南京链家网房源数据可视化

电玩女神 2021-12-11 02:19 315阅读 0赞

针对抓取到的南京市链家网的房源数据进行一次简单的数据可视化

首先导入必要的库。

import pandas as pd
    import numpy as np
    import matplotlib.pyplot as plt
    import seaborn as sns
    %matplotlib inline
    
    plt.rcParams['font.sans-serif'] = ['SimHei']
    plt.rcParams['axes.unicode_minus'] = False

读取链家网房源数据的csv文件。

df = pd.read_csv('lianjia.csv', encoding='utf-8')
    del df['href']
    df.head()

![1203446-20171108132732372-617638736.png][]  
原文件中有每一个房源的链接信息，在这里我们不需要，所以就可以直接删除。

上面表格中的列分别是南京市的行政区划，房源名称，房屋设置，面积，朝向，装修情况的描述，电梯与否，楼层高度，建造时间，在网站上眠的注册时间，总价（万），单价（元），地铁情况。

首先来看一下基本我们获得的信息的基本情况。

df.info()

![1203446-20171108133246200-1818522051.png][]

可以看到，数据一共是11170条，包括了每个字段的数据类型。

针对以上的数据，我们首先来看一下每个区划房源的平均价格，需要按照行政区划进行分组，在对单价单价进行平均。

mean_price_per_region = df.groupby(df.region)
    
    fig = plt.figure(figsize=(12,7))
    ax = fig.add_subplot(111)
    
    ax.set_title('南京各区域二手房平均价格')
    mean_price_per_region.unit_price.mean().plot.bar()
    plt.savefig('mean_price.jpg')
    plt.show()

![1203446-20171108133514466-1779896091.png][]

鼓楼区作为南京市的核心地带，拥有众多的购物广场，其均价相对较高。

在来看一下南京市个行政区划房源的平均面积，首选需要将area字段的格式进行一下简单的转换。

df.area = df.area.apply(lambda x: x.replace('平米', ''))
    df.area = df.area.astype(np.float)
    
    fig = plt.figure(figsize=(12,7))
    ax = fig.add_subplot(111)
    df.groupby('region').area.mean().plot.bar()

![1203446-20171108134502763-2006044031.png][]

同样的，鼓楼区的平均面积也是最小的。

下面，我们看一下房屋的建造时间，同样的，先要对数据进行格式转换，将对象格式转换成数值类型，我们使用正则表达式，将房屋价格中的数字保留下来，将其余的汉字删除掉。  
下面的代码中，我们使用了pandas库里面非常好用并且常用的一个方法apply()来对某一列进行全部应用，并且将将其图形化，由于建造时间五花八门，因此我们只是去其中出现次数最多的前20个进行画图。

import re
    def number(x):
        a = re.findall('\d+', x)
        if len(a) == 0:
            return None
        else:
            return a[0]
    df['year'] = df.build_year.apply(number)
    
    fig = plt.figure(figsize=(8,8))
    ax = fig.add_subplot(111)
    ax.set_title('南京地区二手房建造时间分布情况')
    df.year.value_counts()[:20].plot.pie(cmap=plt.cm.rainbow)
    plt.savefig('建造时间分布饼图.jpg')

![1203446-20171108135148606-105313493.png][]

从以上的结果可以看出，占据绝对数量的建造时间依然是上个世纪九十年代，新建房屋相对偏少。  
下面是以上数据直方图的分布情况。

df.year.fillna(df.year.median(), inplace=True)
    df.year = df.year.astype(np.int)
    
    fig = plt.figure(figsize=(12,7))
    ax = fig.add_subplot(111)
    ax.set_title('南京地区二手房建造时间分布直方图')
    df.year.plot.hist(bins=8)
    plt.xlim((1950,2020))
    plt.savefig('建造时间直方图.jpg')

![1203446-20171108150206216-891055576.png][]

