Python数据分析实战,兰州市二手房市场深度分析

embedded/2025/1/25 2:03:20/

作为购房者,除了关注地段与价格外,房屋的总价与面积的关系,以及房屋朝向的选择,同样是决策过程中的关键因素。那么,兰州市的二手房市场中,房屋总价与面积之间究竟存在怎样的关系?各个朝向的房源数量分布又是如何?

为了深入了解这些问题,我们对兰州市二手房市场的相关数据进行了细致的分析。本期文章将为您揭示房屋总价与面积之间的关联,并对不同朝向的房源数量进行解读,希望为您的购房决策提供有价值的参考,下面逐一进行分析。

1.导入数据

这里首先导入二手房数据,如果需要获取本文使用的案例数据,可以在后台私信「二手房」,根据关键词获取案例数据,可进一步进行深入分析。

import pandas as pd
#读取二手房数据文件
file_path = r'C:\Users\尚天强\Desktop\data\二手房数据.xlsx'df = pd.read_excel(file_path)

显示数据的前几行以了解其结构。

# 显示数据的前几行以了解其结构
df.head()

2.数据清洗

将文本型数据转化为数值型数据,这里使用一点正则表达式的知识用于字符的提取,此外这里还可以使用replace函数进行替换,同样可以提取到数据。

# 删除字段中的文字和标点符号,保留其数字,并转换成数字类型
df['房屋总价(万元)'] = df['房屋总价'].str.extract(r'(\d+\.?\d*)').astype(float)
# 删除字段中的文字和标点符号,保留其数字,并转换成数字类型
df['房屋面积(平方米)'] = df['面积'].str.extract(r'(\d+\.?\d*)').astype(float)#数据处理后的结果
df.head()

按照房屋朝向对于房屋数进行统计。

# 重新统计'朝向'分组的条目数作为朝向房屋数
orientation_counts = df['朝向'].value_counts().reset_index()
orientation_counts.columns = ['朝向', '朝向房屋数']orientation_counts.head()

3.数据可视化

接下来深入研究房屋总价与房屋面积的关系,使用matplotlib做散点图。

import matplotlib.pyplot as plt # 导入 matplotlib.pyplot 用于绘图
plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签
plt.rcParams['axes.unicode_minus']=False #用来正常显示负号# 生成散点图
plt.figure(figsize=(9, 6))
plt.scatter(df['房屋面积(平方米)'], df['房屋总价(万元)'], color='green')
plt.title("房屋面积与房屋总价的散点图")
plt.xlabel("房屋面积(平方米)")
plt.ylabel("房屋总价(万元)")# 显示图表
plt.show()

由图可以得出,兰州市二手房房屋总价与房屋面积呈现正相关的关系。

此外,研究各个朝向的房屋数量,使用pyecharts做一个玫瑰图。

from pyecharts.charts import Pie,Scatter
from pyecharts import options as opts# 生成玫瑰图
cate =orientation_counts['朝向'].tolist()
data = orientation_counts['朝向房屋数'].tolist()#玫瑰图美化
pie = Pie(init_opts=opts.InitOpts(width='800px', height='600px', bg_color='white'))pie.add('',[list(z) for z in zip(cate, data)],radius=['10%', '70%'],center=['50%', '65%'], rosetype="radius").set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}")#设置数据标签).set_global_opts(title_opts=opts.TitleOpts(title='各朝向房屋数',pos_left='350',pos_bottom='1',title_textstyle_opts=opts.TextStyleOpts(color='black', font_size=16)),legend_opts=opts.LegendOpts(is_show=False)#去除图例)#在线展示图表
pie.render_notebook()

由玫瑰图可以看出,南北朝向的房屋数最多,有1358间房源,占比总数近一半,其次是南朝向的房屋数量也较多。

通过对兰州市二手房市场数据的深入分析,可以看出,总价与房屋面积之间存在正相关关系。同时,不同朝向的房源数量也呈现出一定规律,这些规律受到城市规划、居民生活习惯以及市场需求等多种因素的影响。

在未来的购房过程中,理解这些市场趋势将有助于您做出更为明智的决策。无论是选择适合自己需求的房屋面积,还是在不同朝向中找到理想的居住空间,都需要我们结合实际需求与市场数据进行综合考量。

文章来源:https://blog.csdn.net/weixin_42684533/article/details/141868637
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.ppmy.cn/embedded/105597.html

相关文章

惠中科技 RDS 自清洁膜层:光伏领域的卓越创新

惠中科技 RDS 自清洁膜层:光伏领域的卓越创新 在当今能源转型的关键时期,光伏产业以其清洁、可持续的特性成为瞩目焦点。而惠中科技的 RDS 自清洁膜层,正以其专业的品质和卓越的性能,为光伏行业带来全新的突破。 领先科技&#…

51单片机.之i2c读写eproom

1、i2c读写eeproom 通过uart发送数据,单片机接收数据后,显示到lcd,并写到eeprom保存。每次开机时,读取eeprom保存的数据,显示到 lcd。 程序框架 1、i2c驱动时序 2、uart中断收发数据 3、eeprom读写驱动 4、lcd驱动 5…

RedisMessageListenerContainer容器初始化

RedisMessageListenerContainer是Spring Data Redis提供的一个容器类,为Redis监听器提供异步处理能力,处理低级别消息、转换Redis的消息通道,它通常与MessageListenerAdapter和自定义的消息监听器一起使用。 一、RedisMessageListenerContain…

每日刷题(图论)

P1119 灾后重建 P1119 灾后重建 - 洛谷 | 计算机科学教育新生态 (luogu.com.cn) 思路 看数据范围知道需要用到Floyd算法,但是道路是不能直接用的,需要等到连接道路的两个村庄重建好才可以使用,所以这需要按照时间依次加入中转点&#xff0c…

collections 学习笔记

collections 学习笔记 collections模块集结了Python中的高性能的容器数据类型,这些数据类型主要包括:namedtuple()、deque、Counter、OrderedDiect、defaultdict。他们作为替换内建(built-in)容器数据类型dict、list、set、tuple…

java和js计算文件的SHA-256哈希值

需求 需要做分片上传,需要在分片合成文件之后校验这个合成的文件是否和上传的一直,具体就是对文件取hash值,于是选择SHA-256取文件哈希值,自己测试之后没问题,特此分享 前端js下使用SHA-256取文件文件哈希值&#xf…

yolo8 目标检测、鉴黄

引言 目标检测是计算机视觉中的一个关键任务,其目标是在图像中识别出各种对象,并准确地定位其位置。近年来,目标检测技术取得了显著进展,尤其是在深度学习的推动下,性能得到了极大的提升。YOLO(You Only Look Once)系列模型作为目标检测领域的重要代表,其创新性的设计…

【Qt窗口】—— 对话框

目录 (一) 对话框介绍 (二)对话框的分类 2.1 模态对话框 2.2 非模态对话框 2.3 混合属性对话框 (三)内置对话框 消息对话框 QMessageBox 颜色对话框 QColorDialog 字体对话框 QFontDialog 输入对…