利用Pandas和matplotlib分析我愛我家房租區間頻率

前幾天利用python爬取了我愛我家的租房的一些數據，就想着能不能對房租進行一波分析，因而經過書籍和博客等查閱了相關資料，進行了房租的區間分析。不得不說，用python作區間分析比我以前用sql關鍵字統計區間簡單多了，話很少說，上代碼

# coding=utf-8
import pandas as pd
import pymysql
import matplotlib.pyplot as plt

db = pymysql.connect(host="127.0.0.1", port=3306, user="root", passwd="root", db="woaiwojia", charset='utf8')
cursor = db.cursor()
df = pd.read_sql("select  * from zufang ", db)
#如下注釋爲對pandas讀取數據以後的數據處理讀取的嘗試
#前三行
#rows = df[0:3] 
#price和lxrphone兩列
#cols = df[['price', 'lxrphone']]
#aa = pd.DataFrame(df)
#前三行和lxrphone和price列
# print(df.ix[0:3,['price','lxrphone']])
#讀取數據的信息
# print(df.info())
#查看錶的描述性信息
# print(df.describe())


#如下爲獲取price列的最大最小值並分組
xse = df['price']
# print(xse.max())
# print(xse.min())
fanwei = list(range(1500, xse.max(), 1500))
fenzu = pd.cut(xse.values, fanwei, right=False)  # 分組區間,長度91
# print(fenzu.codes)#標籤
# print(fenzu.categories)#分組區間，長度8
pinshu = fenzu.value_counts()  # series,區間-個數
#print(pinshu)
# print(pinshu.index)

#設置plot的展現格式
pinshu.plot(kind='bar')
qujian = pd.cut(xse, fanwei, right=False)
df['區間'] = qujian.values
df.groupby('區間').median()
df.groupby('區間').mean()

pinshu_df = pd.DataFrame(pinshu, columns=['頻數'])
pinshu_df['頻率f'] = pinshu_df / pinshu_df['頻數'].sum()
pinshu_df['頻率%'] = pinshu_df['頻率f'].map(lambda x: '%.2f%%' % (x * 100))

pinshu_df['累計頻率f'] = pinshu_df['頻率f'].cumsum()
pinshu_df['累計頻率%'] = pinshu_df['累計頻率f'].map(lambda x: '%.4f%%' % (x * 100))

print(pinshu_df)

plt.show()

打印的結果

使用matplotlib.pyplot的show方法展現的數據

參考博客 pandas分區間，算頻率 參考書籍《Python3爬蟲、數據清洗與可視化實戰》