這篇文章主要介紹“怎么用Python分析北京的二手房數(shù)據(jù)”，在日常操作中，相信很多人在怎么用Python分析北京的二手房數(shù)據(jù)問題上存在疑惑，小編查閱了各式資料，整理出簡單好用的操作方法，希望對大家解答”怎么用Python分析北京的二手房數(shù)據(jù)”的疑惑有所幫助！接下來，請跟著小編一起來學(xué)習(xí)吧！

在藁城等地區(qū)，都構(gòu)建了全面的區(qū)域性戰(zhàn)略布局，加強發(fā)展的系統(tǒng)性、市場前瞻性、產(chǎn)品創(chuàng)新能力，以專注、極致的服務(wù)理念，為客戶提供成都做網(wǎng)站、成都網(wǎng)站設(shè)計 網(wǎng)站設(shè)計制作按需設(shè)計,公司網(wǎng)站建設(shè),企業(yè)網(wǎng)站建設(shè),品牌網(wǎng)站建設(shè),網(wǎng)絡(luò)營銷推廣,成都外貿(mào)網(wǎng)站制作,藁城網(wǎng)站建設(shè)費用合理。

我們使用Python獲取了鏈家網(wǎng)上北京市16個區(qū)的二手房數(shù)據(jù)。首先導(dǎo)入要使用的數(shù)據(jù)處理包pandas,可視化工具pyecharts和plotly。

# 導(dǎo)入所需包
import numpy as np 
import pandas as pd 
import matplotlib.pyplot as plt 
import os  

from pyecharts.charts import Pie, Map, Bar, Line, Grid, Page
from pyecharts import options as opts 

import plotly as py 
import plotly.graph_objs as go 
import plotly.express as px

數(shù)據(jù)讀入

使用循環(huán)讀入數(shù)據(jù)集，然后進行去重處理，查看一下數(shù)據(jù)集大小，可以看到去重之后一共有4403條數(shù)據(jù)。

# 讀入數(shù)據(jù)
file_list = os.listdir('../data/')

df_all = pd.DataFrame() 
for file in file_list:
    file_name = file.split('.')[0]
    df = pd.read_csv(f'../data/{file}')
    df['region_name'] = file_name 
    df_all = df_all.append(df, ignore_index=True) 

# 去重
df_all = df_all.drop_duplicates()
print(df_all.shape)

(33509, 9)

預(yù)覽以下數(shù)據(jù):

df_all.head(2)

數(shù)據(jù)預(yù)處理

我們對數(shù)據(jù)集的各個特征進行提取和處理，以便后續(xù)的數(shù)據(jù)分析工作，主要處理工作包含：

1. title：無需分析，刪除

2. detail_url：無需分析，刪除

3. position：維度過細、刪除

4. houseInfo：提取室、廳、面積、方位、裝修、樓層（高中低）、建筑年份、板塔

5. followInfo：無需分析，刪除

6. tag_info：提取是否靠近地鐵

7. total_price：提取房屋總價

8. unitPrice：房屋單價

9. region_name：無需處理

# 刪除列
df_all = df_all.drop(['title', 'detail_url', 'position', 'followInfo'], axis=1)  

# 提取室廳
df_all['halls'] = df_all['houseInfo'].str.split('|').str[0].str.extract(r'(\d+)室')
df_all['bedrooms'] = df_all['houseInfo'].str.split('|').str[0].str.extract(r'\d室(\d+)廳') 
# 提取面積
df_all['area'] = df_all['houseInfo'].str.split('|').str[1].str.extract(r'(\d+.*\d+)平米')
# 提取朝向
df_all['orient'] = df_all['houseInfo'].str.split('|').str[2]
# 提取裝修類型
df_all['decorate_type'] = df_all['houseInfo'].str.split('|').str[3]
# 提取樓層
df_all['floor'] = df_all['houseInfo'].str.split('|').str[4]
# 提取建筑年份
df_all['built_year'] = df_all['houseInfo'].str.split('|').str[5].str.extract(r'(\d+)')
# 提取板塔
df_all['banta'] = df_all['houseInfo'].str.split('|').str[6]
# 刪除houseInfo
df_all = df_all.drop('houseInfo', axis=1) 

