北京二手房价|数据分析

作者: Hill_GM | 来源:发表于2019-03-06 11:17 被阅读3次

一、报告背景：
根据某房价平台数据，通过数据分析，知晓各区二手房价状况。

二、目的：
报告目的：通过数据完成一份Python的二手房价分析报告。
分析目的：
1、找到影响二手房价的因素是：区域？房间数？大厅数？面积数？楼层？有无地铁？有无学区？谁的影响因素最大？如何排序？
2、寻找二手房低洼处投资。

三、基本信息：
数据来源：链接：https://pan.baidu.com/s/1dlFoncdPsQiZNfpsFKEjLg 提取码：u06i
编程平台：Jupyter notebook
图表精美：精简
北京地图：

四、代码解析：
（1）、数据基本情况

#导入库
import pandas as pd 
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns

#读取数据
df=pd.read_csv(r"C:\Users\41174\Desktop\sndHsPr.csv")
#价格单位元转化成万元
df.price=df.price/10000

#数据分析开始3部曲

print(df.head())

print(df.info())

print(df.describe())

如图，dist是地区，roomnum是房间数，halls是大厅数，AREA是房间面积，floor是楼层高度，AREA是面积（单位平方米），subway是地铁（1代表有，0代表无），school是学校（1代表有，0代表无），price，代表价格（单位万元）

如图，dist和floor是字符串类型，其余都是数值型数据，同时没有脏数据和缺漏数据

如图，数据样本量：16210 。在没有通过图表发现数据的整体异常值时，先以平均数为基准看基本情况，但通过后面的分析会发现，存在许多异常值，所以专业分析需要看中位数。现在先分析基本平均信息：roomnum 2.1，大厅1.2，面积91.7，地铁0.83，学校0.3，房价6.1万/每平方米。通过基本平均信息可以知道，房间正常属于大众型刚需型，基本有地铁，但无学校。

根据《一出好戏》的3句经典台词分析：1、稀缺 2、消耗 3、希望。

地铁、房间等基本配置都属于消耗资源，不会产生杠杆或者增值价值，属于消耗品，属于保值或贬值品。但学校属于孩子和未来的希望，属于增值品，同时又稀缺，疯抢和增值空间明显增大，但随着移动互联网的教育资源兴起，和教育改革，该现象期待改变。

from scipy import stats
print(df.price.describe())
print('众数',stats.mode(df.price)[0][0])

如图，价格（单位万/每平方米）平均数6.1，中位数5.7，众数5。

dict1 = {
        u'chaoyang' : "朝阳",
        u'dongcheng' : "东城",
        u'fengtai' :  "丰台",
        u'haidian' : "海淀",
        u'shijingshan' : "石景山",
        u'xicheng': "西城"
        }
#将拼音转化成中文
df.dist=df.dist.apply(lambda x:dict1[x])

print(pd.concat([(df[df.price==min(df.price)]),(df[df.price==max(df.price)])]))

最高房价：西城3房，1厅，78平方米，低楼层，有地铁，无学区，价格15万每平方米。
最低房价：丰台2房，2厅，101平方米，高楼层，无地铁，无学区，价格，1.8万每平方米。

for i in range(7):
    if i !=3:
        print(df.columns.values[i],";")
        print(df[df.columns[i]].agg(['value_counts']).T)
        print("=======================================================================")
    else:
        continue
print("AREA:")

print(df.AREA.agg(['min','mean','median','max','std']).T)

如图：
房源：丰台区域房源最多2947套，石景山最少房源1947套。
房数：2房最多7971套，5房最少102套。
厅数：1厅最多11082套，3厅最少85套。
楼层：几乎相等。
地铁：有地铁13419套，没地铁2791套。
学校：有学校4913套，没学校11297套。（稀缺）
面积：最高299平方米，最低30平方米。
总结：学区房最稀缺。

（2）、图表基本情况

#解决中文乱码问题
plt.rcParams['font.sans-serif']=['SimHei']
sns.distplot(df.price,color='lightblue',bins=20,kde=True)
plt.xlabel("单位面积房价（万元/平方米）")
plt.ylabel("密度")
plt.title('房价密度直方图')
plt.show()

