首页 ›存档› 技术 › 查看内容

Python数据分析告诉你为何上海的二手房你都买不起

2018-3-30 13:00 |来自: 互联网 552 0

摘要: (点击上方数据取经团，可快速关注) 作者：数据取经团-王大伟前言都说上海的房价高的吓死人，用上海话说就是：“vang 尬高得哈撒特宁”，二手房都买不起，那这房价到底有多高呢？我们酷爱来数据分析一波。。。环 ...

(点击上方数据取经团，可快速关注)

作者：数据取经团-王大伟

前言

都说上海的房价高的吓死人，用上海话说就是：“vang 尬高得哈撒特宁”，二手房都买不起，那这房价到底有多高呢？我们酷爱来数据分析一波。。。

环境

Python3.X

编辑器：Jupyter notebook

导入链家网爬取的二手房数据

import numpy as np
import pandas as pd

df = pd.read_excel('house_lianjia.xlsx')
df

......

数据初窥

查看数据信息（包括每个字段数据类型），数据条数，文件大小等

df.info()

查看数据前五行：

df.head()

这几百万的二手房看着有点吓人啊！

查看数据后五行：

df.tail()

我们可以看到‘梯户比例’一栏好像都是暂无数据

我们可以专门将这一栏数据拿出来查看：

df['梯户比例']

显示的都是暂无数据

为了确定是否所有都是暂无数据，我们可以使用如下办法：

df[df['梯户比例'] == '暂无数据']#把暂无数据的数据提取出来

......

取出了2871行，说明所有行的这栏都是暂无数据

删除无效的数据

那么，这一栏对我们数据分析没有意义，可以删去：

del df['梯户比例']#移除一栏

获得数据描述性统计

df.describe()

我们可以看一下数据的简单统计信息，从图中可以看出每个栏位数据的个数，不重复数据个数，出现最多的数据及其出现的次数

注意到最后一栏，进门朝向数据只有13个，这说明了数据缺失很严重，不考虑缺失值补齐，直接删除该栏数据：

del df['进门朝向'] #只有13个数据

发现缺失值

如果想看每个单元的缺失值，可以使用：

df.isnull()#哪些包含了缺失值

False表示没有缺失

当然，这样看起来非常难受，而且不直观

查看各字段是否有缺失值：

df.isnull().any()#是否有缺失值

这样，我们就能看到除了'房屋朝向'字段有缺失值，其他字段都没有缺失值。

我们想看看‘房屋朝向’字段有多少缺失值：

df.isnull().sum()#每个里有多少个缺失值

显示有13个缺失值

如果你对这个个数不敏感，我们可以看看缺失值的比例：

df.isnull().sum() / df.count()#缺失值比例

‘房屋朝向’的缺失值只有0.45%左右

数据探索

我们想看看数据分布是怎样的

例如看一下二手房所在区的情况：

df['所在区'].value_counts()

浦东的二手房在售的最多，可能是因为浦东新区地大

看一下二手房房屋朝向的情况：

df['房屋朝向'].value_counts()

南和南北朝向的有很多，阳光充足

看一下房屋户型的情况：

df['房屋户型'].value_counts()

可以看出在售的二手房多为2室1厅1卫

看一下房屋类型的情况：

df['房屋类型'].value_counts()

说明公寓类型最多

筛选房屋信息

如果我们想看一下我们感兴趣的房屋，例如我想找3室1厅1卫的房屋，并且只看部分：

df[df['房屋户型'] == '3室1厅1卫'].head()

这些看起来都好奢侈好贵，我还是看看单身狗一室一厅的房子多少钱吧：

df[df['房屋户型'] == '1室1厅1卫'].head()

40 平米都要200 w！

当然你也可以使用and（

声明：文章版权归原作者所有部分文章转自互联网如有侵权请联系 [邮箱地址] 删除

路过

雷人

握手

鲜花

鸡蛋

收藏分享邀请

上一篇：使用 Python 获取 Linux 系统信息下一篇：Python if 语句太长怎么办？