yuxiao-hui
【python爬虫课程设计】大数据分析——中国租房信息大数据分析和数据可视化

一、选题的背景

选取中国租房信息这一选题基于对日益增长的租房需求的关注。随着城市化进程和人口流动加速，租房市场成为社会焦点。我们希望通过对来自不同房产信息平台的数据进行深入分析，探索租房市场的现状和特征。从社会角度，我们关心租房市场的供需状况，以及租房者和房东之间的关系。经济上，我们将关注租金水平、不同地区的价格差异，为租房者提供更全面的参考信息。技术方面，结合地理信息和周边设施数据，我们将尝试揭示租房决策背后的空间和环境因素。此外，通过对比北京、上海、深圳等城市，我们可以深入了解不同城市租房市场的异同。通过这一选题，我们旨在为租房者、房东和相关行业提供有益的洞察，为更智能、便捷的租房体验提供支持。

数据集的数据内容与数据特征分析：

1数据集包含房产信息，如地址、租金、房屋面积、朝向等。

2经过整合，还包含百度地图API获取的经纬度和周边设施信息。

3城市涵盖北京、上海、深圳，数据来源于房天下、58同城、赶集网。

4重要特征包括城市、区域、价格、面积、朝向、楼层、设施等。

二、大数据分析设计方案

数据分析的课程设计方案概述：

数据清洗和预处理：

缺失值处理、重复值去除、异常值处理。

1.探索性数据分析（EDA）：

统计描述性信息，如平均租金、面积等。

不同城市、区域的租房分布情况。

房屋朝向和楼层的分布情况。

周边学校和医院数量的分布。

2.可视化分析：

利用折线图、散点图、箱线图等展示不同特征之间的关系。

绘制饼图、直方图等展示房屋朝向、楼层、设施的分布。

3.进阶分析：

分析周边设施对租金的影响。

聚类分析，识别不同类型的租房簇群。

技术难点：

数据可视化：利用Matplotlib、Seaborn等库绘制多样化的图表。

数据分析的深度和广度：通过多维度的分析，挖掘更深层次的关联和规律。

三、数据分析步骤
 
1.数据源：
本分析所使用的数据源采用爱数科数据科学平台上的一个开放数据集（http://www.idatascience.cn/dataset-detail?table_id=100086）。该数据集包含租房信息，提供了丰富的房地产数据，包括地址、租金、房屋面积、朝向等信息。数据集的获取时间为2020年末至2021年初，来源于房天下、58同城、赶集网。同时，该数据集还整合了由百度地图API获取的经纬度和周边设施信息，为租房分析提供了更全面的视角。
2.数据清洗
import pandas as pd
import matplotlib.pyplot as plt
from scipy import stats
from pylab import mpl
import pandas as pd
mpl.rcParams['font.sans-serif'] = ['simHei']
# 读取租房信息的CSV文件
df = pd.read_csv("D:/pythonzuoye/China_Zufang_Message.csv")
# 查看数据的基本信息
print(df.info())
# 打印 DataFrame 的头部
print(df.head())

# 处理缺失值
print("处理缺失值前：")
print(df.isnull().sum())
# 填充朝向字段的缺失值
df['朝向'].fillna(df['朝向'].mode()[0], inplace=True)
print("\n处理缺失值后：")
print(df.isnull().sum())
# 处理异常值
z_scores = stats.zscore(df['价格'])
df = df[(z_scores < 3) & (z_scores > -3)]
# 处理重复值
print("\n处理重复值前：")
print(df.duplicated().sum())
df.drop_duplicates(inplace=True)
print("\n处理重复值后：")
print(df.duplicated().sum())

数据清洗结果：

处理缺失值前：
link       0
租房网站名称     0
小区         0
详细地址       0
城市         0
区          0
价格         0
室          0
卫          0
厅          0
面积         0
朝向         0
所属楼层       0
总楼层        0
是否有阳台      0
信息发布人类型    0
是否有床       0
是否有衣柜      0
是否有沙发      0
是否有电视      0
是否有冰箱      0
是否有洗衣机     0
是否有空调      0
是否有热水器     0
是否有宽带      0
是否有燃气      0
是否有暖气      0
lng        0
lat        0
最近学校距离     0
周边学校个数     0
最近医院距离     0
周边医院个数     0
dtype: int64

处理缺失值后：
link       0
租房网站名称     0
小区         0
详细地址       0
城市         0
区          0
价格         0
室          0
卫          0
厅          0
面积         0
朝向         0
所属楼层       0
总楼层        0
是否有阳台      0
信息发布人类型    0
是否有床       0
是否有衣柜      0
是否有沙发      0
是否有电视      0
是否有冰箱      0
是否有洗衣机     0
是否有空调      0
是否有热水器     0
是否有宽带      0
是否有燃气      0
是否有暖气      0
lng        0
lat        0
最近学校距离     0
周边学校个数     0
最近医院距离     0
周边医院个数     0
dtype: int64

