Python数据分析实战之二--某网站二手房信息（数据分析）

~~~接上一篇--数据处理~~~

在对数据进行处理后，需要对数据进行分析

1. 房型：

a. 首先对房型分别进行分析：

import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns

%matplotlib inline

%pylab inline
pylab.rcParams['figure.figsize'] = (15, 10) # 调整图片大小

fig, axes = plt.subplots(nrows=2,ncols=2)
ax1, ax2, ax3, ax4 = axes.flatten()
for ax, col_name in zip(axes.flatten(), df_room.columns):
    temp = df_room[col_name].value_counts().reset_index().rename(columns = {"index":col_name+"-count"})
    sns.barplot(x=col_name+"-count",y=col_name,data=temp,ax=ax)

a. 由房型分组统计可知：

2室最多，其次分别为1室和3室，当房间数大于2室时，随着房间数的增加，二手房交易逐渐减少，包含有5个及以上房间的二手房交易非常少（<2000）。

1厅最多，其次分别为2厅和没有厅的房型，当厅数大于2厅时，随着厅数的增加，二手房交易逐渐减少，包含有3个及以上厅的二手房交易非常少（<2000）。

1厨最多，其次为没有厨房的房型，当厨房数大于1厨时，随着厨数的增加，二手房交易逐渐减少，没有厨房和有2个及以上厨房的二手房交易非常少（<2000）。

1卫最多，其次分别为2卫和3卫，当卫生间数大于3厨时，随着卫生间数的增加，二手房交易逐渐减少，没有卫生间和有3个及以上卫生间的二手房交易