# 提取地鐵
df_all['subway'] = [1 if '地鐵' in i else 0 for i in df_all['tag_info']]
# 刪除tag_info
df_all = df_all.drop('tag_info', axis=1)

# 提取總價
df_all['total_price'] = df_all['total_price'].str.extract(r'(\d+)')
df_all['unitPrice'] = df_all['unitPrice'].str.extract(r'(\d+)')

# 空值-直接刪除
df_all = df_all.dropna()

# 轉(zhuǎn)換數(shù)據(jù)類型
df_all['total_price'] = df_all['total_price'].astype('int')
df_all['unitPrice'] = df_all['unitPrice'].astype('int')
df_all['halls'] = df_all['halls'].astype('int')
df_all['bedrooms'] = df_all['bedrooms'].astype('int')
df_all['area'] = df_all['area'].astype('float')
df_all['built_year'] = df_all['built_year'].astype('int')
df_all['subway'] = df_all['subway'].astype('int')
df_all.head()

進一步處理樓層、建筑年份和房屋朝向字段。

def transform_floor(x):
    if x == '高樓層' or x == '頂層' or x == '上疊':
        return '高層'
    elif x == '低樓層' or x == '底層' or x == '下疊' or x == '1層' or x == '2層' or x == '3層':
        return '低層'
    elif x == '中樓層' or x == '4層' or x == '5層' or x == '6層':
        return '中層' 
    elif x == '地下室':
        return '地下室'
    else:  # 其他歸為高層
        return '高層'  

# floor一般化
df_all['floor_type'] = df_all['floor'].str.replace(r'\(.*?\)', '').str.strip()
df_all['floor_type'] = df_all.floor_type.apply(transform_floor)
df_all = df_all.drop('floor', axis=1) 

# orient-一般化
df_all['orient'] = df_all['orient'].str.extract(r'([\u4e00-\u9fa5])')

# bulit_year
df_all['built_year'] = 2020 - df_all['built_year']

# banta-一般化
df_all['banta'] = df_all.banta.str.strip()
df_all.head()

首先我們看到近一年來，北京二手房房價的走勢圖，可以看到有回調(diào)的趨勢，目前的均價在每平方米57589的樣子。

北京不同區(qū)域的二手房房源數(shù)量

那么北京各個區(qū)域的二手房源分布如何呢？

不同區(qū)域的二手房價又是怎樣的呢？西城區(qū)一馬當(dāng)先，以114980元每平米的價格領(lǐng)跑北京的二手房市場。其次，東城區(qū)以97295每平米排在第二位。海淀區(qū)以85954每平米的價格排在第三位。

代碼如下：

# 產(chǎn)生數(shù)據(jù)
s_region = df_all.groupby('region_name')['unitPrice'].mean().sort_values(ascending=False) 
x_data = [i+'區(qū)' for i in s_region.index.tolist()]
y_data = [round(i) for i in s_region.values.tolist()] 

data_pair = [list(z) for z in zip(x_data, y_data)]

# 地圖
map1 = Map(init_opts=opts.InitOpts(width='1350px', height='750px'))
map1.add('', data_pair, maptype='北京')
map1.set_global_opts(title_opts=opts.TitleOpts(title='北京不同區(qū)域的二手房均價(元/平米)'), 
                     visualmap_opts=opts.VisualMapOpts(max_=114979))
map1.render()

# 條形圖
bar2 = Bar(init_opts=opts.InitOpts(width='1350px', height='750px'))
bar2.add_xaxis(x_data)
bar2.add_yaxis('', y_data)
bar2.set_global_opts(title_opts=opts.TitleOpts(title='北京不同區(qū)域的二手房均價(元/平米)'), 
                     visualmap_opts=opts.VisualMapOpts(max_=114979))
bar2.render()

北京二手房都處在什么價位

那么在北京買一套二手房到底要花多少錢？接著我們分析了二手房的價位，從圖中可以看到總價在300-500萬內(nèi)的最多，占比達到35.9%。500-800萬的占比26.54%。300萬以下的占比19.54%。