处理重复值前：
1339

处理重复值后：
0

3.数据可视化

1.分析租房信息数据集中各个城市的出租房屋数量分布情况。

import pandas as pd
import matplotlib.pyplot as plt
from pylab import mpl
# 读取租房信息的CSV文件
df = pd.read_csv("D:/pythonzuoye/China_Zufang_Message.csv")
# 统计各个城市的出租房屋数量
city_counts = df['城市'].value_counts()
# 绘制城市分布图
plt.figure(figsize=(20, 16))
city_counts.plot(kind='bar', color='skyblue', rot=0)
plt.title('出租房屋城市分布')
plt.xlabel('城市')
plt.ylabel('出租房屋数量')
plt.show()

从上图可以看出南山的租房最多。

2.分析租房信息数据集中各个城市的各个区的出租房屋数量占比情况

import pandas as pd
import matplotlib.pyplot as plt
from pylab import mpl
# 读取租房信息的CSV文件
df = pd.read_csv("D:/pythonzuoye/China_Zufang_Message.csv")
# 处理缺失值
df.fillna(0, inplace=True)
# 统计各个区的出租房屋数量
area_counts = df.groupby(['城市', '区']).size().unstack()
# 绘制带有标题的饼图
fig, ax = plt.subplots(len(area_counts), figsize=(15, 15))
for i, (idx, row) in enumerate(area_counts.iterrows()):
    # 避免出现除以零的情况
    row_percentage = row / row.sum() * 100 if row.sum() != 0 else row
    # 去除占比为0%的数据
    row_percentage = row_percentage[row_percentage > 0]
    ax[i].pie(row_percentage, labels=row_percentage.index, autopct='%1.1f%%', startangle=90)
    ax[i].set_title(f"{idx}租房占比")
plt.tight_layout()
plt.show()

从上图可以很清楚的看到各个城市的各个区的出租房屋数量占比。

3.分析了租房信息数据集中房屋价格的分布情况

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
from pylab import mpl
# 读取租房信息的CSV文件
df = pd.read_csv("D:/pythonzuoye/China_Zufang_Message.csv")
# 处理缺失值
df.fillna(0, inplace=True)
max_price = df['价格'].max()
print("最大价格:", max_price)
# 对价格进行分桶处理
price_bins = [0, 500, 1000, 1500, 2000, 2500, 3000, 5000, 10000, 20000, 50000, 100000,500000]
df['价格区间'] = pd.cut(df['价格'], bins=price_bins)
# 画出价格的直方图
plt.figure(figsize=(15, 8))
df['价格区间'].value_counts().sort_index().plot(kind='bar', color='skyblue', edgecolor='black',rot=0)
plt.title('租房价格分布')
plt.xlabel('价格区间')
plt.ylabel('数量')
plt.show()
# 画出价格的箱线图
plt.figure(figsize=(12, 6))
sns.boxplot(x=df['价格区间'], y=df['价格'])
plt.title('租房价格分布箱线图')
plt.xlabel('价格区间')
plt.ylabel('价格')
plt.show()

 

从上图可以很明显的看出价格很多都在3000-10000之间。

4.分析租房信息数据集中房屋面积的分布情况

import pandas as pd
import matplotlib.pyplot as plt
# 读取租房信息的CSV文件
df = pd.read_csv("D:/pythonzuoye/China_Zufang_Message.csv")
# 获取 '面积' 列的最大值和最小值
max_area = df['面积'].max()
min_area = df['面积'].min()
# 去掉最大和最小值，获取 '面积' 列的数据
filtered_areas = df['面积'][(df['面积'] > min_area) & (df['面积'] < max_area)]
# 绘制直方图
plt.hist(filtered_areas, bins=100, color='blue', edgecolor='black')
# 添加标签和标题
plt.xlabel('房屋面积')
plt.ylabel('数量')
plt.title('房屋面积分布图（去掉最大和最小值）')
# 显示图形
plt.show()
# 绘制直方图
plt.hist(filtered_areas, bins=40, range=(0, 500), color='blue', edgecolor='black')
# 添加标签和标题
plt.xlabel('房屋面积')
plt.ylabel('数量')
plt.title('房屋面积分布图（0-500范围，去掉最大和最小值）')
# 设置 x 轴刻度间隔
plt.xticks(range(0, 500,50))
# 显示图形
plt.show()

