链家在售房屋分析

利用Scrapy爬取了链家的2900余条成都二手房的数据，然后基于这些数据做了一些关于房屋价格、区域、户型、房屋数量等方面的分析。

导入基本的库

import re
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

数据具体：

数据集中有些字段是2993行，有些字段是2895行，甚至还有2890行。这说明我们的数据中有缺失值存在，过滤掉缺失值后，所有字段都是2886行，便可以开展下一步分析工作。

查看下数据集整体统计信息，

我们看到总价的平均值是143.65万，最便宜的是32万（有可能是老房子、公寓之类的，正常），最贵的是1100万。单价方面，均价是15685元/平米，最便宜的是5129元/平米，最贵的是44846元/平米。

# 按区域分析数量和价格
df_house_count = house_df.groupby('Region')['houseId'].count().sort_values(ascending=False).to_frame().reset_index().reindex(['Region', 'Count'], axis=1)
df_house_mean = house_df.groupby('Region')['houseSinglePrice'].mean().sort_values(ascending=False).to_frame().reset_index()

f, [ax1, ax2, ax3] = p