北京链家网租房信息的数据分析项目实战

本篇博客主要参考了《Python 数据分析与应用 ：从数据获取到可视化》这本书，数据来源是通过爬虫爬取链家网的租房信息，可以参考我的另一篇博客python正则表达式爬取链家租房信息

数据读取

import pandas as pd 
import numpy as np

# 读取北京租房信息
file_path = open('D:/文件/python/python练习/11_网络爬虫/lianjiazufang.csv')
file_data = pd.read_csv(file_path)
file_data

	地区	小区名称	户型	面积(㎡)	价格(元/月)
0	海淀	永定路85号院 2室1厅 南/北	2室1厅1卫	45	4500
1	朝阳	整租·华贸城 1室1厅 东南	1室1厅2卫	53	6800
2	丰台	整租·六里桥小区 2室1厅 南/北	2室1厅1卫	61	5500
3	朝阳	北花园小区 1室0厅 南	1室0厅1卫	52	4100
4	顺义	幸福东区 3室1厅 东南	3室1厅1卫	94	4300
5	朝阳	团结湖北五条 1室1厅 南	1室1厅1卫	40	5400
6	东城	整租·管村26号院 2室1厅 南/北	2室1厅1卫	69	5000
7	大兴	新凤小区 3室1厅 南/北	3室1厅1卫	95	2000
8	海淀	整租·北三环中路甲69号院 2室1厅 南/北	2室1厅1卫	59	6800
9	朝阳	整租·安贞西里 1室1厅 南	1室1厅1卫	42	5000
10	海淀	整租·月季园 3室1厅 东	3室1厅1卫	61	8600
11	朝阳	整租·电建南院 2室1厅 南/北	2室1厅1卫	69	5600
12	朝阳	整租·安贞西里 2室1厅 南/北	2室1厅1卫	65	6500
13	朝阳	整租·惠新里小区 2室1厅 南/北	2室1厅1卫	40	5500
14	昌平	整租·华龙苑中里 2室1厅 东/北	2室1厅1卫	53	5500
15	海淀	燕北园 3室1厅 南/北	3室1厅1卫	80	7500
16	大兴	兴海家园日苑 1室1厅 南/北	1室1厅1卫	65	4000
17	朝阳	整租·胜古南里 2室1厅 东南	2室1厅1卫	53	6300
18	顺义	金地未未来 2室1厅 西	2室1厅2卫	42	3500
19	朝阳	柏林爱乐二期 1室1厅 东北	1室1厅1卫	58	5500
20	丰台	整租·葛村西里 2室1厅 南/北	2室1厅1卫	52	4200
21	丰台	整租·角门东里 2室1厅 南	2室1厅1卫	60	5500
22	昌平	龙禧苑一区 3室1厅 南/北	3室1厅1卫	105	5999
23	海淀	车道沟南里 1室1厅 南	1室1厅1卫	15	2800
24	石景山	青年公寓 1室1厅 南	1室1厅1卫	45	3100
25	丰台	整租·中建一局北院 2室1厅 南	2室1厅1卫	78	4800
26	朝阳	整租·朝阳无限 1室1厅 南	1室1厅1卫	68	7300
27	朝阳	整租·花园闸小区 2室1厅 南/北	2室1厅1卫	57	4800
28	西城	百万庄1号院 2室1厅 南/北	2室1厅1卫	63	6500
29	顺义	整租·蓝星花园 1室0厅 西	1室0厅1卫	36	3300
...	...	...	...	...	...
2927	海淀	整租·双紫小区 2室1厅 南	2室1厅2卫	91	9000
2928	门头沟	整租·霁月园 2室1厅 南/北	2室1厅1卫	87	3900
2929	朝阳	整租·半岛国际公寓 2室1厅 南/北	2室1厅1卫	109	13000
2930	朝阳	地杰长安驿 1室0厅 西	1室0厅1卫	44	8000
2931	朝阳	整租·八里庄南里 1室1厅 南	1室1厅1卫	42	5300
2932	朝阳	整租·国际友谊花园 1室1厅 北	1室1厅1卫	86	8800
2933	昌平	整租·教育局宿舍 3室1厅 南/北	3室1厅1卫	60	3800
2934	朝阳	望京新城 2室1厅 西南	2室1厅1卫	106	9500
2935	丰台	整租·建国街一里 2室1厅 南/北	2室1厅1卫	60	4000
2936	海淀	整租·双榆树北里 2室1厅 南	2室1厅1卫	57	8800
2937	朝阳	北京像素南区 1房间 西南	1房间1卫	44	4400
2938	丰台	整租·西罗园南里 2室1厅 南/北	2室1厅1卫	74	5600
2939	昌平	整租·宁馨苑 2室1厅 南/北	2室1厅1卫	101	5000
2940	海淀	整租·半壁店六建宿舍 1室1厅 南	1室1厅1卫	41	4800
2941	海淀	整租·牡丹园东里 1室1厅 南	1室1厅1卫	40	6700
2942	海淀	整租·新科祥园 2室1厅 东南	2室1厅1卫	83	16200
2943	石景山	整租·西井小区一区 2室1厅 东	2室1厅1卫	50	4500
2944	朝阳	凤凰城三期 1室1厅 东/西	1室1厅1卫	79	13000
2945	西城	马甸南村 2室1厅 东北	2室1厅1卫	64	8500
2946	房山	整租·长阳国际城二区 2室1厅 南	2室1厅1卫	80	3900
2947	丰台	整租·卢沟桥南里 3室1厅 南/北	3室1厅1卫	74	4200
2948	通州	格兰晴天 3室1厅 南/北	3室1厅2卫	133	7000
2949	海淀	整租·航天社区 1室1厅 南	1室1厅1卫	44	7500
2950	通州	玉桥东路19号院 2室1厅 南/北	2室1厅1卫	90	3600
2951	通州	玉桥西里70号院 2室1厅 南/北	2室1厅1卫	89	3800
2952	大兴	整租·中建国际港 3室2厅 南/北	3室2厅2卫	123	7800
2953	通州	靓景明居 2室1厅 南/北	2室1厅1卫	69	4200
2954	顺义	华英园 2室1厅 南/北	2室1厅1卫	100	3900
2955	朝阳	整租·建国路100号 2室1厅 南	2室1厅1卫	61	8500
2956	大兴	整租·宏大南园 3室1厅 南/北	3室1厅2卫	143	7500