从上图可以很明显的看出房屋面积在0-150的租房最多

5.分析租房信息数据集中不同城市的平均租金

import pandas as pd
import matplotlib.pyplot as plt
# 读取租房信息的CSV文件
df = pd.read_csv("D:/pythonzuoye/China_Zufang_Message.csv")
# 根据城市分组，计算平均租金
average_prices = df.groupby('城市')['价格'].mean().sort_values(ascending=False)
# 绘制条形图
average_prices.plot(kind='bar', color='skyblue')
# 添加标签和标题
plt.xlabel('城市')
plt.ylabel('平均租金')
plt.title('不同城市的平均租金比较')
# 旋转 x 轴标签，以防止重叠
plt.xticks(rotation=0, ha='center')
# 显示图形
plt.show()

从上图看很直观的看出北京地区的平均租金是最高的。

6.分析租房信息数据集中房屋的房间数、洗手间数和厅的个数的分布情况

import pandas as pd
import matplotlib.pyplot as plt
# 读取租房信息的CSV文件
df = pd.read_csv("D:/pythonzuoye/China_Zufang_Message.csv")
# 绘制房间数分布直方图
plt.figure(figsize=(12, 4))
plt.subplot(1, 3, 1)
plt.hist(df['室'], bins=range(1, 6), color='skyblue', edgecolor='black')
plt.xlabel('房间数')
plt.ylabel('数量')
plt.title('房间数分布图')
# 绘制洗手间数分布直方图
plt.subplot(1, 3, 2)
plt.hist(df['卫'], bins=range(1, 6), color='salmon', edgecolor='black')
plt.xlabel('洗手间数')
plt.ylabel('数量')
plt.title('洗手间数分布图')
# 绘制厅的个数分布直方图
plt.subplot(1, 3, 3)
plt.hist(df['厅'], bins=range(1, 6), color='lightgreen', edgecolor='black')
plt.xlabel('厅的个数')
plt.ylabel('数量')
plt.title('厅的个数分布图')
# 调整布局
plt.tight_layout()
# 显示图形
plt.show()

从上图可以很直观的看出房间数、洗手间数和厅的个数的分布情况，洗手间2间的比较少

7.分析租房信息数据集中不同城市的平均租房面积

import pandas as pd
import matplotlib.pyplot as plt
# 读取租房信息的CSV文件
df = pd.read_csv("D:/pythonzuoye/China_Zufang_Message.csv")
# 根据城市分组，计算租房面积均值
average_area = df.groupby('城市')['面积'].mean().sort_values(ascending=False)
# 绘制柱状图
plt.figure(figsize=(10, 6))
plt.bar(average_area.index, average_area, color='skyblue')
# 添加标签和标题
plt.xlabel('城市')
plt.ylabel('平均租房面积')
plt.title('不同城市的租房面积均值比较')
# 旋转 x 轴标签，以防止重叠
plt.xticks(rotation=45, ha='right')
# 显示图形
plt.tight_layout()
plt.show()

可以很直观的看出北京的平均租房面积最大。

8.分析租房信息数据集中各种设施的整体分布情况

import pandas as pd
import matplotlib.pyplot as plt
from matplotlib.font_manager import FontProperties
# 读取数据集文件
df = pd.read_csv('D:/pythonzuoye/China_Zufang_Message.csv')
# 获取设施列的数据
facilities_columns = ['是否有阳台', '是否有床', '是否有衣柜', '是否有沙发', '是否有电视', '是否有冰箱', '是否有洗衣机', '是否有空调', '是否有热水器', '是否有宽带', '是否有燃气', '是否有暖气']
# 计算每种设施的整体分布
facilities_counts = df[facilities_columns].apply(lambda col: col.value_counts(), axis=0).transpose()
# 创建画布和子图
fig, ax = plt.subplots(figsize=(12, 8))
# 绘制计数条形图
facilities_counts.plot(kind='bar', ax=ax, color=['#1f77b4', '#ff7f0e'], edgecolor='black')
# 设置图形属性
ax.set_title('房屋设施整体分布图', fontproperties=font)
ax.set_xlabel('房屋设施', fontproperties=font)
ax.set_ylabel('数量', fontproperties=font)
ax.legend(['有', '没有'], prop=font)
ax.set_xticklabels(facilities_counts.index, rotation=45, ha='right', fontproperties=font)
# 显示图形
plt.tight_layout()
plt.show()

从上图可以很直观的看出各种设施有的数量比没有的多很多。

9.绘制深圳市房屋面积与价格之间的散点图

import pandas as pd
import matplotlib.pyplot as plt
from matplotlib.font_manager import FontProperties
# 读取数据集文件
df = pd.read_csv('D:/pythonzuoye/China_Zufang_Message.csv')
# 选择一个城市的数据（这里假设城市是深圳）
city_data = df[df['城市'] == '深圳']
# 抽样数据
sample_ratio = 0.5
sampled_data = city_data.sample(frac=sample_ratio, random_state=42)
# 创建散点图，调整透明度
plt.figure(figsize=(10, 6))
plt.scatter(sampled_data['面积'], sampled_data['价格'], alpha=0.5, color='blue', label='房屋数据')
plt.title('房屋面积与价格关系散点图', fontproperties=font)
plt.xlabel('面积（平方米）', fontproperties=font)
plt.ylabel('价格（元/月）', fontproperties=font)
# 设置 x 轴和 y 轴刻度范围和间隔
plt.xlim(0, 300)
plt.xticks(range(0, 301, 50))
plt.ylim(0, 8000)
plt.yticks(range(0, 9001, 1000))
# 显示图例
plt.legend(prop=font)
plt.show()

