北京二手房价数据分析

北京⼆⼿房价数据分析⼀、报告背景：根据某房价平台数据，通过数据分析，知晓各区⼆⼿房价状况。⼆、⽬的：报告⽬的：通过数据完成⼀份Python的⼆⼿房价分析报告。分析⽬的：1、找到影响⼆⼿房价的因素是：区域？房间数？⼤厅数？⾯积数？楼层？有⽆地铁？有⽆学区？谁的影响因素最⼤？如何排序？2、寻找⼆⼿房低洼处投资。四、代码解析：（1）、数据基本情况#导⼊库importpandasaspdimportnumpyasnpimportmatplotlib.pyplotaspltimportseabornassns#读取数据df=pd.read_csv(r"C:\Users\41174\Desktop\sndHsPr.csv")#价格单位元转化成万元df.price=df.price/10000#数据分析开始3部曲print(df.head())print(())print(df.describe())如图，dist是地区，roomnum是房间数，halls是⼤厅数，AREA是房间⾯积，floor是楼层⾼度，AREA是⾯积（单位平⽅⽶），subway是地铁（1代表有，0代表⽆），school是学校（1代表有，0代表⽆），price，代表价格（单位万元）如图，dist和floor是字符串类型，其余都是数值型数据，同时没有脏数据和缺漏数据如图，数据样本量：16210。在没有通过图表发现数据的整体异常值时，先以平均数为基准看基本情况，但通过后⾯的分析会发现，存在许多异常值，所以专业分析需要看中位数。现在先分析基本平均信息：roomnum2.1，⼤厅1.2，⾯积91.7，地铁0.83，学校0.3，房价6.1万/每平⽅⽶。通过基本平均信息可以知道，房间正常属于⼤众型刚需型，基本有地铁，但⽆学校。根据《⼀出好戏》的3句经典台词分析：1、稀缺2、消耗3、希望。地铁、房间等基本配置都属于消耗资源，不会产⽣杠杆或者增值价值，属于消耗品，属于保值或贬值品。但学校属于孩⼦和未来的希望，属于增值品，同时⼜稀缺，疯抢和增值空间明显增⼤，但随着移动互联⽹的教育资源兴起，和教育改⾰，该现象期待改变。fromscipyimportstatsprint(df.price.describe())print('众数',stats.mode(df.price)[0][0])如图，价格（单位万/每平⽅⽶）平均数6.1，中位数5.7，众数5。dict1={u'chaoyang':"朝阳",u'dongcheng':"东城",u'fengtai':"丰台",u'haidian':"海淀",u'shijingshan':"⽯景⼭",u'xicheng':"西城"}#将拼⾳转化成中⽂df.dist=df.dist.apply(lambdax:dict1[x])print(pd.concat([(df[df.price==min(df.price)]),(df[df.price==max(df.price)])]))最⾼房价：西城3房，1厅，78平⽅⽶，低楼层，有地铁，⽆学区，价格15万每平⽅⽶。最低房价：丰台2房，2厅，101平⽅⽶，⾼楼层，⽆地铁，⽆学区，价格，1.8万每平⽅⽶。foriinrange(7):ifi!=3:print(df.columns.values[i],";")print(df[df.columns[i]].agg(['value_counts']).T)print("=======================================================================")else:continueprint("AREA:")print(df.AREA.agg(['min','mean','median','max','std']).T)如图：房源：丰台区域房源最多2947套，⽯景⼭最少房源1947套。房数：2房最多7971套，5房最少102套。厅数：1厅最多11082套，3厅最少85套。楼层：⼏乎相等。地铁：有地铁13419套，没地铁2791套。学校：有学校4913套，没学校11297套。（稀缺）⾯积：最⾼299平⽅⽶，最低30平⽅⽶。总结：学区房最稀缺。（2）、图表基本情况#解决中⽂乱码问题plt.rcParams['font.sans-serif']=['SimHei']sns.distplot(df.price,color='lightblue',bins=20,kde=True)plt.xlabel("单位⾯积房价（万元/平⽅⽶）")plt.ylabel("密度")plt.title('房价密度直⽅图')plt.show()如图，直⽅图曲线图右侧有较多异常值，属于正偏或右偏正态曲线，不能使⽤平均值，需要使⽤中位数，房价中位数是5.7万每平⽅⽶。（3）、盒须图①、单因素分析df.groupby('dist').median().price.sort_values(ascending=False)df.boxplot(column='price',by='dist')plt.show()如图，显⽰各区价格盒须图，盒须图⾼低⽆序，通过什么⽅法让视图清晰可见，容易分析？#显⽰各区中位数从⾼到低排序。print(df.groupby('dist').median().price.sort_values(ascending=False))df.dist=df.dist.astype('category')#根据各区中位数排序，调整区域先后顺序。df.dist.cat.set_categories(['西城','东城','海淀','朝阳','丰台','⽯景⼭'],inplace=True)df.boxplot(column='price',by='dist')plt.show()如图，区域明显与价格成强相关。区域差异最⼤是西城与⽯景⼭，故后⾯分析时采⽤西城与⽯景⼭的分析。print(df.groupby('roomnum').median().price.sort_values(ascending=False))df.roomnum=df.roomnum.astype('object')df.roomnum=df.roomnum.astype('category')df.roomnum.cat.set_categories([4,1,5,3,2],inplace=True)df.boxplot(column='price',by='roomnum')plt.show()如图，房间数与价格成弱相关。print(df.groupby('halls').median().price.sort_index(ascending=False))df.halls=df.halls.astype('category')df.halls.cat.set_categories([0,1,2,3],inplace=True)df.boxplot(column='price',by='halls')plt.show()如图，⼤厅数与价格成弱相关。df.plot.scatter(x='price',y='AREA')plt.show()如图，⾯积与价格关系暂时⽆法确定。print(df.groupby('floor').median().price.sort_index(ascending=False))df.floor=df.floor.astype('category')df.floor.cat.set_categories(['middle','low','high'],inplace=True)df.boxplot(column='price',by='floor')plt.show()如图，楼层与价格成弱相关。print(df.groupby('subway').median().price.sort_index(ascending=False))df.subway=df.subway.astype('category')df.subway.cat.set_categories([1,0],inplace=True)df.boxplot(column='price',by='subway')plt.show()如图，地铁与价格成强相关。