2957 rows × 5 columns

数据预处理

重复值处理

通过pandas中的duplicated()方法完成，只要有重复的数据就会映射为True。

# 检测重复数据

file_data.duplicated()

0       False
1       False
2       False
3       False
4       False
5       False
6       False
7       False
8       False
9       False
10      False
11      False
12      False
13      False
14      False
15      False
16      False
17      False
18      False
19      False
20      False
21      False
22      False
23      False
24      False
25      False
26      False
27      False
28      False
29      False
        ...  
2927    False
2928    False
2929    False
2930    False
2931    False
2932    False
2933    False
2934    False
2935    False
2936    False
2937    False
2938    False
2939    False
2940    False
2941    False
2942    False
2943    False
2944    False
2945    False
2946    False
2947    False
2948    False
2949    False
2950    False
2951    False
2952    False
2953    False
2954    False
2955    False
2956    False
Length: 2957, dtype: bool

# 删除重复数据，并对file_data重新赋值
file_data = file_data.drop_duplicates()

file_data.head()

	地区	小区名称	户型	面积(㎡)	价格(元/月)
0	海淀	永定路85号院 2室1厅 南/北	2室1厅1卫	45	4500
1	朝阳	整租·华贸城 1室1厅 东南	1室1厅2卫	53	6800
2	丰台	整租·六里桥小区 2室1厅 南/北	2室1厅1卫	61	5500
3	朝阳	北花园小区 1室0厅 南	1室0厅1卫	52	4100
4	顺义	幸福东区 3室1厅 东南	3室1厅1卫	94	4300

空值处理

直接使用dropna()方法检测并删除缺失的数据

# 删除缺失数据，并对file_data重新赋值
file_data = file_data.dropna()
file_data.tail()