房价数据分析

数据简单清洗

data.csv

数据显示

# 导入模块
import pandas as pd  # 导入数据统计模块
import matplotlib  # 导入图表模块
import matplotlib.pyplot as plt  # 导入绘图模块

# 避免中文乱码
matplotlib.rcParams['font.sans-serif'] = ['SimHei']  # 设置字体为SimHei显示中文
matplotlib.rcParams['axes.unicode_minus'] = False  # 设置正常显示字符，使用rc配置文件来自定义
# 简单清洗
data = pd.read_csv('data.csv')  # 读取csv数据
del data['Unnamed: 0']  # 将索引列删除
data.dropna(axis=0, how='any', inplace=True)  # 删除data数据中的所有空值
data['单价'] = data['单价'].map(lambda d: d.replace('元/平米', ''))  # 将单价“元/平米”去掉
data['单价'] = data['单价'].astype(float)  # 将房子单价转换为浮点类型，float（data['',单价]）

data['总价'] = data['总价'].map(lambda d: d.replace('万', ''))  # 将总价“万”去掉
data['总价'] = data['总价'].astype(float)  # 将房子总价转换为浮点类型，float（data['',单价]）

data['建筑面积'] = data['建筑面积'].map(lambda p: p.replace('平米', ''))  # 将建筑面积“平米去掉”
data['建筑面积'] = data['建筑面积'].astype(float)  # 将将建筑面积转换为浮点类型

各区均价分析

# 获取各区二手房均价分析，根据需求，，进一步处理数据，如果要写相应算法，需要根据算法所需求的数据处理
def get_average_price():
    group = data.groupby('区域')  # 将房子区域分组
    average_price_group = group['单价'].mean()  # 计算每个区域的均价，average_price_group字典
    x = average_price_group.index  # 区域
    y = average_price_group.values.astype(int)  # 区域对应的均价a =['t':'123'] a.keys()
    return x, y  # 返回区域与对应的均价，region二关 average_price均价


# 显示均价条形图
def average_price_bar(x, y, title):
    plt.figure()  # 图形画布
    plt.bar(x, y, alpha=0.8)  # 绘制条形图
    plt.xlabel("区域")  # 区域文字
    plt.ylabel("均价")  # 均价文字
    plt.title(title)  # 表标题文字
    # 为每一个图形加数值标签
    for x, y in enumerate(y):
        plt.text(x, y + 100, y, ha='center')
    plt.show()


if __name__ == '__main__':
    x, y = get_average_price()
    title = '各区均价分析'
    average_price_bar(x, y, title)

运行如图

全市二手房装修程度分析

# 获取各区二手房均价分析，根据需求，，进一步处理数据，如果要写相应算法，需要根据算法所需求的数据处理
def get_decorate_sum():
    group = data.groupby('装修')  # 将房子区域分组
    # decorate_sum_group = group['装修'].count()  # 计算每个区域的均价，average_price_group字典
    decorate_sum_group = group.size()  # 计算每个区域的均价，average_price_group字典
    x = decorate_sum_group.index  # 区域
    y = decorate_sum_group.values.astype(int)  # 区域对应的均价a =['t':'123'] a.keys()
    return x, y  # 返回区域与对应的均价，region二关 average_price均价


# 显示均价条形图
def average_price_bar(x, y, title):
    plt.figure()  # 图形画布
    plt.bar(x, y, alpha=0.8)  # 绘制条形图
    plt.xlabel("装修类型")  # 区域文字
    plt.ylabel("数量")  # 均价文字
    plt.title(title)  # 表标题文字
    # 为每一个图形加数值标签
    for x, y in enumerate(y):
        plt.text(x, y + 100, y, ha='center')
    plt.show()


if __name__ == '__main__':
    x, y = get_decorate_sum()
    title = '全市二手房装修程度分析'
    average_price_bar(x, y, title)

各区二手房数量所占比比例

# 获取各区二手房各区比例数量，进一步处理数据，如果要写相应算法，需要根据算法所需求的数据处理
def get_proportional_quantity():
    area = data['区域'].groupby(data['区域']).count()  # 将房子区域分组比例数量
    areaName = (area).index.values  # 将房子区域分组比例取名
    return area, areaName


# 显示均价条形图
def proportional_quantity_pie(area, areaName, title):
    plt.figure()  # 图形画布
    plt.pie(area, labels=areaName, labeldistance=1.1, autopct='%.1f%%',
            shadow=True, startangle=90, pctdistance=0.7)
    plt.title(title, fontsize=24)  # 表标题文字
    plt.legend(bbox_to_anchor=(-0.1, 1))  # 作者标题
    plt.show()


if __name__ == '__main__':
    # 对应x，y
    area, areaName = get_proportional_quantity()
    title = '各区二手房数量所占比比例'
    proportional_quantity_pie(area, areaName, title)

热门户型均价分析

# 获取各区热门户型分析，根据需求，，进一步处理数据，如果要写相应算法，需要根据算法所需求的数据处理
def get_hot_portal():
    # 另外一种方法获取并取值
    """
    group = data.groupby('户型').size  # 将房子区域分组
    sort_data = group.sort_values(ascending=False)  # 将户型分组数量进行降序
    five_data = sort_data.head()  # 提取前5组户型数据

    house_type_mean = data.groupby('户型')['单价'].mean().astype(int)  # 计算每个户型的均价
    x = house_type_mean[five_data.index].index  # 户型
    y = house_type_mean[five_data.index].value  # 户型对应的均价
    """
    group = data.groupby('户型')  # 将房子区域分组
    a = group['户型'].count().sort_values(ascending=False).head()  # 计算每个户型的均价 字典
    b = group['单价'].mean()[a.index]  # 区域对应的均价a =['t':'123'] a.keys()
    x = b.index
    y = b.values.astype(int)
    return x, y  # 返回区域与对应的均价，region二关 average_price均价


# 显示均价横条形图
def hot_portal_barh(x, y, title):
    plt.figure()  # 图形画布
    plt.barh(x, y, alpha=0.9, color='red')  # 绘制条形图
    plt.xlabel("均价")  # 区域文字
    plt.ylabel("户型")  # 均价文字
    plt.title(title)  # 表标题文字
    plt.xlim(0, 15000)  # X轴的大小
    # 为每一个图形加数值标签
    for y, x in enumerate(y):
        plt.text(x + 100, y, str(x) + '元', ha='left')
    plt.show()


if __name__ == '__main__':
    x, y = get_hot_portal()
    title = '热门户型均价分析'
    hot_portal_barh(x, y, title)

前面三个图较简单，最后相对于前面三个较为麻烦

先获取得到热门户型前五名，通过户型得到对应的户型的平均值

GitHub下载地址

CrawlerPractice