从上图可以很直观的看出在深圳面积 0-100平方米的租房最多。

10.分析深圳市不同地区的房屋面积与价格之间的关系

import pandas as pd
import matplotlib.pyplot as plt
from matplotlib.font_manager import FontProperties
# 读取数据集文件
df = pd.read_csv('D:/pythonzuoye/China_Zufang_Message.csv')
# 选择一个城市的数据（这里假设城市是深圳）
city_data = df[df['城市'] == '深圳']
# 创建不同地区的颜色映射
area_color_map = {'宝安': 'red', '南山': 'green', '福田': 'blue', '罗湖': 'purple', '龙岗': 'orange'}
# 创建散点图，每个地区使用不同颜色表示
plt.figure(figsize=(12, 8))
for area, color in area_color_map.items():
    area_data = city_data[city_data['区'] == area]
    plt.scatter(area_data['面积'], area_data['价格'], alpha=0.5, label=area, color=color)
plt.title('不同地区房屋面积与价格关系散点图', fontproperties=font)
plt.xlabel('面积（平方米）', fontproperties=font)
plt.ylabel('价格（元/月）', fontproperties=font)
plt.legend()
# 设置 x 轴和 y 轴刻度范围和间隔
plt.xlim(0, 300)
plt.xticks(range(0, 301, 50))
plt.ylim(0, 8000)
plt.yticks(range(0, 25000, 1000))
plt.legend(prop=font)
plt.show()

从上图可以很直观的看出在深圳各个地区面积 0-100平方米的租房最多。

11.分析房屋朝向和楼层的分布情况

import pandas as pd
import matplotlib.pyplot as plt
from matplotlib.font_manager import FontProperties
# 读取数据集文件
df = pd.read_csv('D:/pythonzuoye/China_Zufang_Message.csv')
# 创建画布和子图
fig, (ax1, ax2) = plt.subplots(nrows=1, ncols=2, figsize=(16, 8))
# 房屋朝向分布图（饼图）
orientation_counts = df['朝向'].value_counts()
ax1.axis('equal')
ax1.pie(orientation_counts, labels=orientation_counts.index, autopct='%1.1f%%', startangle=90, colors=['#ff9999', '#66b3ff', '#99ff99', '#ffcc99'])
ax1.set_title('房屋朝向分布', fontproperties=font)
# 房屋楼层分布图（直方图）
floor_counts = df['所属楼层'].value_counts().sort_index()
ax2.bar(floor_counts.index, floor_counts, color='skyblue')
ax2.set_title('房屋楼层分布', fontproperties=font)
ax2.set_xlabel('楼层', fontproperties=font)
ax2.set_ylabel('数量', fontproperties=font)
# 设置 x 轴刻度为整数
plt.xticks(range(int(floor_counts.index.min()), int(floor_counts.index.max()) + 1))
# 设置全局标题
fig.suptitle('房屋朝向和楼层分布图', fontproperties=font, fontsize=16)
# 自动调整布局，以防止标签重叠
plt.tight_layout(rect=[0, 0.03, 1, 0.95])
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
plt.show()

从上图可以很直观的看出朝向大部分租房都是向南的，楼层分布大部分都是在3层

12.分析周边学校数量和周边医院数量的分布情况

import pandas as pd
import matplotlib.pyplot as plt
from matplotlib.font_manager import FontProperties
# 读取数据集文件
df = pd.read_csv('D:/pythonzuoye/China_Zufang_Message.csv')
# 创建画布和子图
fig, (ax1, ax2) = plt.subplots(nrows=1, ncols=2, figsize=(16, 6))
# 周边学校数量分布图（柱状图）
school_counts = df['周边学校个数'].value_counts().sort_index()
ax1.bar(school_counts.index, school_counts, color='lightblue')
ax1.set_title('周边学校数量分布', fontproperties=font)
ax1.set_xlabel('学校个数', fontproperties=font)
ax1.set_ylabel('数量', fontproperties=font)
# 周边医院数量分布图（柱状图）
hospital_counts = df['周边医院个数'].value_counts().sort_index()
ax2.bar(hospital_counts.index, hospital_counts, color='lightgreen')
ax2.set_title('周边医院数量分布', fontproperties=font)
ax2.set_xlabel('医院个数', fontproperties=font)
ax2.set_ylabel('数量', fontproperties=font)
# 设置全局标题
fig.suptitle('周边学校和医院数量分布图', fontproperties=font, fontsize=16)
# 自动调整布局，以防止标签重叠
plt.tight_layout(rect=[0, 0.03, 1, 0.95])
plt.show()

