python

贝壳网武汉二手房数据分析———数据可视化

2019-11-17  本文已影响0人  一半芒果
一、数据介绍：

数据来源于上篇文章获取的贝壳网近3000条二手房源数据
包括以下信息：

二、分析目的

1、了解武汉二手房屋信息概况；
2、探索小区、建房时间、房屋类型、面积、楼层、朝向等因素对房价的影响；

三、数据清洗

首先导入需要的工具包

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
plt.style.use('ggplot')
%matplotlib inline
plt.rcParams['font.sans-serif'] = ['Arial Unicode MS']
plt.rcParams['axes.unicode_minus'] = False

加载数据

df = pd.read_csv('beike.csv',sep=',')
df.head()
image.png

可以看到获取的数据中，楼层、建筑时间、户型、面积和朝向在info数据列，关注人数和发布日期在followinfo列，
首先使用正则表达式对字符串进行处理，将关键信息分别提取到对应列。

df['area'] = df['info'].str.extract(r'([0-9]*\.?[0-9]*)平米')
df['floor']=df['info'].str.extract(r'(.楼层)')
df['year']=df['info'].str.extract(r'([0-9]*)年建')
df['housestyle']=df['info'].str.extract(r'([0-9]室[0-9]厅)')
df['orientation']=df['info'].str.extract(r'米\|(.*)$')
df[['followinfo','time']] = df['followinfo'].str.split('|',expand=True)
df['follow']=df['followinfo'].str.extract(r'([0-9]*)')
df=df.drop(['info','followinfo'],axis=1)
df.head()

将需要的字段分别展示出来，再看就比较清晰了


image.png 
df.info()
image.png 
df.isnull().sum()
image.png
观察数据：
1、面积和关注人数需要转换为数字格式，方便后续计算；
2、有490套房源没有标签信息，292套房源没有标记建筑时间，缺失量较大，可能会影响后面的结果展示，暂时不做处理。 
df.describe()

数据概况：


image.png 
#看一下最贵和最受关注的房子
df.loc[df['follow']==474]

最受关注的房源：


image.png

最受关注的房源，面积和价格都在均值之下

df.loc[df['totalprice']==4800]

总价最高的房源：


image.png

武汉天地是房屋总价极值最高的小区

观察房价数据整体分布：

plt.rcParams['figure.figsize']=(10,9)
fig, axes = plt.subplots(1, 2)
fig.subplots_adjust(wspace=0.5)  #为子图保留宽度
df.boxplot(column="totalprice", ax=axes[0])
df.boxplot(column="unitprice", ax=axes[1])
plt.show()
总价和单价线箱图： image.png

二手房总价和单价均有个别极值，分析数据时将房价大于1000万或单价大于4万/平米归为异常值。

house = df[(df.totalprice<=1000) & (df.unitprice<=40000)]
house.shape
#(2954, 12)

剔除极值后，共有2954套房源数据

四、分析数据

1、武汉二手房概况

house.describe()
image.png

2、房屋单价影响分析
（1）小区

location_price = house.groupby(['location']).agg({'unitprice':'mean'})
location_price.describe()
image.png 
sns.distplot(location_price['unitprice'])
image.png 
location_rank = location_price.sort_values('unitprice',ascending=False)
location_rank.head(10)

单价排名前十的小区名单：

image.png 
location_rank.tail(10)

单价排名后十位的小区名单:

image.png
分析：

可以看出不同小区的房价差别比较大

（2）建房时间

#只有两套房源建造日期是2020年，这里将他们剔除
year_price = house.loc[df['year']!='2020'].groupby(['year']).agg({'unitprice':'mean'})
plt.xticks(rotation=270)
plt.rcParams['figure.figsize']=(5,10)
sns.lineplot(x=year_price.index,y='unitprice',data=year_price)
image.png
分析

可以看出，建房时间对房价有一定影响，其中：

（3）房屋类型

housestyle_price = house.groupby(['housestyle']).agg({'unitprice':'mean'})
housestyle_price.describe()
image.png 
sns.barplot(x=housestyle_price.index,y='unitprice',data=housestyle_price)
image.png
分析：

户型对房价有一定的影响

发现的问题：

（4）面积

house['area'].describe()
image.png 
#房屋面积最小为12平方米，最大509平方米，均值95平方米，75%在109平米以内
#根据面积的分布设置（10，50],(50,80],(80,100],(100,130],(130,510] 5个区间
bins=[10,50,80,100,130,510]
area_price=house.groupby(pd.cut(house['area'],bins)).agg({'unitprice':'mean'})
area_price=area_price.reset_index()
a = sns.barplot(x='area',y='unitprice',data=area_price)
for index,value in enumerate(area_price.unitprice):
    a.text(index,value+100,round(value,2),ha="center")
image.png
分析：

（5）楼层

floor_price = house.groupby(['floor']).agg({'unitprice':'mean'})
floor_price.describe()
image.png 
floor_price=floor_price.reset_index()
plt.rcParams['figure.figsize']=(8,5)
a = sns.barplot(x='floor',y='unitprice',data=floor_price)
for index,value in enumerate(floor_price['unitprice']):
        a.text(index,value+100,round(value,2),ha="center")
image.png 
a = house[['floor','unitprice']].set_index('floor')
a['低楼层']=a['unitprice']
a['中楼层']=a['unitprice']
a['高楼层']=a['unitprice']
a.loc[['中楼层','高楼层'],['低楼层']]=np.nan
a.loc[['低楼层','高楼层'],['中楼层']]=np.nan
a.loc[['低楼层','中楼层'],['高楼层']]=np.nan
a = a.reset_index()
a.drop(['unitprice','floor'],axis=1,inplace=True)
plt.rcParams['figure.figsize']=(5,5)
sns.boxplot(data=a)
image.png

线箱图可以更直观的看出不同楼层房屋单价的对比

分析：

（6）朝向

orientation_price = house.groupby(['orientation']).agg({'unitprice':'mean'})
orientation_price.describe()
image.png 
plt.xticks(rotation=270)
orientation_price.sort_values('unitprice',ascending=False,inplace=True)
sns.barplot(x=orientation_price.index,y='unitprice',data=orientation_price)
image.png

存在的问题：数据源朝向分类比较零散，这里自变量类别过多，未做合并同类

分析：

可以看出不同朝向房价差别较大

（7）房屋标签

house['tag'].value_counts().plot.pie(autopct='%1.1f%%')
image.png 
tag_price=house[['tag','unitprice']]
sns.stripplot(x='tag',y='unitprice',data=tag_price)
image.png
分析：

五、总结：

1、武汉市二手房基本情况：

2、二手房单价情况分析：
（1）小区情况

（2）建房时间

（3）房屋类型

（4）面积

（5）楼层

（6）朝向

（7）标签

3、出现的问题：

  1. 数据量较小，在进行情况分组时，有个别组数据出现样本量过小情况，导致统计结果不准确；
  2. 小区、朝向的分组有误，未合并同类项，标签数据采集不完整，数据可靠性和可比性不高。
上一篇下一篇

猜你喜欢

热点阅读