如图，直方图曲线图右侧有较多异常值，属于正偏或右偏正态曲线，不能使用平均值，需要使用中位数，房价中位数是5.7万每平方米。

（3）、盒须图

①、单因素分析

df.groupby('dist').median().price.sort_values(ascending=False)
df.boxplot(column='price',by='dist')
plt.show()

如图，显示各区价格盒须图，盒须图高低无序，通过什么方法让视图清晰可见，容易分析？

#显示各区中位数从高到低排序。
print(df.groupby('dist').median().price.sort_values(ascending=False))
df.dist=df.dist.astype('category')
#根据各区中位数排序，调整区域先后顺序。
df.dist.cat.set_categories(['西城','东城','海淀','朝阳','丰台','石景山'],inplace=True)
df.boxplot(column='price',by='dist')
plt.show()

如图，区域明显与价格成强相关。区域差异最大是西城与石景山，故后面分析时采用西城与石景山的分析。

print(df.groupby('roomnum').median().price.sort_values(ascending=False))
df.roomnum=df.roomnum.astype('object')
df.roomnum=df.roomnum.astype('category')
df.roomnum.cat.set_categories([4,1,5,3,2],inplace=True)
df.boxplot(column='price',by='roomnum')
plt.show()

如图，房间数与价格成弱相关。

print(df.groupby('halls').median().price.sort_index(ascending=False))
df.halls=df.halls.astype('category')
df.halls.cat.set_categories([0,1,2,3],inplace=True)
df.boxplot(column='price',by='halls')
plt.show()

如图，大厅数与价格成弱相关。

df.plot.scatter(x='price',y='AREA')
plt.show()

如图，面积与价格关系暂时无法确定。

print(df.groupby('floor').median().price.sort_index(ascending=False))
df.floor=df.floor.astype('category')
df.floor.cat.set_categories(['middle','low','high'],inplace=True)
df.boxplot(column='price',by='floor')
plt.show()

如图，楼层与价格成弱相关。

print(df.groupby('subway').median().price.sort_index(ascending=False))
df.subway=df.subway.astype('category')
df.subway.cat.set_categories([1,0],inplace=True)
df.boxplot(column='price',by='subway')
plt.show()

如图，地铁与价格成强相关。

print(df.groupby('school').median().price.sort_index(ascending=False))
df.school=df.school.astype('category')
df.school.cat.set_categories([1,0],inplace=True)
df.boxplot(column='price',by='school')
plt.show()

如图，学校与价格成强相关。

综上可知，区域、地铁、学校与价格关系密切，其余因素关系不密切，忽略不计。

②、双因素分析

print(df.groupby(['dist','school']).median().price.sort_index(ascending=False).unstack())
df.boxplot(column='price',by=['dist','school'],figsize=(12,6))
plt.show()

如图可知，
1、（西城，1）-（西城，0）>（西城，1）-（东城，1），可知学区因素>区域因素，分析其余情况基本类似。
2、（石景山，1）价格<（石景山，0），明显存在被低估的价格，很可能是潜力股，可以先调查后投资。

print(df.groupby(['school','subway']).median().price.sort_index(ascending=False).unstack())
df.boxplot(column='price',by=['school','subway'],figsize=(12,6))
plt.show()

如图可知，（1,1）-（1,0）<（1,1）-（0,1），因此学区因素>地铁因素。

print(df.groupby(['dist','subway']).median().price.sort_index(ascending=False).unstack())
df.boxplot(column='price',by=['dist','subway'],figsize=(12,6))
plt.show()

如图，（西城，1）-（西城，0）>（西城，1）-（东城，1），因此学区因素>区域因素。

③、多因素分析

print(df.groupby(['dist','school','subway']).median().price.sort_index(ascending=False).unstack())
df.boxplot(column='price',by=['dist','school','subway'],figsize=(20,10))
plt.xticks(rotation=90)
plt.show()

如图可知，（丰台，1,0）与（石景山，1,1）和（石景山，1,0）明显存在低估，可以先调查，然后投资。

综合如上分析可知：
1、单因素、双因素和多因素分析，可知学区因素>地区因素>地铁因素>其他因素。
2、（丰台，1,0）与（石景山，1,1）和（石景山，1,0）明显存在低估，可以先调查，然后投资。