从上图可以很直观的看出学校和医院的分布情况。

13.分析使用线性回归模型分析了租房数据集中的两个特征（'周边学校个数'和'周边医院个数'）与目标变量（'价格'）之间的关系。

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_squared_error, mean_absolute_error, r2_score
# 读取数据集
df = pd.read_csv('D:/pythonzuoye/China_Zufang_Message.csv')
# 选择特征和目标变量
features = df[['周边学校个数', '周边医院个数']]
target = df['价格']
# 拆分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(features, target, test_size=0.2, random_state=42)
# 建立线性回归模型
model = LinearRegression()
model.fit(X_train, y_train)
# 预测
y_pred = model.predict(X_test)
# 评估模型性能
mse = mean_squared_error(y_test, y_pred)
mae = mean_absolute_error(y_test, y_pred)
r2 = r2_score(y_test, y_pred)
print(f'Mean Squared Error: {mse}')
print(f'Mean Absolute Error: {mae}')
print(f'R-squared: {r2}')
# 数据可视化
plt.figure(figsize=(12, 6))
sns.scatterplot(x='周边学校个数', y='价格', data=df, color='blue', label='实际值')
sns.scatterplot(x='周边学校个数', y=y_pred, data=pd.DataFrame({'周边学校个数': X_test['周边学校个数'], '价格': y_pred}), color='red', label='预测值')
plt.title('实际值 vs 预测值')
plt.xlabel('周边学校个数')
plt.ylabel('价格')
plt.legend()
plt.show()

从上图可以很直观的看出预测和实际还是差距有点多的。

4附完整程序源代码（以及输出结果）

import pandas as pd
import matplotlib.pyplot as plt
from scipy import stats
from pylab import mpl
import pandas as pd
mpl.rcParams['font.sans-serif'] = ['simHei']
# 读取租房信息的CSV文件
df = pd.read_csv("D:/pythonzuoye/China_Zufang_Message.csv")
# 查看数据的基本信息
print(df.info())
# 打印 DataFrame 的头部
print(df.head())

# 处理缺失值
print("处理缺失值前：")
print(df.isnull().sum())
# 填充朝向字段的缺失值
df['朝向'].fillna(df['朝向'].mode()[0], inplace=True)
print("\n处理缺失值后：")
print(df.isnull().sum())
# 处理异常值
z_scores = stats.zscore(df['价格'])
df = df[(z_scores < 3) & (z_scores > -3)]
# 处理重复值
print("\n处理重复值前：")
print(df.duplicated().sum())
df.drop_duplicates(inplace=True)
print("\n处理重复值后：")
print(df.duplicated().sum())

import pandas as pd
import matplotlib.pyplot as plt
from pylab import mpl
# 读取租房信息的CSV文件
df = pd.read_csv("D:/pythonzuoye/China_Zufang_Message.csv")
# 统计各个城市的出租房屋数量
city_counts = df['城市'].value_counts()
# 绘制城市分布图
plt.figure(figsize=(20, 16))  # 调整图表大小
city_counts.plot(kind='bar', color='skyblue', rot=0)
plt.title('出租房屋城市分布')
plt.xlabel('城市')
plt.ylabel('出租房屋数量')
plt.show()

import pandas as pd
import matplotlib.pyplot as plt
from pylab import mpl
# 读取租房信息的CSV文件
df = pd.read_csv("D:/pythonzuoye/China_Zufang_Message.csv")
# 处理缺失值
df.fillna(0, inplace=True)  # 将缺失值填充为0
# 统计各个区的出租房屋数量
area_counts = df.groupby(['城市', '区']).size().unstack()
# 绘制带有标题的饼图
fig, ax = plt.subplots(len(area_counts), figsize=(15, 15))
for i, (idx, row) in enumerate(area_counts.iterrows()):
    # 避免出现除以零的情况
    row_percentage = row / row.sum() * 100 if row.sum() != 0 else row
    # 去除占比为0%的数据
    row_percentage = row_percentage[row_percentage > 0]
    ax[i].pie(row_percentage, labels=row_percentage.index, autopct='%1.1f%%', startangle=90)
    ax[i].set_title(f"{idx}租房占比")
plt.tight_layout()
plt.show()

