Python数据分析与可视化 教案 6.2 房产数据预处理与分析.docxVIP

2房产数据预处理与分析 当今时代，房价问题一直处于风口浪尖，房价的上涨抑或下跌都牵动着整个社会的利 益，即便是政府出台各种政策方针也只能是暂时抑制楼市的涨势，对于需要买房的人来 说，除了关注这些变化和政策外，还有一个非常头疼的问题，在哪里买房，房价怎样。 普通客户会不停花大量精力逛链家、安居客等房地产网站，借助他们展示的内容进行 筛选，但因地区众多，各个地段、房价差异的比照以及入手时机的把握，都得一个个去查 阅与分析，非常麻烦。如果可以通过数据的爬取，再按照用户希望的维度统计与分析，会 让数据变得清晰明了。本案例旨在对房产数据进行预处理与分析，为刚需购房者提供有用 信息。 一、数据源 本案例利用某爬虫软件爬取某房产网站中苏州地区的房产数据,数据文件为house.xlsx, 如图6-*所示。 A KALttWMt大南平 摩电人司收 陵倒原匕* 力“公”中 H两%国 育史长帙 iHiiiMM ??Il CM 成无人恒收央#/午 成火■收力 MMA 舍港R 6斤人 A KALttW Mt大 南平 摩电人司收 陵倒原匕* 力“公”中 H两%国 育史长帙 iHiiiMM ??Il CM 成无人恒收 央#/午 成火■收力 MMA 舍港R 6斤人■ ) Rn?) “?m MOTJn/m1 iWllA/m1 /蹲用人必 E，) 171，皿 义”.南岸林an; JllMo/m1 /中44*大+犬十】1?4 会“3内冷过中山上路 2m a/m? 幺中附C机均晞处，) 21211 n/m1 金nUMUXKMiiEi； 大北.氐曹”.心*11 自—V矢K施,心麻 242M nVm1 义打员川*启用1”八； XMlo/m1 决中黑篇恭法起东方犬靖 1 -IdSS 朱几5届 118*J MeU/i/m, 幺，l4Ut凫 Z 跻1M5，； 大11仄曾,城4-带AW9 戈IL AM咻 /中Aa》ih南乘RS； B iJUt ，“卷 tajiw ,工小 t tnu ^009% ,Q0t% ，Q91? 6313” J.9/UhVH 0UWI 1.90 13皿” 2,3“ 113“ MIMtVH as/uMVil 2.4nVl| LSnjhVH 113“ 265V ISM” MV 公寓住它 公宴住E 公*他七 公奇化.匕 Mttt 公方住七 公4住宅 公寓住K 公住七 公奇他充 公*化七 公离任七 公4住七 公/住宓 公/修E 公宣化t 公离住七 IrtWOm1 lOOOOOOm^ wna^ 500000m1 1WM2 MOOWm1 MODln? 4?74811^ ntM 4446ml MOOOOm1 400000m1 4)0000*^ SJOOOOm1 4tOOOOm, 2014 ?14：| KA.K 201St 201。* WltkM Rl迷 2015 ￥ 初7 200“ 利比故 201泊 IP4 2014U 20114 2011H 201“ lUtk* m2 04?1P .)444”? .4im? .1JOMI .S41??* 1???* JJW” .2ISM** 3M，， .6F1IQM .4X8 户 y?「 T眸乂户 5XOO( J3KMf* ?31S4f QMM ??? X野心 二、目标 .数据爬取时缺失数据是常见的现象，通过某爬取软件从网站爬取的数据时，如果没 有爬取到的数据会返回“暂无数据二这会影响后期的空值处理，将这些“暂无数据”转换 为空值，并统计各列的空值频数，查看缺失数据情况。 .数据爬取的数据往往是带有单位的字符串，这也会影响后期的数据分析，所以需要 将这些数去掉单位，再转换为数值型数据。如将字符串“均价”的4000()元/n?转换为数 值 40(X)0o .为了分析不同区的房产数据，从地址中提取出区的数据。为了分析房龄的数据，从 建造年代中提取出房龄数据。 .筛选出区为“工业园”，均价在5000()以下，容积率在1.5以下的房源数据。 .查询房价最贵小区的前5名。 .查询停车位最少小区的前5名。 .统计所有数据的平均房价以及二手房总和数量。 .分析均价40000以上小区中，房源最多是哪个区。 三、步骤 步骤1 ：导入库，设置参数。导入所需要的库pandas,利用pd.sel_oplion解除显示宽 度的显示，设置数据对齐。 步骤1代码如下： import pandas as pd pd.se(_option(display.wid(h.None)pd.set_option(display.unicode.east_asian_width\True) 步骤2：导入数据并查看。 利用rcad_cxccl导入housc.xlsx (housc.xlsx存放在c:\data路径中)，将读入的数据命名 为data。查看data的行数、列数、列名