北京二手房价预测（数据分析）

本项目介绍了一个使用Python进行的北京二手房数据分析初级项目，数据来源为链家全网二手房数据，可通过百度云盘下载。项目主要涉及数据初步认识、数据处理、数据可视化分析以及特征分析。在数据处理中，解决了缺失值和异常值问题，通过保留两位小数和合理填充缺失值的方法，提升了数据质量。数据可视化部分分析了Region、Size、Layout、Renovation、Elevator、Year和Floor等特征，结果显示各特征对二手房价格的影响。整体目标是通过数据分析为二手房定价提供参考价值。

分析目的：旨在简要介绍一个基础的数据分析项目，帮助读者熟悉使用Python进行简单数据分析的基本流程。数据源：提供链家全网北京二手房数据的来源，该数据集可通过百度云盘获取，具体链接及提取码如下：链接：https://pan.baidu.com/s/18R24WTkZIOFH_qvaWjixOw 提取码：61bp。一、数据初步认识：首先需要导入必要的机器学习库Scikit-learn、科学计算库Numpy、Pandas以及可视化库Matplotlib和Seaborn。步骤①初步了解数据的基本特征。

排查数据集中的缺失值及其异常数据点，并结合大概的数据统计进行系统性分析：描述函数可以涵盖平均数、标准差、中位数、最小值、最大值、25%分位数和75%分位数等统计指标；通过图一可以看出，Elevator字段存在显著的缺失数据，其数量（15440）少于总样本量（23677）；图二显示，Size的最小值为2，floors的最大值为57，这些统计结果与一般房屋状况存在明显差异，需要重点关注。

二、数据处理
Id 特征虽然在数据列表中，但是并没有实际意义，直接将其移除新增加一个新的特征 PerPrice用于分析数据，处理后的数据如图：
但是遇到两个问题：如何保留两位小数、如何填充缺失值（如果直接去掉将缺失很多有用数据，必然不可取）

解决保留两位小数：

基于实际情况，可以估算出一般六楼以上建筑有电梯，而六楼及以下则没有电梯，从而进行缺失值的填充。通过apply函数进行操作。

问题解决后数据处理如图：

三、数据可视化分析（排序可自定义）
1.Region分析
①分区分析 ：北京分区二手房单价对比

②分区分析 ：北京分区二手房数量对

③分区分析 ：北京分区二手房总价

注：区域特征可视化采用 seaborn 完成，颜色使用调色板 palette 参数，颜色渐变，越浅说明越少。
结果显示：
二手房均价：西城区的房价最贵均价大约11万/平，因为西城在二环以里，因为是热门学区房的聚集地。其次是东城大约10万/平，房价最便宜的就是平谷和密云2万多/平。
二手房房数量：从数量统计上来看，目前二手房市场上比较火热的区域。海淀区和朝阳区二手房数量最多，差不多都接近3000套，然后是丰台区。
二手房总价：通过箱型图看到，各大区域房屋总价中位数都都在1000万以下，且房屋总价离散值较高，西城最高达到了6000万，说明房屋价格特征不是理想的正太分布。

2.Size 特征分析

利用 regplot 绘制了 Size 和 Price 之间的散点图，表明 Size 特征基本上与 Price 呈现线性关系，这与常识中面积越大价格越高的观点相吻合。然而，存在两组明显的异常点：一组是面积不到 10 平米却价格达到 1 亿以上的数据点；另一组是面积超过 1000 平米却价格异常低廉。对于这些特殊的点位，需要特别关注分析：

display(lj1.loc[lj1[‘Size’]<10].head(100))

经过分析，这组数据属于别墅类。原因在于别墅的结构特点使其具有特殊性，此外，二手房类别墅不在我们的处理范围内。超过1000平米的面积可能属于商业用途的房屋，因此我们决定将这些特殊的别墅和商业用途的房屋剔除。处理结果如图：

3.布局特征分析
结果显示了多种厅室组合形式，其中包括了9室3厅、4室0厅等独特的结构。其中，2室1厅的占比最高，之后是3室1厅，接着是2室2厅和3室2厅的结构。

对Renovation特征的分析中，发现Renovation特征中存在南北区分，该特征属于朝向类型。因此，需要进行清除或替换该特征。在数据处理过程中，我们采用如下条件进行筛选：lj1[‘Layout’]!=‘叠拼别墅’，即排除叠拼别墅布局；面积小于1000平方米；且Renovation!=‘north-south’，即排除南北区分的Renovation特征。

结果表明，二手房中精装修类目数量最多，其次是简单装修。就价格而言，毛坯状态的二手房价格最高，其次是精装修类目。

5.Elevator 分析

结果表明，拥有电梯的二手房数量较多，能满足北京庞大的需求。相应地，有电梯二手房的房价较高，其前期装修费和后期维护费也包含在内。

6.Year 分析

通过Renovation和Elevator的分类条件，基于FaceGrid分析Year特征，二手房房价整体表现出随着时间推移而上涨的趋势；2000年之后建造的二手房房价相较于2000年之前表现出显著的房价上涨；1980年之前基本没有电梯二手房的数据；1980年之前无电梯二手房中，简装二手房占比最高，精装二手房较少。

7.Floor 分析

分析结果表明，六层二手房数量最多，这需要我们理解楼层的相对价值。楼层与某些文化背景也有着密切的联系，通常被认为越受欢迎的楼层房价越高，但需要注意的是，4层和18层的房屋并不常见。一般情况下，中间楼层的受欢迎程度较高，价格也较为昂贵，而底层和顶层则因受欢迎程度较低而价格相对较低。因此，楼层是一个相对复杂的特征，对房价的影响因素较多，需要综合考虑。以今天的案例为例，我们从七个方面进行分析，最终得到了每个部分的详细结果，具有一定的参考价值。