python/show_info.py at master · ruberzhu/python · GitHub

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
import pandas as pd
import matplotlib.pyplot as plt
from pylab import mpl
#导入数值计算库
from sklearn.linear_model import LinearRegression
house = pd.read_csv('csv_to_csv.csv',encoding="GBK")  # 读取训练数据
#分析个城市二手房价格
#指定默认字体
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['font.family']='sans-serif'
#获取总价格全五的数据
# 将字符串转换成数字主要用于处理面积的数据
def data_adj(area_data, str):
    #判断‘平米’在不在这个数据里
    if str in area_data :
        #用find()函数查找字符串的索引位置，方便截取
        return float(area_data[0:area_data.find(str)])
    else : return None
#
#house['mianji'][3622] = float(house['mianji'][3622].replace('3室2厅','66.76'))
#house['mianji'][3626] = float(house['mianji'][3626].replace('4室2厅','66.76'))

#print(house['mianji'])
#计算户型的所占的个数，用到value_counts(),排序也给你做好了，你可以清楚的看到所占的个数
housetype = house['huxing'].value_counts()

mpl.rcParams['font.sans-serif'] = ['FangSong'] # 指定默认字体
mpl.rcParams['axes.unicode_minus'] = False # 解决保存图像是负号'-'显示为方块的问题
#设置画布
asd,sdf = plt.subplots(1,1,dpi=100) #获取前10条数据
housetype.head(5).plot(kind='bar',x='huxing',y='size',title='户型数量分布',ax=sdf)
plt.legend(['数量'])
plt.savefig('户型数量分布.jpg')
plt.show()
#print(house['guanzhu'].str.replace('人关注',''))
#户型和关注人数分布
type_interest_group = house['guanzhu'].groupby(house['huxing']).agg([('户型', 'count'), ('关注人数', 'sum')])
#print(house['guanzhu'].str.replace('人关注','').values)
#获取户型数量大于50 的数据
ti_sort = type_interest_group[type_interest_group['户型'] > 50 ].sort_values(by='户型')
#画图
#print(ti_sort)
asd,sdf = plt.subplots(1,1,dpi=150)
ti_sort.plot(kind='barh',alpha=0.7,grid=True,ax=sdf)
plt.title('二手房户型和关注人数分布')
plt.ylabel('户型')
plt.savefig('二手房户型和关注人数分布.jpg')
plt.show()


#户型和看房次数数分布
type_interest_num = house['daikan'].groupby(house['huxing']).agg([('户型', 'count'), ('看房次数', 'sum')])
ti_sort = type_interest_num[type_interest_num['户型'] > 50 ].sort_values(by='户型')
#画图
asd,sdf = plt.subplots(1,1,dpi=150)
ti_sort.plot(kind='barh',alpha=0.7,grid=True,ax=sdf)
plt.title('二手房户型和看房次数')
plt.ylabel('户型')
plt.savefig('二手房户型和看房次数.jpg')
plt.show()


area_level = [0, 50, 100, 150, 200, 250, 300, 500]
label_level = ['小于50', '50-100', '100-150', '150-200', '200-250', '250-300', '300-350']
#算出所面积在哪个区间
house['mianji'] = house['mianji'].astype(float)
are_cut = pd.cut(house['mianji'],area_level,label_level)
#计算面积在所设置的区间的数量
acreage = are_cut.value_counts()
asd,sdf = plt.subplots(1,1,dpi=150)
acreage.plot(kind='bar',rot=30,alpha=0.4,grid=True,ax=sdf)
plt.title('二手房面积分布')
plt.xlabel('面积')
plt.legend(['数量'])
plt.savefig('二手房面积分布.jpg')
plt.show()


#各个区房源均价
region =house.groupby('region').mean()['unitprice']

asd,sdf = plt.subplots(1,1,dpi=150)
region.plot(kind='bar',x='region',y='unitprice', title='各个区域房源均价',ax=sdf)
plt.savefig('各个区域房源均价.jpg')
plt.show()

#各个区域房源数量排序
region_num = house.groupby('region').size().sort_values(ascending=False)

region_num = house.groupby('region').size().sort_values(ascending=False)
asd,sdf = plt.subplots(1,1,dpi=150)
region_num.plot(kind='bar',x='region',y='size',title='各个区域房源数量分布',ax=sdf)
plt.legend(['数量'])
plt.savefig('各个区域房源数量分布.jpg')
plt.show()

#北京在售面积最小二手房
house.sort_values('mianji').iloc[0,:]

# 各个区域小区房源数量
community_num =house.groupby('xiaoqu').size().sort_values(ascending=False) #画图
asd,sdf = plt.subplots(1,1,dpi=150) #取前十五个
community_num.head(15).plot(kind='bar',x='xiaoqu',y='size',title='各个区域小区房源数量',ax=sdf)
plt.legend(['数量'])
plt.savefig('各个区域小区房源数量.jpg')
plt.show()

#各个小区的房源均价
community_mean = house.groupby('xiaoqu').mean()['unitprice'].sort_values(ascending=False) #画图
asd,sdf = plt.subplots(1,1,dpi=150) #前10 条
community_mean.head(10).plot(kind='bar',x='community',y='mean',title='各个小区房源均价',ax=sdf)
plt.legend(['均价'])
plt.savefig('各个小区房源均价.jpg')
plt.show()

#个个小区看房人数
community_fsum = house['daikan'].groupby(house['xiaoqu']).agg([('小区', 'count'), ('看房次数', 'sum')])
commnuity_count = community_fsum[community_fsum['小区'] >15].sort_values(by='小区') #画图
asd,sdf = plt.subplots(1,1,dpi=150)
commnuity_count.plot(kind='barh',ax=sdf)
plt.title('各个小区看房人数')
plt.savefig('各个小区看房人数.jpg')
plt.show()

#绘制面积和总价的散点图
data1 = house[house["mianji"] <= 300] #筛选面积小于300
area = data1[["mianji"]]
totalprice = data1[["totalprice"]]
plt.scatter(area, totalprice)
plt.title('北京市总价与面积分布散点图')
plt.show


#使用单元线性回归拟合
linear = LinearRegression()
model = linear.fit(area, totalprice)

#预测房价对应的面积
price = model.predict(area)
#将预测的房价和散点图绘制在一张图上
#根据面积预测出相应的价格
#plt.figure(figsize=(20,10))
area = data1[["mianji"]]
totalprice = data1[["totalprice"]]
plt.scatter(area, totalprice)
plt.plot(area, price, color="DeepPink")
plt.title('北京市二手房价预测')

plt.show()