标签：数据分析 non 16210 房价 面积 bj 单位 二手房 import
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import matplotlib.style as style
import seaborn as sns
import warnings
warnings.filterwarnings('ignore')
style.use('fivethirtyeight')
plt.rcParams['figure.figsize']=(8,4)
plt.rcParams['font.family']=['SimHei']
plt.rcParams['axes.unicode_minus']=False
bj=pd.read_csv('./beijing.csv')
bj.info()
结果：数据的基本信息
<class 'pandas.core.frame.DataFrame'>
Int64Index: 16210 entries, 0 to 16209
Data columns (total 8 columns):
城区 16210 non-null object
卧室数 16210 non-null int64
客厅数 16210 non-null int64
房屋面积 16210 non-null float64
楼层 16210 non-null object
是否临近地铁 16210 non-null int64
是否学区房 16210 non-null int64
单位面积价格 16210 non-null int64
dtypes: float64(1), int64(5), object(2)
memory usage: 1.1+ MB
bj.describe()
结果：
bj.groupby('城区').城区.count()
结果：
城区
东城 2783
丰台 2947
朝阳 2864
海淀 2919
石景山 1947
西城 2750
Name: 城区, dtype: int64
离散化和分箱
bins=[30,50,80,100,120,150,250,300]
bj['面积分组']=pd.cut(bj.房屋面积,bins)
bj
结果：
bj.groupby('面积分组').面积分组.count()
结果：
面积分组
(30, 50] 1422
(50, 80] 6890
(80, 100] 2896
(100, 120] 1614
(120, 150] 1729
(150, 250] 1501
(250, 300] 158
Name: 面积分组, dtype: int64
价格分布
sns.distplot(a=bj.单位面积价格,kde=False,color='purple',bins=13)
结果：
min_price=bj.单位面积价格.min()
bj.query(f"单位面积价格=={min_price}")
结果：
max_price=bj.单位面积价格.max()
bj.query(f"单位面积价格=={max_price}")
描述性分析
fig,(ax1,ax2,ax3)=plt.subplots(nrows=1,ncols=3,figsize=(3*6,6))
sns.boxplot(x='卧室数', y='单位面积价格', data=bj,ax = ax1,palette='hls')
ax1.set_title('卧室数&单位面积价格')
sns.boxplot(x='客厅数',y='单位面积价格',data=bj,ax=ax2,palette='cool')
ax2.set_title('客厅数&单位面积价格')
sns.boxplot(x='楼层', y='单位面积价格', data=bj,ax = ax3)
ax3.set_title('楼层&单位面积价格')
结果：
fig,(ax1,ax2,ax3) = plt.subplots(nrows=1,ncols=3,figsize=(4*6,6))
sns.boxplot(x='城区', y='单位面积价格', data=bj,ax = ax1,palette='hls')
ax1.set_title('城区&单位面积价格')
sns.boxplot(x='是否学区房', y='单位面积价格', data=bj,ax = ax2,palette='winter')
ax2.set_title('学区房&单位面积价格')
sns.boxplot(x='是否临近地铁', y='单位面积价格', data=bj,ax = ax3)
ax3.set_title('地铁房&单位面积价格')
结果：
预测单位面积价格
- 所有的特征都是"类别型"，线性回归无解,所以要用交叉项的回归
from sklearn.model_selection import train_test_split
from sklearn.linear_model import SGDRegressor,ElasticNet,LinearRegression
from sklearn.preprocessing import StandardScaler
features=bj.loc[:,['城区','是否临近地铁','是否学区房']]
labels=bj.loc[:,['单位面积价格']]
features['城区']=features['城区'].astype('category').cat.codes
from sklearn.externals.six import StringIO
import sklearn.tree as tree
import pydotplus
from sklearn.tree import DecisionTreeRegressor
cartReg=DecisionTreeRegressor().fit(features,labels)
cartReg.score(features,labels)
>> 0.5980859207408644
X_test = [[2,1,1]]
price = cartReg.predict(X_test)
print(price,90*price)
>> [57713.91947566] [5194252.75280899]
调用画图工具，要先安装graphviz ,并将其添加到环境变量中
str_ = StringIO() #保存模型的输出 brew install graphviz
'''
decision_tree ： 决策树实例对象
out_file ：制定输出的位置
feature_names : 特征的名称
filled :填充颜色
rounded :圆角化
'''
tree.export_graphviz(cartReg,str_,feature_names=['District','Subway','School'],filled=True,rounded=True)
graph = pydotplus.graph_from_dot_data(str_.getvalue())
graph.write_jpg('cartReg.jpg')
♚木思风
发布了5 篇原创文章 · 获赞 0 · 访问量 83
私信
关注
标签：数据分析,non,16210,房价,面积,bj,单位,二手房,import 来源： https://blog.csdn.net/weixin_44727383/article/details/104527408
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。