Python某地區二手房房價資料分析

阿新 • • 發佈：2021-12-02

房價資料分析

資料簡單清洗

data.csv

資料顯示

# 匯入模組
import pandas as pd  # 匯入資料統計模組
import matplotlib  # 匯入圖表模組
import matplotlib.pyplot as plt  # 匯入繪圖模組

# 避免中文亂碼
matplotlib.rcParams['font.sans-serif'] = ['SimHei']  # 設定字型為SimHei顯示中文
matplotlib.rcParams['axes.unicode_minus'] = False  # 設定正常顯示字元，使用rc配置檔案來自定義
# 簡單清洗
data = pd.read_csv('data.csv')  # 讀取csv資料
del data['Unnamed: 0']  # 將索引列刪除
data.dropna(axis=0, how='any', inplace=True)  # 刪除data資料中的所有空值
data['單價'] = data['單價'].map(lambda d: d.replace('元/平米', ''))  # 將單價“元/平米”去掉
data['單價'] = data['單價'].astype(float)  # 將房子單價轉換為浮點型別，float（data['',單價]）

data['總價'] = data['總價'].map(lambda d: d.replace('萬', ''))  # 將總價“萬”去掉
data['總價'] = data['總價'].astype(float)  # 將房子總價轉換為浮點型別，float（data['',單價]）

data['建築面積'] = data['建築面積'].map(lambda p: p.replace('平米', ''))  # 將建築面積“平米去掉”
data['建築面積'] = data['建築面積'].astype(float)  # 將將建築面積轉換為浮點型別

各區均價分析

# 獲取各區二手房均價分析，根據需求，，進一步處理資料，如果要寫相應演算法，需要根據演算法所需求的資料處理
def get_average_price():
    group = data.groupby('區域')  # 將房子區域分組
    average_price_group = group['單價'].mean()  # 計算每個區域的均價，average_price_group字典
    x = average_price_group.index  # 區域
    y = average_price_group.values.astype(int)  # 區域對應的均價a =['t':'123'] a.keys()
    return x, y  # 返回區域與對應的均價，region二關 average_price均價


# 顯示均價條形圖
def average_price_bar(x, y, title):
    plt.figure()  # 圖形畫布
    plt.bar(x, y, alpha=0.8)  # 繪製條形圖
    plt.xlabel("區域")  # 區域文字
    plt.ylabel("均價")  # 均價文字
    plt.title(title)  # 表標題文字
    # 為每一個圖形加數值標籤
    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 = '各區均價分析'
    average_price_bar(x, y, title)

執行如圖

全市二手房裝修程度分析

# 獲取各區二手房均價分析，根據需求，，進一步處理資料，如果要寫相應演算法，需要根據演算法所需求的資料處理
def get_decorate_sum():
    group = data.groupby('裝修')  # 將房子區域分組
    # decorate_sum_group = group['裝修'].count()  # 計算每個區域的均價，average_price_group字典
    decorate_sum_group = group.size()  # 計算每個區域的均價，average_price_group字典
    x = decorate_sum_group.index  # 區域
    y = decorate_sum_group.values.astype(int)  # 區域對應的均價a =['t':'123'] a.keys()
    return x, y  # 返回區域與對應的均價，region二關 average_price均價


# 顯示均價條形圖
def average_price_bar(x, y, title):
    plt.figure()  # 圖形畫布
    plt.bar(x, y, alpha=0.8)  # 繪製條形圖
    plt.xlabel("裝修型別")  # 區域文字
    plt.ylabel("數量")  # 均價文字
    plt.title(title)  # 表標題文字
    # 為每一個圖形加數值標籤
    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 = '全市二手房裝修程度分析'
    average_price_bar(x, y, title)

各區二手房數量所佔比比例

# 獲取各區二手房各區比例數量，進一步處理資料，如果要寫相應演算法，需要根據演算法所需求的資料處理
def get_proportional_quantity():
    area = data['區域'].groupby(data['區域']).count()  # 將房子區域分組比例數量
    areaName = (area).index.values  # 將房子區域分組比例取名
    return area, areaName


# 顯示均價條形圖
def proportional_quantity_pie(area, areaName, title):
    plt.figure()  # 圖形畫布
    plt.pie(area, labels=areaName, labeldistance=1.1, autopct='%.1f%%',
            shadow=True, startangle=90, pctdistance=0.7)
    plt.title(title, fontsize=24)  # 表標題文字
    plt.legend(bbox_to_anchor=(-0.1, 1))  # 作者標題
    plt.show()


if __name__ == '__main__':
    # 對應x，y
    area, areaName = get_proportional_quantity()
    title = '各區二手房數量所佔比比例'
    proportional_quantity_pie(area, areaName, title)