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
from pylab import mpl
# 读取租房信息的CSV文件
df = pd.read_csv("D:/pythonzuoye/China_Zufang_Message.csv")
# 处理缺失值
df.fillna(0, inplace=True)  # 将缺失值填充为0
max_price = df['价格'].max()
print("最大价格:", max_price)
# 对价格进行分桶处理
price_bins = [0, 500, 1000, 1500, 2000, 2500, 3000, 5000, 10000, 20000, 50000, 100000,500000]
df['价格区间'] = pd.cut(df['价格'], bins=price_bins)
# 画出价格的直方图
plt.figure(figsize=(15, 8))
df['价格区间'].value_counts().sort_index().plot(kind='bar', color='skyblue', edgecolor='black',rot=0)
plt.title('租房价格分布')
plt.xlabel('价格区间')
plt.ylabel('数量')
plt.show()
# 画出价格的箱线图
plt.figure(figsize=(12, 6))
sns.boxplot(x=df['价格区间'], y=df['价格'])
plt.title('租房价格分布箱线图')
plt.xlabel('价格区间')
plt.ylabel('价格')
plt.show()

import pandas as pd
import matplotlib.pyplot as plt
# 读取租房信息的CSV文件
df = pd.read_csv("D:/pythonzuoye/China_Zufang_Message.csv")
# 获取 '面积' 列的最大值和最小值
max_area = df['面积'].max()
min_area = df['面积'].min()
# 去掉最大和最小值，获取 '面积' 列的数据
filtered_areas = df['面积'][(df['面积'] > min_area) & (df['面积'] < max_area)]
# 绘制直方图
plt.hist(filtered_areas, bins=100, color='blue', edgecolor='black')
# 添加标签和标题
plt.xlabel('房屋面积')
plt.ylabel('数量')
plt.title('房屋面积分布图（去掉最大和最小值）')
# 显示图形
plt.show()
# 绘制直方图
plt.hist(filtered_areas, bins=40, range=(0, 500), color='blue', edgecolor='black')
# 添加标签和标题
plt.xlabel('房屋面积')
plt.ylabel('数量')
plt.title('房屋面积分布图（0-500范围，去掉最大和最小值）')
# 设置 x 轴刻度间隔
plt.xticks(range(0, 500,50))
# 显示图形
plt.show()

import pandas as pd
import matplotlib.pyplot as plt
# 读取租房信息的CSV文件
df = pd.read_csv("D:/pythonzuoye/China_Zufang_Message.csv")
# 根据城市分组，计算平均租金
average_prices = df.groupby('城市')['价格'].mean().sort_values(ascending=False)
# 绘制条形图
average_prices.plot(kind='bar', color='skyblue')
# 添加标签和标题
plt.xlabel('城市')
plt.ylabel('平均租金')
plt.title('不同城市的平均租金比较')
# 旋转 x 轴标签，以防止重叠
plt.xticks(rotation=0, ha='center')
# 显示图形
plt.show()

import pandas as pd
import matplotlib.pyplot as plt
# 读取租房信息的CSV文件
df = pd.read_csv("D:/pythonzuoye/China_Zufang_Message.csv")
# 绘制房间数分布直方图
plt.figure(figsize=(12, 4))
plt.subplot(1, 3, 1)
plt.hist(df['室'], bins=range(1, 6), color='skyblue', edgecolor='black')
plt.xlabel('房间数')
plt.ylabel('数量')
plt.title('房间数分布图')
# 绘制洗手间数分布直方图
plt.subplot(1, 3, 2)
plt.hist(df['卫'], bins=range(1, 6), color='salmon', edgecolor='black')
plt.xlabel('洗手间数')
plt.ylabel('数量')
plt.title('洗手间数分布图')
# 绘制厅的个数分布直方图
plt.subplot(1, 3, 3)
plt.hist(df['厅'], bins=range(1, 6), color='lightgreen', edgecolor='black')
plt.xlabel('厅的个数')
plt.ylabel('数量')
plt.title('厅的个数分布图')
# 调整布局
plt.tight_layout()
# 显示图形
plt.show()

import pandas as pd
import matplotlib.pyplot as plt
# 读取租房信息的CSV文件
df = pd.read_csv("D:/pythonzuoye/China_Zufang_Message.csv")
# 根据城市分组，计算租房面积均值
average_area = df.groupby('城市')['面积'].mean().sort_values(ascending=False)
# 绘制柱状图
plt.figure(figsize=(10, 6))
plt.bar(average_area.index, average_area, color='skyblue')
# 添加标签和标题
plt.xlabel('城市')
plt.ylabel('平均租房面积')
plt.title('不同城市的租房面积均值比较')
# 旋转 x 轴标签，以防止重叠
plt.xticks(rotation=45, ha='right')
# 显示图形
plt.tight_layout()
plt.show()

