首页 > 编程语言> 文章详细

python数据分析实战项目—10000条北京二手房多维度可视化分析（附源码）

2021-12-26 12:02:45 阅读：201 来源： 互联网

标签：10000 df 多维度 Elevator python 电梯源码 columns lianjia

文章目录

开发工具

python版本：Python 3.6.1

python开发工具：JetBrains PyCharm 2018.3.6 x64

第三方库：pandas ;matplotlib ;seaborn

数据内容

实现代码

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

plt.style.use('fivethirtyeight')

sns.set_style({'font.sans-serif': ['simhei', 'Arial']})

lianjia_df = pd.read_csv('lianjia.csv')

# 添加房屋均价
df = lianjia_df.copy()
df['PerPrice'] = round(lianjia_df['Price'] / lianjia_df['Size'], 2)

# 重新摆放列位置
columns = ['Region', 'District', 'Garden', 'Layout', 'Floor', 'Year', 'Size', 'Elevator', 'Direction', 'Renovation',
           'PerPrice', 'Price']
df = pd.DataFrame(df, columns=columns)

# 电梯异常数据处理
print(df.head())
df['Elevator'] = df.loc[(df['Elevator'] == '有电梯') | (df['Renovation'] == '无电梯'), 'Elevator']
# 填补Elevator缺失值
df.loc[(df['Floor'] > 6) & (df['Elevator'].isnull()), 'Elevator'] = '有电梯'
df.loc[(df['Floor'] <= 6) & (df['Elevator'].isnull()), 'Elevator'] = '无电梯'
# 装修特征异常数据处理
df['Renovation'] = df.loc[(df['Renovation'] != '南北'), 'Renovation']  # 去掉南北的异常值


# 在数据集的不同子集上绘制同一图的多个实例,格子图
grid = sns.FacetGrid(df, row='Elevator', col='Renovation', palette='seismic', height=6)  # height控制参数内容显示
grid.map(plt.scatter, 'Year', 'Price')
grid.add_legend()
plt.show()

运行效果

可以看到图中看到价格,装修特征,有无电梯,和年份之间的关系

10000条二手房信息下载地址

https://url71.ctfile.com/f/13238771-530323628-1950bb
（访问密码：8835）

总结

这里主要运用了python的进行数据分析时，注意从图中分析异常数据，在对相关数据进行过滤掉

有问题欢迎在评论区中讨论

标签：10000,df,多维度,Elevator,python,电梯,源码,columns,lianjia
来源： https://blog.csdn.net/sha1_mi/article/details/122147806

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。

ICode9