print(df.groupby('school').median().price.sort_index(ascending=False))df.school=df.school.astype('category')df.school.cat.set_categories([1,0],inplace=True)df.boxplot(column='price',by='school')plt.show()如图，学校与价格成强相关。综上可知，区域、地铁、学校与价格关系密切，其余因素关系不密切，忽略不计。②、双因素分析print(df.groupby(['dist','school']).median().price.sort_index(ascending=False).unstack())df.boxplot(column='price',by=['dist','school'],figsize=(12,6))plt.show()如图可知，1、（西城，1）-（西城，0）>（西城，1）-（东城，1），可知学区因素>区域因素，分析其余情况基本类似。2、（⽯景⼭，1）价格<（⽯景⼭，0），明显存在被低估的价格，很可能是潜⼒股，可以先调查后投资。print(df.groupby(['school','subway']).median().price.sort_index(ascending=False).unstack())df.boxplot(column='price',by=['school','subway'],figsize=(12,6))plt.show()如图可知，（1,1）-（1,0）<（1,1）-（0,1），因此学区因素>地铁因素。print(df.groupby(['dist','subway']).median().price.sort_index(ascending=False).unstack())df.boxplot(column='price',by=['dist','subway'],figsize=(12,6))plt.show()如图，（西城，1）-（西城，0）>（西城，1）-（东城，1），因此学区因素>区域因素。③、多因素分析print(df.groupby(['dist','school','subway']).median().price.sort_index(ascending=False).unstack())df.boxplot(column='price',by=['dist','school','subway'],figsize=(20,10))plt.xticks(rotation=90)plt.show()如图可知，（丰台，1,0）与（⽯景⼭，1,1）和（⽯景⼭，1,0）明显存在低估，可以先调查，然后投资。综合如上分析可知：1、单因素、双因素和多因素分析，可知学区因素>地区因素>地铁因素>其他因素。2、（丰台，1,0）与（⽯景⼭，1,1）和（⽯景⼭，1,0）明显存在低估，可以先调查，然后投资。五、完整代码#导⼊库importpandasaspdimportnumpyasnpimportmatplotlib.pyplotaspltimportseabornassns#读取数据df=pd.read_csv(r"C:\Users\41174\Desktop\sndHsPr.csv")#价格单位元转化成万元df.price=df.price/10000#数据分析开始3部曲print(df.head())print(())print(df.describe())fromscipyimportstatsprint(df.price.describe())print('众数',stats.mode(df.price)[0][0])dict1={u'chaoyang':"朝阳",u'dongcheng':"东城",u'fengtai':"丰台",u'haidian':"海淀",u'shijingshan':"⽯景⼭",u'xicheng':"西城"}#将拼⾳转化成中⽂df.dist=df.dist.apply(lambdax:dict1[x])print(pd.concat([(df[df.price==min(df.price)]),(df[df.price==max(df.price)])]))foriinrange(7):ifi!=3:print(df.columns.values[i],";")print(df[df.columns[i]].agg(['value_counts']).T)print("=======================================================================")else:continueprint("AREA:")print(df.AREA.agg(['min','mean','median','max','std']).T)#解决中⽂乱码问题plt.rcParams['font.sans-serif']=['SimHei']sns.distplot(df.price,color='lightblue',bins=20,kde=True)plt.xlabel("单位⾯积房价（万元/平⽅⽶）")plt.ylabel("密度")plt.title('房价密度直⽅图')plt.show()df.groupby('dist').median().price.sort_values(ascending=False)df.boxplot(column='price',by='dist')plt.show()#显⽰各区中位数从⾼到低排序。print(df.groupby('dist').median().price.sort_values(ascending=False))df.dist=df.dist.astype('category')#根据各区中位数排序，调整区域先后顺序。df.dist.cat.set_categories(['西城','东城','海淀','朝阳','丰台','⽯景⼭'],inplace=True)df.boxplot(column='price',by='dist')plt.show()print(df.groupby('roomnum').median().price.sort_values(ascending=False))df.roomnum=df.roomnum.astype('object')df.roomnum=df.roomnum.astype('category')df.roomnum.cat.set_categories([4,1,5,3,2],inplace=True)df.boxplot(column='price',by='roomnum')plt.show()print(df.groupby('halls').median().price.sort_index(ascending=False))df.halls=df.halls.astype('category')df.halls.cat.set_categories([0,1,2,3],inplace=True)df.boxplot(column='price',by='halls')plt.show()df.plot.scatter(x='price',y='AREA')plt.show()print(df.groupby('floor').median().price.sort_index(ascending=False))df.floor=df.floor.astype('category')df.floor.cat.set_categories(['middle','low','high'],inplace=True)df.boxplot(column='price',by='floor')plt.show()print(df.groupby('subway').median().price.sort_index(ascending=False))df.subway=df.subway.astype('category')df.subway.cat.set_categories([1,0],inplace=True)df.boxplot(column='price',by='subway')plt.show()print(df.groupby('school').median().price.sort_index(ascend