import pandas as pd
import matplotlib.pyplot as plt
from matplotlib.font_manager import FontProperties
# 读取数据集文件
df = pd.read_csv('D:/pythonzuoye/China_Zufang_Message.csv')
# 获取设施列的数据
facilities_columns = ['是否有阳台', '是否有床', '是否有衣柜', '是否有沙发', '是否有电视', '是否有冰箱', '是否有洗衣机', '是否有空调', '是否有热水器', '是否有宽带', '是否有燃气', '是否有暖气']
# 计算每种设施的整体分布
facilities_counts = df[facilities_columns].apply(lambda col: col.value_counts(), axis=0).transpose()
# 创建画布和子图
fig, ax = plt.subplots(figsize=(12, 8))
# 绘制计数条形图
facilities_counts.plot(kind='bar', ax=ax, color=['#1f77b4', '#ff7f0e'], edgecolor='black')
# 设置图形属性
ax.set_title('房屋设施整体分布图', fontproperties=font)
ax.set_xlabel('房屋设施', fontproperties=font)
ax.set_ylabel('数量', fontproperties=font)
ax.legend(['没有', '有'], prop=font)
ax.set_xticklabels(facilities_counts.index, rotation=45, ha='right', fontproperties=font)
# 显示图形
plt.tight_layout()
plt.show()

import pandas as pd
import matplotlib.pyplot as plt
from matplotlib.font_manager import FontProperties
# 读取数据集文件
df = pd.read_csv('D:/pythonzuoye/China_Zufang_Message.csv')
# 指定中文字体
font = FontProperties(fname=r'C:\Windows\Fonts\simhei.ttf', size=12)
# 选择一个城市的数据（这里假设城市是深圳）
city_data = df[df['城市'] == '深圳']
# 抽样数据（例如，只显示50%的数据点）
sample_ratio = 0.5
sampled_data = city_data.sample(frac=sample_ratio, random_state=42)
# 创建散点图，调整透明度
plt.figure(figsize=(10, 6))
plt.scatter(sampled_data['面积'], sampled_data['价格'], alpha=0.5, color='blue', label='房屋数据')
plt.title('房屋面积与价格关系散点图', fontproperties=font)
plt.xlabel('面积（平方米）', fontproperties=font)
plt.ylabel('价格（元/月）', fontproperties=font)
# 设置 x 轴和 y 轴刻度范围和间隔
plt.xlim(0, 300)
plt.xticks(range(0, 301, 50))
plt.ylim(0, 8000)
plt.yticks(range(0, 9001, 1000))
# 显示图例
plt.legend(prop=font)
plt.show()

import pandas as pd
import matplotlib.pyplot as plt
from matplotlib.font_manager import FontProperties
# 读取数据集文件
df = pd.read_csv('D:/pythonzuoye/China_Zufang_Message.csv')
# 选择一个城市的数据（这里假设城市是深圳）
city_data = df[df['城市'] == '深圳']
# 创建不同地区的颜色映射
area_color_map = {'宝安': 'red', '南山': 'green', '福田': 'blue', '罗湖': 'purple', '龙岗': 'orange'}
# 创建散点图，每个地区使用不同颜色表示
plt.figure(figsize=(12, 8))
for area, color in area_color_map.items():
    area_data = city_data[city_data['区'] == area]
    plt.scatter(area_data['面积'], area_data['价格'], alpha=0.5, label=area, color=color)
plt.title('不同地区房屋面积与价格关系散点图', fontproperties=font)
plt.xlabel('面积（平方米）', fontproperties=font)
plt.ylabel('价格（元/月）', fontproperties=font)
plt.legend()
# 设置 x 轴和 y 轴刻度范围和间隔
plt.xlim(0, 300)
plt.xticks(range(0, 301, 50))
plt.ylim(0, 8000)
plt.yticks(range(0, 25000, 1000))
plt.legend(prop=font)
plt.show()

import pandas as pd
import matplotlib.pyplot as plt
from matplotlib.font_manager import FontProperties
# 读取数据集文件
df = pd.read_csv('D:/pythonzuoye/China_Zufang_Message.csv')
# 创建画布和子图
fig, (ax1, ax2) = plt.subplots(nrows=1, ncols=2, figsize=(16, 8))
# 房屋朝向分布图（饼图）
orientation_counts = df['朝向'].value_counts()
ax1.axis('equal')  # 使饼图的长宽比相等，达到放大的效果
ax1.pie(orientation_counts, labels=orientation_counts.index, autopct='%1.1f%%', startangle=90, colors=['#ff9999', '#66b3ff', '#99ff99', '#ffcc99'])
ax1.set_title('房屋朝向分布', fontproperties=font)
# 房屋楼层分布图（直方图）
floor_counts = df['所属楼层'].value_counts().sort_index()
ax2.bar(floor_counts.index, floor_counts, color='skyblue')
ax2.set_title('房屋楼层分布', fontproperties=font)
ax2.set_xlabel('楼层', fontproperties=font)
ax2.set_ylabel('数量', fontproperties=font)
# 设置 x 轴刻度为整数
plt.xticks(range(int(floor_counts.index.min()), int(floor_counts.index.max()) + 1))
# 设置全局标题
fig.suptitle('房屋朝向和楼层分布图', fontproperties=font, fontsize=16)
# 自动调整布局，以防止标签重叠
plt.tight_layout(rect=[0, 0.03, 1, 0.95])
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
plt.show()

