)分析

①選取線性回歸字段：

from sklearn import linear_model

#定義線性回歸的x和y變量

x=pd.DataFrame(boston[['CRIM','ZN','INDUS','CHAS','NOX','RM','GE','DIS','RAD','TAX','PRTATIO','B','LSTAT']])

y=boston['PRICE']

x

②建立線性回歸模型，并調(diào)用：可以看到各個字段的回歸系數(shù)，可以寫出一個回歸方程：y=ax1+bx2+……，理論上你知道一套新房子的各個字段，帶入公式即可預(yù)測出價格。

#建立線性回歸模型，并將變量帶入模型進(jìn)行訓(xùn)練。

clf = linear_model.LinearRegression()

clf.fit(x, y)

#查看回歸系數(shù)。本例為一元回歸,所以只有一個系數(shù)。

print('回歸系數(shù):', clf.coef_)

③計算回歸系數(shù)：計算出的回歸系數(shù)為0.74，回歸擬合效果較好。

from sklearn.metrics import r2_score

score = r2_score(y, y_pred)

score

④可以進(jìn)行簡單的預(yù)測：

y_pred =clf.predict(x)

print(y_pred)

以上，謝謝，喜歡的話可以關(guān)注一下。

參考資料：

創(chuàng)作挑戰(zhàn)賽新人創(chuàng)作獎勵來咯，堅持創(chuàng)作打卡瓜分現(xiàn)金大獎

總結(jié)

以上是生活随笔為你收集整理的python波士顿房价是什么数据,Python数据分析 | 波士顿房价回归分析的全部內(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，歡迎將生活随笔推薦給好友。