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）

文章目录

• • 开发工具
  • 数据内容
  • 实现代码
  • 运行效果
  • 10000条二手房信息下载地址
  • 总结

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