用Python分析北京二手房房价

经过查看发现这组数据是别墅，出现异常的原因是由于别墅结构比较特殊(无朝向无电梯)，字段定义与二手商品房不太一样导致爬虫爬取数据错位。也因别墅类型二手房不在我们的考虑范围之内，故将其移除再次观察Size分布和Price关系。

df.loc[df['Size']>1000] 

经观察这个异常点不是普通的民用二手房，很可能是商用房，所以才有1房间0厅确有如此大超过1000平米的面积，这里选择移除。

df.loc[df['Size']>1000] 

重新进行可视化发现就没有明显的异常点了。

Layout特征分析

f, ax1= plt.subplots(figsize=(20,20)) 
sns.countplot(y='Layout', data=df, ax=ax1) 
ax1.set_title('房屋户型',fontsize=15) 
ax1.set_xlabel('数量') 
ax1.set_ylabel('户型') 
plt.show() 

这个特征真是不看不知道，各种厅室组合搭配，竟然还有9室3厅，4室0厅等奇怪的结构。其中，2室一厅占绝大部分，其次是3室一厅，2室2厅，3室两厅。但是仔细观察特征分类下有很多不规则的命名，比如2室一厅与2房间1卫，还有别墅，没有统一的叫法。这样的特征肯定是不能作为机器学习模型的数据输入的，需要使用特征工程进行相应的处理。

Renovation 特征分析

df['Renovation'].value_counts() 

• 精装 11345
• 简装 8497
• 其他 3239
• 毛坯 576南北 20
• Name: Renovation, dtype: int64

发现Renovation装修特征中竟然有南北，它属于朝向的类型，可能是因为爬虫过程中一些信息位置为空，导致“Direction”朝向特征出现在这里，所以需要清除或替换掉。

# 去掉错误数据“南北”，因为爬虫过程中一些信息位置为空，导致“Direction”的特征出现在这里，需要清除或替换 
df['Renovation'] = df.loc[(df['Renovation'] != '南北'), 'Renovation'] 
 
# 画幅设置 
f, [ax1,ax2,ax3] = plt.subplots(1, 3, figsize=(20, 5)) 
sns.countplot(df['Renovation'], ax=ax1) 
sns.barplot(x='Renovation', y='Price', data=df, ax=ax2) 
sns.boxplot(x='Renovation', y='Price', data=df, ax=ax3) 
plt.show() 

观察到，精装修的二手房数量最多，简装其次，也是我们平日常见的。而对于价格来说，毛坯类型却是最高，其次是精装修。

Elevator 特征分析

（编辑：惠州站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!