import pandas as pd
import matplotlib.pyplot as plt
from matplotlib.font_manager import FontProperties
# 读取数据集文件
df = pd.read_csv('D:/pythonzuoye/China_Zufang_Message.csv')
# 创建画布和子图
fig, (ax1, ax2) = plt.subplots(nrows=1, ncols=2, figsize=(16, 6))
# 周边学校数量分布图（柱状图）
school_counts = df['周边学校个数'].value_counts().sort_index()
ax1.bar(school_counts.index, school_counts, color='lightblue')
ax1.set_title('周边学校数量分布', fontproperties=font)
ax1.set_xlabel('学校个数', fontproperties=font)
ax1.set_ylabel('数量', fontproperties=font)
# 周边医院数量分布图（柱状图）
hospital_counts = df['周边医院个数'].value_counts().sort_index()
ax2.bar(hospital_counts.index, hospital_counts, color='lightgreen')
ax2.set_title('周边医院数量分布', fontproperties=font)
ax2.set_xlabel('医院个数', fontproperties=font)
ax2.set_ylabel('数量', fontproperties=font)
# 设置全局标题
fig.suptitle('周边学校和医院数量分布图', fontproperties=font, fontsize=16)
# 自动调整布局，以防止标签重叠
plt.tight_layout(rect=[0, 0.03, 1, 0.95])
plt.show()

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_squared_error, mean_absolute_error, r2_score
# 读取数据集
df = pd.read_csv('D:/pythonzuoye/China_Zufang_Message.csv')
# 选择特征和目标变量
features = df[['周边学校个数', '周边医院个数']]
target = df['价格']
# 拆分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(features, target, test_size=0.2, random_state=42)
# 建立线性回归模型
model = LinearRegression()
model.fit(X_train, y_train)
# 预测
y_pred = model.predict(X_test)
# 评估模型性能
mse = mean_squared_error(y_test, y_pred)
mae = mean_absolute_error(y_test, y_pred)
r2 = r2_score(y_test, y_pred)
print(f'Mean Squared Error: {mse}')
print(f'Mean Absolute Error: {mae}')
print(f'R-squared: {r2}')
# 数据可视化
plt.figure(figsize=(12, 6))
sns.scatterplot(x='周边学校个数', y='价格', data=df, color='blue', label='实际值')
sns.scatterplot(x='周边学校个数', y=y_pred, data=pd.DataFrame({'周边学校个数': X_test['周边学校个数'], '价格': y_pred}), color='red', label='预测值')
plt.title('实际值 vs 预测值')
plt.xlabel('周边学校个数')
plt.ylabel('价格')
plt.legend()
plt.show()

5.总结

在整个课程设计过程中，通过对中国租房信息数据集的分析和挖掘，可以得出以下结论：

1.有益的结论：

不同城市的租房价格存在显著差异，平均租金在城市之间有较大差距。房屋的朝向、楼层、周边学校和医院的数量等因素与租金之间存在一定的关系，

可以通过这些因素进行房价预测。通过聚类分析，可以将租房数据划分为不同的簇群，每个簇群具有一定的相似性，有助于了解租房市场的不同特点。

2.是否达到预期的目标：

预期目标包括对租房市场的整体了解、房价预测模型的建立和对周边设施的分析。这些目标在设计中都得到了初步实现。

3.个人收获：

通过本课程设计，学到了如何处理和清洗现实世界中的数据，进行特征工程和数据可视化。

深入理解了数据分析的流程，包括数据加载、清理、可视化、建模和评估等步骤。了解了房屋租赁市场的一些特征和规律。

4.改进建议：

在进一步分析中，可以考虑引入更多的特征，如房屋装修程度、小区环境等，以提高模型的预测性能。

在可视化方面，可以尝试更多类型的图表和图形，以更全面、直观地展示数据。

可以尝试不同的机器学习算法，比较它们的性能，并进一步优化模型。

总体而言，通过本课程设计，我对数据分析和机器学习在房地产领域的应用有了更深入的理解，同时也意识到在实际应用中，数据清洗和特征选择等环节对最终结果的影响非常重要。在未来的学习中，我将继续深入研究和实践，不断提高数据分析的水平

posted on 2023-12-26 17:50  2203840426余晓辉  阅读(605)  评论(0)    收藏  举报

博客园  ©  2004-2025
浙公网安备 33010602011771号 浙ICP备2021040463号-3 Powered By博客园