用Python分析北京二手房房价

使用了pandas的网络透视功能 groupby 分组排序。区域特征可视化直接采用 seaborn 完成，颜色使用调色板 palette 参数，颜色渐变，越浅说明越少，反之越多。可以观察到：

• 二手房均价：西城区的房价最贵均价大约11万/平，因为西城在二环以里，且是热门学区房的聚集地。其次是东城大约10万/平，然后是海淀大约8.5万/平，其它均低于8万/平。
• 二手房房数量：从数量统计上来看，目前二手房市场上比较火热的区域。海淀区和朝阳区二手房数量最多，差不多都接近3000套，毕竟大区，需求量也大。然后是丰台区，近几年正在改造建设，有赶超之势。
• 二手房总价：通过箱型图看到，各大区域房屋总价中位数都都在1000万以下，且房屋总价离散值较高，西城最高达到了6000万，说明房屋价格特征不是理想的正太分布。

Size特征分析

f, [ax1,ax2] = plt.subplots(1, 2, figsize=(15, 5)) 
# 建房时间的分布情况 
sns.distplot(df['Size'], bins=20, ax=ax1, color='r') 
sns.kdeplot(df['Size'], shade=True, ax=ax1) 
# 建房时间和出售价格的关系 
sns.regplot(x='Size', y='Price', data=df, ax=ax2) 
plt.show() 

Size 分布：

• 通过 distplot 和 kdeplot 绘制柱状图观察 Size 特征的分布情况，属于长尾类型的分布，这说明了有很多面积很大且超出正常范围的二手房。

Size 与 Price 的关系：

• 通过 regplot 绘制了 Size 和 Price 之间的散点图，发现 Size 特征基本与Price呈现线性关系，符合基本常识，面积越大，价格越高。但是有两组明显的异常点：1. 面积不到10平米，但是价格超出10000万;2. 一个点面积超过了1000平米，价格很低，需要查看是什么情况。

df.loc[df['Size']< 10] 

经过查看发现这组数据是别墅，出现异常的原因是由于别墅结构比较特殊(无朝向无电梯)，字段定义与二手商品房不太一样导致爬虫爬取数据错位。也因别墅类型二手房不在我们的考虑范围之内，故将其移除再次观察Size分布和Price关系。

df.loc[df['Size']>1000] 

经观察这个异常点不是普通的民用二手房，很可能是商用房，所以才有1房间0厅确有如此大超过1000平米的面积，这里选择移除。

df.loc[df['Size']>1000] 

重新进行可视化发现就没有明显的异常点了。

Layout特征分析

f, ax1= plt.subplots(figsize=(20,20)) 
sns.countplot(y='Layout', data=df, ax=ax1) 
ax1.set_title('房屋户型',fontsize=15) 
ax1.set_xlabel('数量') 
ax1.set_ylabel('户型') 
plt.show() 

这个特征真是不看不知道，各种厅室组合搭配，竟然还有9室3厅，4室0厅等奇怪的结构。其中，2室一厅占绝大部分，其次是3室一厅，2室2厅，3室两厅。但是仔细观察特征分类下有很多不规则的命名，比如2室一厅与2房间1卫，还有别墅，没有统一的叫法。这样的特征肯定是不能作为机器学习模型的数据输入的，需要使用特征工程进行相应的处理。

Renovation 特征分析

df['Renovation'].value_counts() 

• 精装 11345
• 简装 8497
• 其他 3239
• 毛坯 576南北 20
• Name: Renovation, dtype: int64

（编辑：厦门网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!