代碼如下：

bins = [74, 300, 500, 800, 1000, 8299]
bins_label = ['300萬及以下', '300-500萬', '500-800萬', '800-1000萬', '1000萬以上'] 

# 新增字段
df_all['price_cut'] = pd.cut(df_all['total_price'], bins=bins, labels=bins_label) 

price_num = df_all.price_cut.value_counts() 
# 數(shù)據(jù)對
data_pair = [list(z) for z in zip(price_num.index.tolist(), price_num.values.tolist())]

# 繪制餅圖
pie1 = Pie(init_opts=opts.InitOpts(width='1350px', height='750px'))
pie1.add('', data_pair=data_pair, radius=['30%', '60%'], rosetype='radius')
pie1.set_global_opts(title_opts=opts.TitleOpts(title='北京二手房都處在哪些價位？'), 
                     legend_opts=opts.LegendOpts(orient='vertical', pos_top='15%', pos_left='2%'))
pie1.set_series_opts(label_opts=opts.LabelOpts(formatter=":squ6kqw%"))
pie1.set_colors(['#FF7F0E', '#1F77B4', '#2CA02C', '#D62728', '#946C8B'])
pie1.render()

北京二手房房齡分布

那么這些二手房的房齡都有多久了呢？可以看到房齡在20年以上的最多，有10946套占比33.73%，其次房齡在15-20年的有7835套，占比24.15%。5年以內(nèi)的僅有1441套，占比4.44%。

是否靠近地鐵和房屋單價的關(guān)系

房屋朝向方面，朝南的自然是最多的，占比達到68.97%。其次是朝東的，占比18.25%。

不同房屋結(jié)構(gòu)的數(shù)量分布

從散點圖可以看出，房屋的面積和房屋價格呈現(xiàn)正相關(guān)，計算皮爾遜相關(guān)系數(shù)的值為0.67，為強相關(guān)。

代碼如下：

# 添加軌跡
fig = px.scatter(df_all, x='area', y='total_price')

fig.update_layout(title='房屋面積和房屋價格的關(guān)系(萬元)') 
py.offline.plot(fig, filename='房屋面積和房屋價格的關(guān)系.html')

臥室數(shù)量和房屋價格的關(guān)系

客廳和臥室一樣反映在房屋的面積上，客廳 數(shù)越多，則房屋總價越高。

代碼如下：

# 合并
df_all['halls'] = [i if i<=4 else '5及以上' for i in df_all['halls']]
df_all['halls'] = df_all.halls.astype('str')

# 添加數(shù)據(jù)
y1 = df_all[df_all['halls']=='1']['total_price'].values
y2 = df_all[df_all['halls']=='2']['total_price'].values
y3 = df_all[df_all['halls']=='3']['total_price'].values
y4 = df_all[df_all['halls']=='4']['total_price'].values
y5 = df_all[df_all['halls']=='5及以上']['total_price'].values

# 實例Figure
fig = go.Figure() 

# 添加軌跡
fig.add_trace(trace=go.Box(y=y1, name='1廳'))
fig.add_trace(trace=go.Box(y=y2, name='2廳'))
fig.add_trace(trace=go.Box(y=y3, name='3廳'))
fig.add_trace(trace=go.Box(y=y4, name='4廳'))
fig.add_trace(trace=go.Box(y=y5, name='5廳及以上'))

# 配置項
fig.update_layout(title='客廳數(shù)量和房屋價格的關(guān)系（萬元）')
py.offline.plot(fig, filename='客廳數(shù)量和房屋價格的關(guān)系.html')

到此，關(guān)于“怎么用Python分析北京的二手房數(shù)據(jù)”的學(xué)習(xí)就結(jié)束了，希望能夠解決大家的疑惑。理論與實踐的搭配能更好的幫助大家學(xué)習(xí)，快去試試吧！若想繼續(xù)學(xué)習(xí)更多相關(guān)知識，請繼續(xù)關(guān)注創(chuàng)新互聯(lián)網(wǎng)站，小編會繼續(xù)努力為大家?guī)砀鄬嵱玫奈恼拢?/p>
分享名稱：怎么用Python分析北京的二手房數(shù)據(jù)
文章轉(zhuǎn)載：http://weahome.cn/article/ghosce.html