Python数据分析实战，兰州市二手房市场深度分析

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。