北京某平台二手房分析

    import numpy as np
    import pandas as pd
    import matplotlib.pyplot as plt
    import seaborn as sns
    
    
      
      
      
      
    

    # 解决中⽂显示问题
    # plt.rcParams['font.sans-serif'] = [u'SimHei']
    # plt.rcParams['axes.unicode_minus'] = False
    
    
      
      
      
    

    df = pd.read_csv('二手房数据.csv',encoding='gb18030')
    
    
      
    

    df.head()
    
    
      
    

    df.info()
    
    
      
    

    <class 'pandas.core.frame.DataFrame'>
    RangeIndex: 23677 entries, 0 to 23676
    Data columns (total 10 columns):
     #   Column  Non-Null Count  Dtype  
    ---  ------  --------------  -----  
     0   市区      23677 non-null  object 
     1   小区      23677 non-null  object 
     2   户型      23677 non-null  object 
     3   朝向      23677 non-null  object 
     4   楼层      23677 non-null  int64  
     5   装修情况    23677 non-null  object 
     6   电梯      15420 non-null  object 
     7   面积(㎡)   23677 non-null  float64
     8   价格(万元)  23677 non-null  float64
     9   年份      23677 non-null  int64  
    dtypes: float64(2), int64(2), object(6)
    memory usage: 1.8+ MB
    
    
      
      
      
      
      
      
      
      
      
      
      
      
      
      
      
      
      
    

    df.describe()
    
    
      
    

    df.isnull().any()
    
    
      
    

    市区        False
    小区        False
    户型        False
    朝向        False
    楼层        False
    装修情况      False
    电梯         True
    面积(㎡)     False
    价格(万元)    False
    年份        False
    dtype: bool
    
    
      
      
      
      
      
      
      
      
      
      
      
    

    df['电梯'].isnull().sum()
    
    
      
    

    8257
    
    
      
    

    df['电梯'].unique()
    
    
      
    

    array(['有电梯', '无电梯', nan], dtype=object)
    
    
      
    

    # 替换nan值
    df['电梯'].fillna('不清楚',inplace=True)
    
    
      
      
    

    df['电梯'].unique()
    
    
      
    

    array(['有电梯', '无电梯', '不清楚'], dtype=object)
    
    
      
    

    df['朝向'].unique()
    
    
      
    

    array(['西', '南北', '东西', '南西', '西南', '东南', '南', '东北', '东', '西北', '北'],
      dtype=object)
    
    
      
      
    

    df['朝向'] = df['朝向'].replace('南西','西南')
    df['朝向'].unique()
    
    
      
      
    

    array(['西', '南北', '东西', '西南', '东南', '南', '东北', '东', '西北', '北'],
      dtype=object)
    
    
      
      
    

    df1 = df.groupby('市区')['小区'].count()
    
    
      
    

    df1
    
    
      
    

    市区
    东城     1533
    丰台     2952
    大兴     2115
    密云       12
    平谷       41
    延庆      469
    怀柔       15
    房山     1442
    昌平     2811
    朝阳     2973
    海淀     2983
    石景山     882
    西城     2130
    通州     1602
    门头沟     496
    顺义     1221
    Name: 小区, dtype: int64
    
    
      
      
      
      
      
      
      
      
      
      
      
      
      
      
      
      
      
      
    

    plt.style.use('seaborn')
    # 解决中⽂显示问题
    plt.rcParams['font.sans-serif'] = [u'SimHei']
    plt.rcParams['axes.unicode_minus'] = False
    plt.figure(figsize=(16,4))
    plt.plot(df1)
    plt.show()
    
    
      
      
      
      
      
      
      
    

    df.head()
    
    
      
    

    df2 = df.groupby('市区').mean()['价格(万元)']
    
    
      
    

    df2.head()
    
    
      
    

    市区
    东城    851.425245
    丰台    525.103591
    大兴    460.469693
    密云    425.333333
    平谷    308.658537
    Name: 价格(万元), dtype: float64
    
    
      
      
      
      
      
      
      
    

    df2.values
    
    
      
    

    array([851.42524462, 525.10359079, 460.46969267, 425.33333333,
       308.65853659, 549.87633262, 785.2       , 360.61185853,
       469.23034507, 757.320148  , 827.74019444, 468.92675737,
       828.90920188, 455.10755306, 388.05403226, 558.33988534])
    
