利用Python做简单的数据可视化2二手房数据

Posted 2021-08-08 卖山楂啦prss

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了利用Python做简单的数据可视化2二手房数据相关的知识，希望对你有一定的参考价值。

1、读入数据

import matplotlib.pyplot as plt
import seaborn as sns
import numpy as np
import pandas as pd
from pyecharts import options as opts
from pyecharts.charts import Pie
from pyecharts.globals import ThemeType
plt.rcParams['font.sans-serif'] = ['SimHei'] #用来显示中文标签
plt.rcParams['axes.unicode_minus'] = False #用来正常显示负号
import os
os.chdir(r'C:\\Users\\\\ABC\\Desktop')
%matplotlib inline

 # 导入数据
df = pd.read_csv('二手房数据.csv',encoding='utf-8')
df.sample(n=10)

在这里插入图片描述

df.drop(['Unnamed: 0'],axis=1,inplace=True)
df

在这里插入图片描述

# 替换null
df = df.replace('null',np.nan)
df = df.replace(' ',np.nan)

for i in df.columns:
    print(i,df[i].unique())

# 据集中是否有重复值
dupNum = df.shape[0] - df.drop_duplicates().shape[0]
print("数据集中有%s列重复值" % dupNum)

# 缺失值处理
def missing_values_table(df):
    mis_val = df.isnull().sum()
    mis_val_percent = 100 * df.isnull().sum() / len(df)
    mis_val_table = pd.concat([mis_val, mis_val_percent], axis=1)
    mis_val_table_ren_columns = mis_val_table.rename(
    columns = {0 : 'Missing Values', 1 : '% of Total Values'})
    mis_val_table_ren_columns = mis_val_table_ren_columns[
        mis_val_table_ren_columns.iloc[:,1] != 0].sort_values(
    '% of Total Values', ascending=False).round(1)
    print ("Your selected dataframe has " + str(df.shape[1]) + " columns.\\n"      
        "There are " + str(mis_val_table_ren_columns.shape[0]) +
            " columns that have missing values.")
    return mis_val_table_ren_columns
# 缺失值统计
missing_values_table(df)

#分类型变量用 众数填补
df = df.fillna(df.mode().max())
df.isna().sum()

# 去掉单位
df["总价"] = df["总价"].apply(lambda x: x.replace("万","")).astype("float")
df["单价"] = df["单价"].apply(lambda x: x.replace("元/平米","")).astype("float")
df["建筑面积"] = df["建筑面积"].apply(lambda x: x.replace("平米","")).astype("float")

画图

zj = pd.pivot_table(df,index=["区域"],values=["总价"],aggfunc=np.mean)
zj

在这里插入图片描述

zj.values.tolist()

在这里插入图片描述

result = []
for i in zj.values.tolist():
    result += i
result

在这里插入图片描述

plt.figure(1 , figsize = (15 , 7))
sns.barplot(zj.index.tolist(),
            result)
plt.xticks(fontsize=13)
plt.yticks(fontsize=13)
plt.xlabel('区域二手房总价均价分析',fontsize=16)   
plt.show()

在这里插入图片描述

df['总价'] = df['总价'].apply(lambda x: x[:-1])
df['二手房总价'] = df['总价'].astype(float)

import pandas as pd
import matplotlib.pyplot as plt	
# 正常显示中文标签
mpl.rcParams['font.sans-serif'] = ['KaiTi']
# 正常显示负号
mpl.rcParams['axes.unicode_minus'] = False
label_font = {
    'weight':'bold',
    'size':14,
    'family':'simsun'
}
plt.figure(figsize=(15,7))
pd.pivot_table(df,index=["区域"],values=["二手房总价"],aggfunc=np.mean).plot.bar()
plt.xticks(fontsize=15,rotation=0)
plt.yticks(fontsize=15)
plt.legend(prop =label_font)
plt.show()

在这里插入图片描述

dj = pd.pivot_table(df,index=["区域"],values=["单价"],aggfunc=np.mean)
result = []
for i in dj.values.tolist():
    result += i
result

plt.figure(1 , figsize = (15 , 7))
sns.barplot(dj.index.tolist(),
            result)
plt.xticks(fontsize=13)
plt.yticks(fontsize=13)
plt.xlabel('区域二手房单价均价分析',fontsize=16)   
plt.show()

在这里插入图片描述

zf = pd.pivot_table(df,index=["区域"],values=["建筑面积"],aggfunc=np.mean)
result = []
for i in zf.values.tolist():
    result += i
result

plt.figure(1 , figsize = (15 , 7))
sns.barplot(zf.index.tolist(),
            result)
plt.xticks(fontsize=13)
plt.yticks(fontsize=13)
plt.xlabel('区域二手房建筑面积分析',fontsize=16)   
plt.show()

在这里插入图片描述

sns.set(rc = {'figure.figsize':(15,7)})
# 正常显示中文标签
mpl.rcParams['font.sans-serif'] = ['KaiTi']
# 正常显示负号
mpl.rcParams['axes.unicode_minus'] = False
label_font = {
    'weight':'bold',
    'size':14,
    'family':'simsun'
}
sns.countplot(x = '楼层',hue = '区域',data = df)
plt.xlabel('区域',fontsize=20)
plt.ylabel('count',fontsize=20)
plt.xticks(fontsize=15)
plt.yticks(fontsize=15)
plt.legend(prop =label_font)
plt.show()

