1. 数据基本处理

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
from pylab import mpl # 设置显示中文字体 
mpl.rcParams["font.sans-serif"] = ["SimHei"]


file_data=pd.read_csv("./data/链家北京租房数据.csv")
file_data.head(10)

1.1 重复值和空值的处理

# 重复值
#file_data.duplicated()   
# 删除有重复值的行
file_data=file_data.drop_duplicates()   

# 空值处理
file_data=file_data.dropna()

1.2 数据类型转换

1.2.1 面积数据类型转换

# 单个值实现
file_data["面积(㎡)"].values[0][:-2]

# 创建一个空数组
data_new=np.array([])
data_area=file_data["面积(㎡)"].values
for i in data_area:
    data_new=np.append(data_new,np.array(i[:-2]))

data_new
#转换data_new的数据类型
data_new=data_new.astype(np.float64)
data_new
file_data.loc[:,"面积(㎡)"]=data_new
file_data

1.2.2 户型表达方式替换

file_data.head()

house_data=file_data["户型"]
house_data.head()
temp_list=[]
for i in house_data:
    new_info=i.replace("房间","室")
    temp_list.append(new_info)
temp_list 

file_data.loc[:,"户型"]=temp_list
file_data

1.3 图表分析

1.3.1 房源数量，位置分布分析

file_data["区域"].unique()   #查出房源信息的所有位置

new_df=pd.DataFrame({"区域":file_data["区域"].unique(),"数量":0*13})

# 获取每个区域房源的数量
area_count=file_data.groupby(by="区域").count()
area_count

new_df["数量"]=area_count.values
new_df.sort_values(by="数量",ascending=False)

1.3.2 户型数量分析

house_data=file_data["户型"]
house_data.head()

def all_house(arr):
    key=np.unique(arr)
    result={}
    for k in key:
        mask=(arr==k)
        arr_new=arr[mask]
        v=arr_new.size
        result[k]=v
    return result



housr_info=all_house(house_data)
np.unique(house_data)

# 去掉统计数量较小的值
housr_data=dict((key,value) for key,value in housr_info.items() if value>50)
house_data.head()

show_houses=pd.DataFrame({"户型": [x for x in house_data.values],
              "数量": [x for x in house_data.keys()]})
show_houses=show_houses.head(11)
show_houses

# 图形展示房屋类型
house_type=show_houses["户型"]
house_type_num=show_houses["数量"]
plt.barh(range(11),house_type_num)
plt.yticks(range(11),house_type)
plt.xlim(0,20)
plt.title("北京市各区域租房数量统计")
plt.xlabel("数量")
plt.ylabel("类型")

#给每个条上加上具体的数字
for x,y in enumerate(house_type_num):
    plt.text(y+0.5,x-0.2,"%s" %y)


plt.show()

1.3.3 平均租金分析

df_all=pd.DataFrame({"区域":file_data["区域"].unique(),
                    "房租总金额":[0]*13,
                    "总面积":[0]*13})
df_all

sum_price=file_data["价格(元/月)"].groupby(file_data["区域"]).sum()
sum_area=file_data["面积(㎡)"].groupby(file_data["区域"]).sum()

sum_price
sum_area

df_all["房租总金额"]=sum_price.values
df_all["总面积"]=sum_area.values

# 计算每个区域每平方米的房租
df_all["每平米租金（元）"]=round(df_all["房租总金额"]/df_all["总面积"],2)  # 2 表示   保留两位小数

df_merge=pd.merge(new_df,df_all)  #合并两个表

# 图形可视化
num=df_merge["数量"]
price=df_all["每平米租金（元）"]
lx=df_merge["区域"]
l=[i for i in range(13)]

#创建画布
fig=plt.figure(figsize=(10,8),dpi=100)
#显示折线图
ax1=fig.add_subplot(111)
ax1.plot(l,price,"or-",label="价格")
for i,(_x,_y) in enumerate(zip(l,price)):
    plt.text(_x+0.2,_y,price[i])
ax1.set_ylim([0,160])
ax1.set_ylabel("价格")
plt.legend(loc="upper right")

#显示条形图
ax2=ax1.twinx()
plt.bar(l,num,label="数量",alpha=0.2,color="green")
ax2.set_ylabel("数量")
plt.legend(loc="upper left")
plt.xticks(l,lx)
plt.show()

1.3.4 面积区间分析

# 查看房屋的最大面积和最小面积
print('房屋最大面积是%d平米'%(file_data['面积(㎡)'].max()))
print('房屋最小面积是%d平米'%(file_data['面积(㎡)'].min())) 
# 查看房租的最高值和最小值 
print('房租最高价格为每月%d元'%(file_data['价格(元/月)'].max()))
print('房屋最低价格为每月%d元'%(file_data['价格(元/月)'].min()))

# 面积划分
area_divide=[1,30,50,70,90,120,140,160,1200]
area_cut=pd.cut(list(file_data["面积(㎡)"]),area_divide)

area_cut

area_cut_num=area_cut.describe()
area_cut_num

# 图像可视化
area_per=(area_cut_num["freqs"].values)*100
labels = ['30平米以下', '30-50平米', '50-70平米', '70-90平米', '90-120平米','120-140平米','140-160平米','160平米以上']
plt.figure(figsize=(20,8),dpi=100)
plt.axes(aspect=1)
plt.pie(x=area_per,labels=labels,autopct="%.2f %%")

plt.legend()
plt.show()

area_per