    
      
      
      
      
    

    plt.figure(figsize=(16,4))
    plt.bar(df2.index,df2.values)
    # 给条形图添加数据标注
    for x,y in enumerate(df2):
    plt.text(x-0.2,y,round(y,2))
    plt.show()
    
    
      
      
      
      
      
      
    

    TOP10_price = df.sort_values(by='价格(万元)',ascending=False)[:10]
    TOP10_price
    
    
      
      
    

    df.head()
    
    
      
    

    df_scatter = df[['面积(㎡)','价格(万元)']]
    
    
      
    

    plt.figure(figsize=(16,8))
    sns.scatterplot(x='面积(㎡)',y='价格(万元)',data=df_scatter,palette='husl',s=50,markers='O')
    plt.show()
    
    
      
      
      
    

    df.head()
    
    
      
    

    df_pie = df.groupby('朝向').count()['小区']
    df_pie
    
    
      
      
    

    朝向
    东       934
    东北      681
    东南     2096
    东西     1559
    北       612
    南      2847
    南北    11433
    西       889
    西北      781
    西南     1845
    Name: 小区, dtype: int64
    
    
      
      
      
      
      
      
      
      
      
      
      
      
    

    plt.figure(figsize=(16,8))
    plt.pie(df_pie.values,
        labels = df_pie.index,
        autopct = '%.2f%%', # 设置百分比格式
        pctdistance = 0.8,# 设置百分比到圆心的距离
        #shadow = False,# 添加饼图阴影效果
        startangle = 240,# 设置饼图的初始摆放角度
        radius = 1.2, # 设置饼图半径大小
        #wedgeprops = {'linewidth':'1.5','edgecolor':'gray'},# 设置饼图内外边界属性值
        textprops ={'fontsize':12,'color':'black'}, # 设置饼图中文本属性
        counterclock = False # 是否逆时针呈现
       )
    plt.show()
    
    
      
      
      
      
      
      
      
      
      
      
      
      
      
    

    df3 = df.groupby('装修情况').count()['小区']
    df3
    
    
      
      
    

    装修情况
    其他     3239
    毛坯      583
    简装     8499
    精装    11356
    Name: 小区, dtype: int64
    
    
      
      
      
      
      
      
    

    df4 = df.groupby('电梯').count()['小区']
    df4
    
    
      
      
    

    电梯
    不清楚    8257
    无电梯    6078
    有电梯    9342
    Name: 小区, dtype: int64
    
    
      
      
      
      
      
    

    plt.figure(figsize=(16,8))
    plt.subplot(121)
    plt.bar(df3.index,df3.values)
    for x,y in enumerate(df3):
    plt.text(x-0.1,y+100,y)
    plt.subplot(122)
    plt.pie(df4.values,labels=df4.index, autopct = '%.2f%%')
    plt.show()
    
    
      
      
      
      
      
      
      
      
    

    df5 = df.groupby('楼层').count()['小区']
    df5.head()
    
    
      
      
    

    楼层
    1       6
    2      94
    3     201
    4     465
    5    1070
    Name: 小区, dtype: int64
    
    
      
      
      
      
      
      
      
    

    plt.figure(figsize=(16,8))
    plt.bar(df5.index,df5.values)
    plt.show()
    
    
      
      
      
    

    area_l = [0, 50, 80, 100, 120, 150, 200, 250, 300, 350, 400, 1500]    
    label_l = ['小于50', '50-80', '80-100', '100-120', '120-150', '150-200', '200-250', '250-300', '300-350', '350-400', '大于400']    
    mj_cut = pd.cut(df['面积(㎡)'], area_l, labels=label_l)        
    df_area = mj_cut.value_counts()
    df_area
    
    
      
      
      
      
      
    

    50-80      7962
    80-100     5691
    120-150    2928
    100-120    2881
    150-200    1677
    小于50       1562
    200-250     545
    250-300     226
    300-350      94
    大于400        56
    350-400      55
    Name: 面积(㎡), dtype: int64
    
    
      
      
      
      
      
      
      
      
      
      
      
      
    

    plt.figure(figsize=(16,8))
    plt.bar(df_area.index,df_area.values)
    for x,y in enumerate(df_area):
    plt.text(x-0.1,y+100,y)
    plt.show()