在这里插入图片描述

color = sns.color_palette()
plt.rcParams['font.sans-serif'] = ['SimHei'] #用来显示中文标签
plt.rcParams['axes.unicode_minus'] = False #用来正常显示负号
plt.figure(figsize=(15,7))
sns.countplot(x = '朝向',data = df, order = df['朝向'].value_counts().index)
plt.xlabel('朝向',fontsize=18)
plt.ylabel('count',fontsize=15)
plt.xticks(fontsize=17,rotation=45)
plt.yticks(fontsize=15)
plt.show()

在这里插入图片描述

color = sns.color_palette()
plt.rcParams['font.sans-serif'] = ['SimHei'] #用来显示中文标签
plt.rcParams['axes.unicode_minus'] = False #用来正常显示负号
plt.figure(1 , figsize = (10 , 14))
sns.barplot(df["户型"].value_counts(dropna=False),
            df["户型"].value_counts(dropna=False).keys())
plt.xticks(fontsize=13)
plt.yticks(fontsize=13)
plt.xlabel('户型',fontsize=16)   
plt.show()

在这里插入图片描述

# 销售金额饼图
plt.figure(figsize=(4,4),dpi=150)
dataname = df['楼层']
freq = dataname.value_counts()
colors = ['#99CCFF','#CCFF66','#FFCC99']
plt.pie(freq, labels = freq.index, explode = (0.05, 0, 0), autopct = '%.1f%%', textprops={'fontsize': 12}, colors = colors, startangle = 90, counterclock = False)
plt.axis('square')
plt.legend(loc='upper right', bbox_to_anchor=(1.2, 0.2),prop={'size': 10})
plt.show()

在这里插入图片描述

color = sns.color_palette()
sns.countplot(x = '装修',data = df)
plt.xlabel('装修')
plt.xticks(fontsize=13)
plt.yticks(fontsize=13)

在这里插入图片描述

import matplotlib.pyplot as plt
import warnings
warnings.filterwarnings("ignore")
from palettable.colorbrewer.qualitative import Pastel1_7
plt.rcParams['font.sans-serif'] = ['SimHei'] #用来显示中文标签
plt.rcParams['axes.unicode_minus'] = False #用来正常显示负号

dataname = df['区域']
freq = dataname.value_counts()

plt.figure(1 , figsize = (10 , 10))
plt.pie(freq, labels = freq.index, colors=Pastel1_7.hex_colors,textprops={'fontsize': 15},wedgeprops=dict(width=0.3, edgecolor='w'))
plt.axis('equal') 
plt.show()

在这里插入图片描述

plt.figure(1 , figsize = (12 , 8))
sns.distplot(df['总价'],bins=40)
plt.xticks(fontsize=15)
plt.yticks(fontsize=15)
plt.xlabel('总价',fontsize=16)   
plt.show()

在这里插入图片描述

plt.figure(1 , figsize = (12 , 8))
sns.distplot(df['单价'],bins=40,color='purple')
plt.xticks(fontsize=15)
plt.yticks(fontsize=15)
plt.xlabel('单价',fontsize=16)   
plt.show()

在这里插入图片描述

#先导入函数
import matplotlib.pyplot as plt
import numpy as np
#设置中文可显示字体
plt.rcParams["font.family"]="SimHei"
#设置画布，添加子图
fig=plt.figure(num=1,figsize=(12,8))
ax=fig.add_subplot(111)

dataname = df['区域']
freq = dataname.value_counts()

#画条形图
ax.bar(x=freq.index,height=freq)






ax.bar(x=freq.index,height=freq,color=["#FF7F50","#FF8C00","#FFA54F","#FFB90F","#FFC1C1","#FFDEAD","#FFE4E1","#FFEFD5","#FFFAFA"]\\
       ,bottom=0,edgecolor="gold",linewidth=2,width=1,alpha=1)

ax.set_title("某二手房区域位置统计图",fontsize=20,backgroundcolor='yellowgreen',\\
fontweight='bold',color='white')

plt.xticks(fontsize=15)
plt.yticks(fontsize=15) 
plt.show()

在这里插入图片描述

import matplotlib.pyplot as plt
import warnings
warnings.filterwarnings("ignore")
from palettable.colorbrewer.qualitative import Pastel1_7
plt.rcParams['font.sans-serif'] = ['SimHei'] #用来显示中文标签
plt.rcParams['axes.unicode_minus'] = False #用来正常显示负号
plt.figure(1 , figsize = (10 , 10))

dataname = df['装修']
freq = dataname.value_counts()

colors = ["#d5695d","#377eb8","#4daf4a","#984ea3","#d5695d", "#5d8ca8"]
explode = (0.1,0,0,0,0,0)  #将某部分爆炸出来

patches, texts, autotexts = plt.pie(freq,labels = freq.index,autopct='%.2f%%', colors = colors, 
                                    
                   以上是关于利用Python做简单的数据可视化2二手房数据的主要内容，如果未能解决你的问题，请参考以下文章 
 基于Python的南京二手房数据可视化分析
 网络爬虫简单介绍（python）
 基于大数据的房价数据爬虫与可视化分析预测系统
 利用Python做简单的数据可视化
 利用Python做简单的数据可视化
 入门Python数据分析最好的实战项目