關于

學習日月光華老師的《Python數據分析從入門到機器學習》，通過寫該文來鞏固數據分析中使用的知識點。

主要是針對鏈家的數據進行各個不同方向的分析，本文是第一篇,針對數據中各個房源成交單價的分析。

準備

工具 ：Anaconda、juyter notebook

類庫：numpy、pandas、matplotlib

分析及代碼實現

想要進行數據分析，首先肯定是要讀入整個的數據，由于整個數據有有個.csv文件,如下圖

image.png

data_list?=?[]for?i?in?range(1,?8):????try:

data?=?pd.read_csv('C:\\Users\\nash.wan\\Desktop\\lianjia\\lianjia{}.csv'.format(i),?encoding='gbk')????except:

data?=?pd.read_csv('C:\\Users\\nash.wan\\Desktop\\lianjia\\lianjia{}.csv'.format(i))????finally:

data_list.append(data)

由于有7個文件，通過一個循環來讀入，然后放到定義的data_list中去，由于每個文件夾的編碼方式不一致，我們通過try...except...finally來實現讀取，代碼如上面。

涉及知識點：pandas.read_csv()讀取csv文件的數據

把所有的數據放到list中后，下面就就行多表合并，取出list中的數據合并成一個DataFrame中去，并且賦值給data如下：data?=?pd.concat(data_list)

查看合并后的表格式，如下:

image.png

涉及知識點：

concat多表合并

pd.concat(objs, axis=0, join='outer', join_axes=None, ignore_index=False,keys=None, ? ? levels=None, names=None, verify_integrity=False)

1.objs: series，dataframe或者是panel構成的序列lsit

2.axis： 需要合并鏈接的軸，0是行，1是列

3.join：連接的方式 inner，或者outer

然后取出cjdanjia一列的數據，并且對其進行數據清洗dj?=?data.cjdanjia.dropna()?#取出cjdanjia一列的數據，并且清洗掉數據中NaN值dj?=?dj.map(lambda?x:?round(float(x.split('元')[0])/10000,?1))?#清洗掉單價后面的元/平，得到以萬元為單位的float類型的Series?dj?=?dj[dj?>?0]?#清洗掉數據中為0的數據

結果如下圖：

image.png

涉及知識點：

a.DataFrame.dropna(axis=0, how='any', thresh=None, subset=None, inplace=False)

1.how值為any或者all.all僅在切片元素全為NA時才拋棄該行(列)，默認為any

2.thresh=3 那么一行當中至少有三個非NA值時才將其保留

b.map() 是一個Series的函數，DataFrame結構中沒有map()。map()將一個自定義函數應用于Series結構中的每個元素(elements)。

經過數據清洗后，得到了單價的有效Series，下面對該Series離散處理bins?=?[0,?1,?2,?3,?4,?5,?6,?7,?8,?9,?10,?16]?#定義數據離散的區間pd.cut(dj,?bins).value_counts()?#得出每個區間的數量

處理后的結果如下：

image.png

涉及知識點：

pandas快速定義分類

pandas.cut(x, bins, right=True, labels=None, retbins=False, precision=3, include_lowest=False, duplicates='raise')

x:必須是一維數組

bins： 即不同的面元(就是不同的范圍)接受三種類型的輸入 整數，序列(比如數組)和IntervalIndex---輸入整數，進行平均分成整數等份

right：最后一個bins是否包含最右邊的數據，默認為True(為左開右閉)

value_counts()

計算數據出現的頻率

數據進行離散化，通過pandas的繪圖函數plot()進行直方圖繪圖zongjia.plot.barh(figsize?=?(10,?8))?#進行直方圖繪圖

涉及知識點：

Series.plot方法的函數：

label：用于圖例的標簽

ax：要在其上進行繪制的matplotlib subplot對象。如果沒有設置，則使用當前matplotlib subplot

style：將要傳給matplotlib的風格字符串(for example: ‘ko–’)

alpha：圖表的填充不透明(0-1)

kind：可以是’line’, ‘bar’, ‘barh’, ‘kde’

logy：在Y軸上使用對數標尺

use_index：將對象的索引用作刻度標簽

rot：旋轉刻度標簽(0-360)

xticks：用作X軸刻度的值

yticks：用作Y軸刻度的值

xlim：X軸的界限

ylim：Y軸的界限

grid：顯示軸網格線

figsize：表示圖像大小的元組

直方圖展示如下：

image.png

總結

到目前為止，對單價的分析到此為止，通過直方圖能夠直觀的展示北京地區各板塊的成交房源單價區間。

未完，后面陸續寫會針對其他的方向對鏈家數據進行分析。

作者：s_nash

鏈接：https://www.jianshu.com/p/53d2dd95986c

總結

以上是生活随笔為你收集整理的python链家数据分析统计服_链家数据分析一--数据离散化处理的全部內容，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站內容還不錯，歡迎將生活随笔推薦給好友。