上期：Pandas+Pyecharts | 上海链家二手房数据分析可视化
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
from sklearn.linear_model import Lasso
from sklearn.ensemble import RandomForestRegressor
from sklearn.model_selection import train_test_split2.1 读取数据
df = pd.read_excel('./上海链家二手房数据.xlsx')2.2 查看数据信息
df.info()一共有 28201 条数据 包含小区名称、户型、面积、区域、楼层、朝向、价格、单价、建筑时间等字段
2.3 去除重复数据
df1 = df.drop_duplicates()2.4 去除缺失数据
df1 = df1.dropna()2.5 面积、价格、单价、楼层、建筑时间数据提取
df1['面积'] = pd.to_numeric(df1['面积'].str.extract(r'(\d+\.?\d+)', expand=False))
df1['价格'] = pd.to_numeric(df1['价格'].str.extract(r'(\d+)', expand=False))
df1['单价'] = pd.to_numeric(df1['单价'].str.extract(r'(\d+)', expand=False))
df1['楼层'] = pd.to_numeric(df1['楼层'].str.extract(r'(\d+)', expand=False))
df1['建筑时间'] = pd.to_numeric(df1['建筑时间'].str.replace('年建',''))df1['朝向'] = df1['朝向'].str.replace('朝','')
df1['朝向'] = df1['朝向'].str.replace('(进门) ','')
df1['朝向'] = df1['朝向'].str.replace('(进门)','')
df1 = df1[df1['朝向'] != '']
df1[['户型','室','厅']] = df1['户型'].str.extract(r'((\d+)室(\d+)厅)', expand=True)
df1['室'] = df1['室'].astype('int')
df1['厅'] = df1['厅'].astype('int')
def get_area_analyze():
plt.figure(figsize=(12, 6), dpi=80)
plt.subplot(1, 2, 1)
sns.boxplot(df1['面积'],color=range_color[0])
plt.title('面积分布箱线图')
plt.xlabel('面积(㎡)')
plt.ylabel('数量')
plt.grid(True, which='both', linestyle='--', linewidth=0.5)
plt.subplot(1, 2, 2)
sns.histplot(df1['面积'], kde=True, bins=50,color=range_color[1])
plt.title('面积分布直方图')
plt.xlabel('面积(㎡)')
plt.ylabel('数量')
plt.grid(True, which='both', linestyle='--', linewidth=0.5)根据面积分布可以看出，大部分面积在200㎡以下，少部分在200㎡以上，所以过滤面积200㎡以下的数据。
根据建筑时间分布可以看出，大部分二手房建筑时间在1980年以后，所以过滤建筑时间1980年以后的数据。
def get_floor_analyze():
plt.figure(figsize=(12, 6), dpi=80)
plt.subplot(1, 2, 1)
sns.boxplot(df1['楼层'],color=range_color[2])
plt.title('楼层分布箱线图')
plt.xlabel('楼层')
plt.ylabel('数量')
plt.grid(True, which='both', linestyle='--', linewidth=0.5)
plt.subplot(1, 2, 2)
sns.histplot(df1['楼层'], kde=True, bins=50,color=range_color[3])
plt.title('楼层分布直方图')
plt.xlabel('楼层')
plt.ylabel('数量')
plt.grid(True, which='both', linestyle='--', linewidth=0.5)df_model = df1[['面积', '区域', '楼层', '朝向', '建筑时间', '室', '厅', '价格']]corrdf = df_model.corr()
plt.figure(figsize=(12, 12), dpi=80)
sns.heatmap(corrdf, annot=True,cmap="rainbow", linewidths=0.05,square=True,annot_kws={"size":8}, cbar_kws={'shrink': 0.8})
plt.title("各特征相关性热图",size=16)# 建立模型
model = Lasso()
# 训练模型
model.fit(X_train, y_train)
print(f'训练集得分：{round(model.score(X_train, y_train), 2)}')
print(f'测试集得分：{round(model.score(X_test, y_test), 2)}')
# 预测
y_predict = model.predict(X_test)
# 评估
R_square = model.score(X_test, y_test)
print('模型决定系数: ', round(R_square,2))训练集得分：0.77
模型决定系数：0.77
真实值预测值对比图
# 特征参数
mj = 99 # 面积（㎡）
lc = 3 # 楼层
sj = 1999 # 建筑时间
ws = 3 # 卧室数量
kt = 3 # 客厅数量
xzq = '闵行区'# 行政区
cx = '南北' # 朝向
get_price()训练集得分：0.98
模型决定系数：0.84
真实值预测值对比图
# 特征参数
mj = 99 # 面积（㎡）
lc = 3 # 楼层
sj = 1999 # 建筑时间
ws = 3 # 卧室数量
kt = 3 # 客厅数量
xzq = '闵行区'# 行政区
cx = '南北' # 朝向
get_price()Loss回归与随机森林模型相比，随机森林在测试集和训练集上的表现均优于Loss回归。
Loss回归与随机森林预测的结果相差比较大，可采用多组数据进行预测对比。
以上就是本期为大家整理的全部内容了，喜欢的朋友可以点赞、点在看
也可以分享让更多人知道。
往期推荐
可视化 | Flask+Mysql+Echarts 豆瓣电影Top250数据分析系统
Pandas+Pyecharts | 上海链家二手房数据分析可视化
机器学习 | 基于KNN近邻和随机森林模型对用户转化进行分析与预测
Pandas+Pyecharts | 全国热门旅游景点数据分析可视化
Pandas+Pyecharts | 深圳市共享单车数据分析可视化
Pandas+Pyecharts | 暑期档电影票房数据分析可视化
Pandas+Pyecharts | 平均预期寿命数据可视化
Pandas+Pyecharts | 杭州二手房数据分析可视化
Pandas+Pyecharts | 当当网畅销图书榜单数据分析可视化
Pandas+Pyecharts | 海南旅游攻略数据分析可视化
Pandas+Pyecharts | 全国海底捞门店数据分析可视化
Pandas+Pyecharts | 京东某商品销量数据分析可视化
Pandas+Pyecharts | 第七次人口普查数据分析可视化
Pandas+Pyecharts | 快手APP全国大学生用户数据分析可视化
Pandas+Pyecharts | 奥迪汽车销量数据分析可视化
Pandas+Pyecharts | 剧荒了？用Python找找最近的热播好剧！
Pandas+Pyecharts | 2023年胡润百富榜数据分析可视化
Pandas+Pyecharts | 成都大运会奖牌数据分析可视化
Pandas+Pyecharts | 电子产品销售数据分析可视化+用户RFM画像
Pandas+Pyecharts | 北京近五年历史天气数据可视化
Pandas+Pyecharts | 中国高校及专业数据分析可视化
Pandas+Pyecharts | 新冠疫情数据动态时序可视化
Pandas+Pyecharts | 全国吃穿住行消费排行榜，最‘抠门’的地区居然是北京！！！
Pandas+Pyecharts | 2022世界500强数据分析可视化
Pandas+Pyecharts | 上海市餐饮数据分析可视化
Pandas+Pyecharts | 山东省高考考生数据分析可视化
Pandas+Pyecharts | 20000+天猫订单数据可视化
Pandas+Pyecharts | 40000+汽车之家数据分析可视化
Pandas+Pyecharts | 广州市已成交房源信息数据可视化
Pandas+Pyecharts | 某直聘平台招聘信息数据可视化
可视化 | 分享一套Flask+Pyecharts可视化模板
用Python分析了3W+《独行月球》影评数据，看看观众们怎么说~