五、完整代码

#导入库
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns


#读取数据
df=pd.read_csv(r"C:\Users\41174\Desktop\sndHsPr.csv")
#价格单位元转化成万元
df.price=df.price/10000

#数据分析开始3部曲

print(df.head())

print(df.info())

print(df.describe())

from scipy import stats
print(df.price.describe())
print('众数',stats.mode(df.price)[0][0])

dict1 = {
        u'chaoyang' : "朝阳",
        u'dongcheng' : "东城",
        u'fengtai' :  "丰台",
        u'haidian' : "海淀",
        u'shijingshan' : "石景山",
        u'xicheng': "西城"
        }
#将拼音转化成中文
df.dist=df.dist.apply(lambda x:dict1[x])

print(pd.concat([(df[df.price==min(df.price)]),(df[df.price==max(df.price)])]))


for i in range(7):
    if i !=3:
        print(df.columns.values[i],";")
        print(df[df.columns[i]].agg(['value_counts']).T)
        print("=======================================================================")
    else:
        continue
print("AREA:")

print(df.AREA.agg(['min','mean','median','max','std']).T)

#解决中文乱码问题
plt.rcParams['font.sans-serif']=['SimHei']
sns.distplot(df.price,color='lightblue',bins=20,kde=True)
plt.xlabel("单位面积房价（万元/平方米）")
plt.ylabel("密度")
plt.title('房价密度直方图')
plt.show()

df.groupby('dist').median().price.sort_values(ascending=False)
df.boxplot(column='price',by='dist')
plt.show()

#显示各区中位数从高到低排序。
print(df.groupby('dist').median().price.sort_values(ascending=False))
df.dist=df.dist.astype('category')
#根据各区中位数排序，调整区域先后顺序。
df.dist.cat.set_categories(['西城','东城','海淀','朝阳','丰台','石景山'],inplace=True)
df.boxplot(column='price',by='dist')
plt.show()

print(df.groupby('roomnum').median().price.sort_values(ascending=False))
df.roomnum=df.roomnum.astype('object')
df.roomnum=df.roomnum.astype('category')
df.roomnum.cat.set_categories([4,1,5,3,2],inplace=True)
df.boxplot(column='price',by='roomnum')
plt.show()

print(df.groupby('halls').median().price.sort_index(ascending=False))
df.halls=df.halls.astype('category')
df.halls.cat.set_categories([0,1,2,3],inplace=True)
df.boxplot(column='price',by='halls')
plt.show()

df.plot.scatter(x='price',y='AREA')
plt.show()

print(df.groupby('floor').median().price.sort_index(ascending=False))
df.floor=df.floor.astype('category')
df.floor.cat.set_categories(['middle','low','high'],inplace=True)
df.boxplot(column='price',by='floor')
plt.show()

print(df.groupby('subway').median().price.sort_index(ascending=False))
df.subway=df.subway.astype('category')
df.subway.cat.set_categories([1,0],inplace=True)
df.boxplot(column='price',by='subway')
plt.show()

print(df.groupby('school').median().price.sort_index(ascending=False))
df.school=df.school.astype('category')
df.school.cat.set_categories([1,0],inplace=True)
df.boxplot(column='price',by='school')
plt.show()

print(df.groupby(['dist','school']).median().price.sort_index(ascending=False).unstack())
df.boxplot(column='price',by=['dist','school'],figsize=(12,6))
plt.show()

print(df.groupby(['school','subway']).median().price.sort_index(ascending=False).unstack())
df.boxplot(column='price',by=['school','subway'],figsize=(12,6))
plt.show()

print(df.groupby(['dist','subway']).median().price.sort_index(ascending=False).unstack())
df.boxplot(column='price',by=['dist','subway'],figsize=(12,6))
plt.show()

print(df.groupby(['dist','school','subway']).median().price.sort_index(ascending=False).unstack())
df.boxplot(column='price',by=['dist','school','subway'],figsize=(20,10))
plt.xticks(rotation=90)
plt.show()

北京二手房价|数据分析

相关文章

网友评论

延伸阅读

深度阅读

栏目导航

热点阅读

数据蛙数据分析每周作业