

兰州市二手房市场深度分析：总价、面积与朝向的奥秘

大话数据分析

2024-09-03

导读：兰州市二手房数据深入研究与分析！

在上一期文章中，我们详细探讨了兰州市二手房市场的整体表现，引发了不少读者的兴趣。作为购房者，除了关注地段与价格外，房屋的总价与面积的关系，以及房屋朝向的选择，同样是决策过程中的关键因素。

为了深入了解这些因素，我们对兰州市二手房市场的相关数据进行了细致的分析。本期文章将为您揭示房屋总价与面积之间的关联，并对不同朝向的房源数量进行解读，希望为您的购房决策提供有价值的参考，下面逐一进行分析。

导入数据

这里首先导入二手房数据，可参考我前一节的文章获取数据 Python爬虫实战，链家二手房数据轻松抓取！，或者在公众号后台回复「加群」，可在粉丝群内获取本节的案例数据。

import pandas as pd#读取二手房数据文件file_path = r'C:\Users\尚天强\Desktop\data\二手房数据.xlsx'
df = pd.read_excel(file_path)

显示数据的前几行以了解其结构。

# 显示数据的前几行以了解其结构df.head()

数据清洗

将文本型数据转化为数值型数据，这里使用正则表达式用于字符的提取，此外这里还可以使用replace函数进行替换，同样可以提取到数据。

# 删除字段中的文字和标点符号，保留其数字，并转换成数字类型df['房屋总价（万元）'] = df['房屋总价'].str.extract(r'(\d+\.?\d*)').astype(float)# 删除字段中的文字和标点符号，保留其数字，并转换成数字类型df['房屋面积（平方米）'] = df['面积'].str.extract(r'(\d+\.?\d*)').astype(float)
#数据处理后的结果df.head()

按照房屋朝向对于房屋数进行统计。

# 重新统计'朝向'分组的条目数作为朝向房屋数orientation_counts = df['朝向'].value_counts().reset_index()orientation_counts.columns = ['朝向', '朝向房屋数']
orientation_counts.head()

数据可视化

接下来深入研究房屋总价与房屋面积的关系，使用matplotlib做散点图。

import matplotlib.pyplot as plt # 导入 matplotlib.pyplot 用于绘图plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签plt.rcParams['axes.unicode_minus']=False #用来正常显示负号
# 生成散点图plt.figure(figsize=(9, 6))plt.scatter(df['房屋面积（平方米）'], df['房屋总价（万元）'], color='green')plt.title("房屋面积与房屋总价的散点图")plt.xlabel("房屋面积（平方米）")plt.ylabel("房屋总价（万元）")
# 显示图表plt.show()

由图可以得出，兰州市二手房房屋总价与房屋面积呈现正相关的关系。

此外，研究各个朝向的房屋数量，使用pyecharts做一个玫瑰图。

from pyecharts.charts import Pie,Scatterfrom pyecharts import options as opts
# 生成玫瑰图cate =orientation_counts['朝向'].tolist()data = orientation_counts['朝向房屋数'].tolist()
#玫瑰图美化pie = Pie(init_opts=opts.InitOpts(width='800px', height='600px', bg_color='white'))
pie.add('',[list(z) for z in zip(cate, data)],radius=['10%', '70%'],center=['50%', '65%'], rosetype="radius"       ).set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}")#设置数据标签                        ).set_global_opts(title_opts=opts.TitleOpts(title='各朝向房屋数',pos_left='350',pos_bottom='1',                                                                    title_textstyle_opts=opts.TextStyleOpts(color='black', font_size=16)),                                          legend_opts=opts.LegendOpts(is_show=False)#去除图例                                         )
#在线展示图表pie.render_notebook()