南京鏈家網房源數據可視化

針對抓取到的南京市鏈家網的房源數據進行一次簡單的數據可視化

首先導入必要的庫。

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
%matplotlib inline

plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

讀取鏈家網房源數據的csv文件。

df = pd.read_csv('lianjia.csv', encoding='utf-8')
del df['href']
df.head()

原文件中有每個房源的連接信息，在這裏咱們不須要，因此就能夠直接刪除。

上面表格中的列分別是南京市的行政區劃，房源名稱，房屋設置，面積，朝向，裝修狀況的描述，電梯與否，樓層高度，建造時間，在網站上眠的註冊時間，總價（萬），單價（元），地鐵狀況。

首先來看一下基本咱們得到的信息的基本狀況。

df.info()

能夠看到，數據一共是11170條，包括了每一個字段的數據類型。

針對以上的數據，咱們首先來看一下每一個區劃房源的平均價格，須要按照行政區劃進行分組，在對單價單價進行平均。

mean_price_per_region = df.groupby(df.region)

fig = plt.figure(figsize=(12,7))
ax = fig.add_subplot(111)

ax.set_title('南京各區域二手房平均價格')
mean_price_per_region.unit_price.mean().plot.bar()
plt.savefig('mean_price.jpg')
plt.show()

鼓樓區做爲南京市的核心地帶，擁有衆多的購物廣場，其均價相對較高。

在來看一下南京市個行政區劃房源的平均面積，首選須要將area字段的格式進行一下簡單的轉換。

df.area = df.area.apply(lambda x: x.replace('平米', ''))
df.area = df.area.astype(np.float)

fig = plt.figure(figsize=(12,7))
ax = fig.add_subplot(111)
df.groupby('region').area.mean().plot.bar()

一樣的，鼓樓區的平均面積也是最小的。

下面，咱們看一下房屋的建造時間，一樣的，先要對數據進行格式轉換，將對象格式轉換成數值類型，咱們使用正則表達式，將房屋價格中的數字保留下來，將其他的漢字刪除掉。
下面的代碼中，咱們使用了pandas庫裏面很是好用而且經常使用的一個方法apply()來對某一列進行所有應用，而且將將其圖形化，因爲建造時間五花八門，所以咱們只是去其中出現次數最多的前20個進行畫圖。

import re
def number(x):
    a = re.findall('\d+', x)
    if len(a) == 0:
        return None
    else:
        return a[0]
df['year'] = df.build_year.apply(number)

fig = plt.figure(figsize=(8,8))
ax = fig.add_subplot(111)
ax.set_title('南京地區二手房建造時間分佈狀況')
df.year.value_counts()[:20].plot.pie(cmap=plt.cm.rainbow)
plt.savefig('建造時間分佈餅圖.jpg')

從以上的結果能夠看出，佔據絕對數量的建造時間依然是上個世紀九十年代，新建房屋相對偏少。
下面是以上數據直方圖的分佈狀況。

df.year.fillna(df.year.median(), inplace=True)
df.year = df.year.astype(np.int)

fig = plt.figure(figsize=(12,7))
ax = fig.add_subplot(111)
ax.set_title('南京地區二手房建造時間分佈直方圖')
df.year.plot.hist(bins=8)
plt.xlim((1950,2020))
plt.savefig('建造時間直方圖.jpg')

下面是建造時間的一個分佈狀況。

df.year.fillna(df.year.median(), inplace=True)
df.year = df.year.astype(np.int)

fig = plt.figure(figsize=(12,7))
ax = fig.add_subplot(111)
ax.set_title('南京地區二手房建造時間分佈直方圖')
df.year.plot.hist(bins=8)
plt.xlim((1950,2020))
plt.savefig('建造時間直方圖.jpg')

下面是對房屋建造類型的一個描述，咱們首先使用正則表達式將數字等信息刪除，目的是保留房屋的結構類型，好比是樓板房仍是平房這樣的信息。

def clean_build(x):
    x = re.sub('\d+', '', x)
    a = x.replace('年', '').replace('建', '')
    return a 

df['build_type'] = df.build_year.apply(clean_build)
build_type = df.build_type.value_counts()
del build_type['無']

fig = plt.figure(figsize=(6,6))
ax = fig.add_subplot(111)
build_type.plot.pie()

板樓類型的房屋是最多的，這也和建造時間有關，畢竟建造時間總體偏向於上個世紀。

下面看一下裝修狀況。

def strip(x):
    return x.strip()
df.decoration = df.decoration.apply(strip)
df.decoration.unique()

decoration = df.decoration.value_counts()
del decoration['其餘']

plt.figure(figsize=(10,6))
decoration.plot.bar()
plt.title('南京地區二手房裝修狀況')
plt.savefig('裝修.jpg')

下面看一下哪幾個街區的均價是最高的，先對數據作一些預處理。

df.unit_price = df.unit_price.astype(np.int)

unit_price = df.sort_values(by='unit_price', ascending=False)[:10]
unit_price.set_index(unit_price.name, inplace=True)

def clean__(x):
    return x.replace('平米', '')

unit_price.area = unit_price.area.apply(clean__)
unit_price.area = unit_price.area.astype(np.float)

area_price = unit_price['unit_price']
area_price

plt.figure(figsize=(12,7))
area_price.plot.bar()
plt.title('單價最高Top10')
plt.savefig('單價最高前十.jpg')
plt.show()

接下來在看一下，房屋總體結構的佔比狀況。

fig = plt.figure(figsize=(8,8))
ax = fig.add_subplot(111)

df['style'].value_counts()[:6].plot.pie(cmap=plt.cm.rainbow)
plt.title('房屋總體結構佔比狀況')

兩室一廳做爲標準配置，佔比接近一半。

最後再來看一下房源朝向分佈狀況。

fig = plt.figure(figsize=(12,7))
ax = fig.add_subplot(111)
df.orientation.value_counts()[:10].plot.bar()
plt.title('房源朝向分佈狀況')