下面是建造时间的一个分布情况。

下面是对房屋建造类型的一个描述，我们首先使用正则表达式将数字等信息删除，目的是保留房屋的结构类型，比如是楼板房还是平房这样的信息。

def clean_build(x):
        x = re.sub('\d+', '', x)
        a = x.replace('年', '').replace('建', '')
        return a 
    
    df['build_type'] = df.build_year.apply(clean_build)
    build_type = df.build_type.value_counts()
    del build_type['无']
    
    fig = plt.figure(figsize=(6,6))
    ax = fig.add_subplot(111)
    build_type.plot.pie()

![1203446-20171108144743809-946303345.png][]

板楼类型的房屋是最多的，这也和建造时间有关，毕竟建造时间整体偏向于上个世纪。

下面看一下装修情况。

def strip(x):
        return x.strip()
    df.decoration = df.decoration.apply(strip)
    df.decoration.unique()
    
    decoration = df.decoration.value_counts()
    del decoration['其他']
    
    plt.figure(figsize=(10,6))
    decoration.plot.bar()
    plt.title('南京地区二手房装修情况')
    plt.savefig('装修.jpg')

![1203446-20171108145126950-1297979669.png][]

下面看一下哪几个街区的均价是最高的，先对数据做一些预处理。

df.unit_price = df.unit_price.astype(np.int)
    
    unit_price = df.sort_values(by='unit_price', ascending=False)[:10]
    unit_price.set_index(unit_price.name, inplace=True)
    
    def clean__(x):
        return x.replace('平米', '')
    
    unit_price.area = unit_price.area.apply(clean__)
    unit_price.area = unit_price.area.astype(np.float)
    
    area_price = unit_price['unit_price']
    area_price
    
    plt.figure(figsize=(12,7))
    area_price.plot.bar()
    plt.title('单价最高Top10')
    plt.savefig('单价最高前十.jpg')
    plt.show()

![1203446-20171108145749388-990768335.png][]

接下来在看一下，房屋整体结构的占比情况。

fig = plt.figure(figsize=(8,8))
    ax = fig.add_subplot(111)
    
    df['style'].value_counts()[:6].plot.pie(cmap=plt.cm.rainbow)
    plt.title('房屋整体结构占比情况')

![1203446-20171108150713216-20493205.png][]

两室一厅作为标准配置，占比接近一半。

最后再来看一下房源朝向分布情况。

fig = plt.figure(figsize=(12,7))
    ax = fig.add_subplot(111)
    df.orientation.value_counts()[:10].plot.bar()
    plt.title('房源朝向分布情况')

![1203446-20171108151153059-844609762.png][]

转载于:https://www.cnblogs.com/cnkai/p/7804184.html

[1203446-20171108132732372-617638736.png]: /images/20211210/24edb446ec3444a3ab6c6657ce04efb4.png
[1203446-20171108133246200-1818522051.png]: /images/20211210/ac3209c23b9b4277afd11a9dfeafabb2.png
[1203446-20171108133514466-1779896091.png]: /images/20211210/655e58380eb64211a9c72ff72e6e635c.png
[1203446-20171108134502763-2006044031.png]: /images/20211210/cdf8fa19790044d59e5ce3b4041ff4b6.png
[1203446-20171108135148606-105313493.png]: /images/20211210/405dd5659128495b8cb4352d222d1c61.png
[1203446-20171108150206216-891055576.png]: /images/20211210/d7fb8ff4af2f4ffcadb553fa016ff256.png
[1203446-20171108144743809-946303345.png]: /images/20211210/ddeb198061e049bfb96595137d749b6d.png
[1203446-20171108145126950-1297979669.png]: /images/20211210/4b3c3981048d424ab0864aa7fa97933f.png
[1203446-20171108145749388-990768335.png]: /images/20211210/ee9d4383e40c4ffea28f3e8c8681a8b7.png
[1203446-20171108150713216-20493205.png]: /images/20211210/441635155eb145a2ae0495f7e5852fbb.png
[1203446-20171108151153059-844609762.png]: /images/20211210/2f5ed368567d4c068ba15b916a9992f1.png