python北京房价预测_python数据分析——北京房价分析

水深无声 2022-10-25 14:27 148阅读 0赞

数据集及源代码链接：https://github.com/roberpan/python/tree/master/test/dataanalyse/houseprice

一、统计北京各区二手房单价排名，并分析高端小区(排名前10/50/100的小区)，各区占有量

\# -\*- coding: utf-8 -\*-

\# 根据安居客数据来源，对二手房信息进行统计

import pandas as pd

import matplotlib.pyplot as plt

import seaborn as sns

data = pd.read\_csv('data/anjuke.csv')

get\_region = lambda x: x.split('-')\[0\]

address = data\['Region'\].apply(get\_region)

data\['District'\] = address

data\['Unit\_price'\] = data\['Price'\] / data\['Size'\]

plt.figure(figsize=(12,8)) \#设置画布大小

grid=plt.GridSpec(2,3) \#划分画布，这样可以调节每个子图的大小

\#绘制北京各行政区房价排名

fig1=plt.subplot(grid\[0,0:3\])

datagroup1 = data.groupby(\['District'\], as\_index=False)

unit\_price\_mean=datagroup1.Unit\_price.mean().sort\_values(by='Unit\_price',ascending=False)

sns.barplot(x='District',y='Unit\_price',data=unit\_price\_mean)

plt.suptitle('北京各行政区房价排名')

\#绘制总价排前列小区中，各个行政区的拥有量

datagroup2 = data.groupby(\['District','Garden'\], as\_index=False)

price\_mean = datagroup2.Price.mean()

price\_mean = price\_mean.sort\_values(by='Price', ascending=False)

max\_data1 = price\_mean\[:10\]

max\_data2 = price\_mean\[:50\]

max\_data3 = price\_mean\[:100\]

sns.set()

fig2=plt.subplot(grid\[1,0\])

sns.countplot(x='District', data=max\_data1).set\_title('总价排名前10小区各行政区占有量')

fig3=plt.subplot(grid\[1,1\])

sns.countplot(x='District', data=max\_data2).set\_title('总价排名前50小区各行政区占有量')

fig4=plt.subplot(grid\[1,2\])

sns.countplot(x='District', data=max\_data3).set\_title('总价排名前100小区各行政区占有量')

plt.rcParams\['font.sans-serif'\] = \['SimHei'\]

plt.show()

以上执行结果如下图所示：

![62261fbf7ae6f79e59c7d9fc0f49860f.png][]

从以上结果可以看出：

1、从二手房单价维度看：西城最高，东城和海淀分别列第二、第三名，最低的区县是平谷

2、从二手房总价排名前列的小区看：朝阳区遥遥领先，海淀、西城、顺义也排名较为靠前

以上结果可以说明：

1、西城、东城、海淀单价高，应该与此三个区学区较好、较多有关，与地理位置也有一定关系，但学区影响应该远大于地理位置影响，因为朝阳区、丰台区位置都靠近市中心，但价格不明显

2、朝阳区应该是富人最多的区域，再加上地理位置加成，其豪宅小区基本上占整个北京豪宅小区的一半以上，这也与朝阳区商业发达高度相关。另外比较意外的有两个：一个是顺义区豪宅小区也较多，应该与其拥有多个别墅小区、以及靠近朝阳区有关系；二是东城区豪宅数量很少(前100名豪宅小区数还不如昌平，跟大兴差不多)，应该与东城小区老旧，单个二手房面积小有关系

二、显示北京二手房单价排名前十小区

\# -\*- coding: utf-8 -\*-

\# 根据安居客数据来源，对二手房信息进行统计

import pandas as pd

import matplotlib.pyplot as plt

import seaborn as sns

data = pd.read\_csv('data/anjuke.csv')

get\_region = lambda x: x.split('-')\[0\]

address = data\['Region'\].apply(get\_region)

data\['District'\] = address

data\['Unit\_price'\] = data\['Price'\] / data\['Size'\]

gardengp=data.groupby('Garden',as\_index=False)

gardenmean=gardengp.Unit\_price.mean().sort\_values(by='Unit\_price',ascending=False)

sns.barplot(x='Garden',y='Unit\_price',data=gardenmean\[:10\],palette='Spectral\_r')

plt.rcParams\['font.sans-serif'\] = \['SimHei'\]

plt.show()

显示结果如下：

![8a9896dbbcfe6b97a978dcad3f052caf.png][]

[62261fbf7ae6f79e59c7d9fc0f49860f.png]: /images/20221024/8ca88b93604f493caf6181e39a3525e7.png
[8a9896dbbcfe6b97a978dcad3f052caf.png]: /images/20221024/a50c3c1f76b347ec882fd488eaaa49fc.png

发表评论取消回复

表情：

评论列表（有 0 条评论，148人围观）

还没有评论，来说两句吧...

相关阅读

相关 TensorFlow 房价预测

TensorFlow 房价预测以下资料来源于极客时间学习资料 • 房价预测模型介绍 **前置知识：监督学习（Supervised Learning）** ...

傷城~/ 2024年04月20日 09:14/ 0 赞/ 37 阅读

相关 python预测波士顿房价代码

这是一份使用 Python 预测波士顿房价的示例代码： import numpy as np import pandas as pd from skl

朱雀/ 2024年03月25日 07:22/ 0 赞/ 40 阅读

相关基于Markov链的重庆市二手房价预测分析

基于Markov链的重庆市二手房价预测分析 ⭕ AdamCY888 > 摘要：重庆市作为西部开发的龙头城市、新一线城市，其房价备受各界关注。本文在统计重庆市近五年二手

╰+攻爆jí腚メ/ 2023年10月04日 10:18/ 0 赞/ 8 阅读

相关中国房价走势分析——基础数据收集

目录一、人口截止2021年，中国人口中各年代人口总数：二、买房需求分析三、买房还是暂时租房？ 3.1 买房 3.2 租房 3.3 利息高还是房租高？四

深藏阁楼爱情的钟/ 2023年01月01日 12:53/ 0 赞/ 141 阅读

相关 python北京房价预测_python数据分析——北京房价分析

数据集及源代码链接：https://github.com/roberpan/python/tree/master/test/dataanalyse/houseprice 一、

水深无声/ 2022年10月25日 14:27/ 0 赞/ 149 阅读

相关波士顿房价预测

波士顿房价预测 import numpy as np import matplotlib from sklearn import linear_

妖狐艹你老母/ 2022年10月12日 05:54/ 0 赞/ 153 阅读

相关波士顿房价预测

机器学习工程师纳米学位模型评价与验证项目 1: 预测波士顿房价欢迎来到机器学习工程师纳米学位的第一个项目！在此文件中，有些示例代码已经提供给你，但你还需

痛定思痛。/ 2022年06月17日 06:28/ 0 赞/ 162 阅读

相关链家全国房价数据分析：数据获取

最近一直在看论文，也有很久没有coding了，感觉对爬虫的技术有些生疏，我觉得即使现在手头没有在做这方面的东西，经常爬点对技术保鲜还是很重要的。所以这次我打算爬链家的房价数据，

朴灿烈づ我的快乐病毒、/ 2022年04月13日 04:17/ 0 赞/ 221 阅读

相关 python房价预测

打开数据集 ![在这里插入图片描述][20190227190308204.png] 关联数据，找到数据之间的相关性合并数据，找到多个表的共同列–日期 ![在这里

柔情只为你懂/ 2022年03月16日 11:54/ 0 赞/ 194 阅读

相关基于线性回归算法房价预测分析

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ub

忘是亡心i/ 2021年12月20日 16:07/ 0 赞/ 266 阅读