链家武汉二手房分析和数据建模

#相应模块的导入
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import re
import seaborn as sns
import matplotlib.image as mpimg # mpimg 用于读取图片
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

raw_housing = pd.read_csv('lianjia_house.csv',encoding='gbk')#数据获取过程见上一篇博客

本案例值分析武汉二手厅室房，先看看初始数据是怎么样的！

#信息这一特征所对应的字符串比较复杂，我们需要对其分裂成多列，先探索下这一特征
info = raw_housing['信息'].str.split('|')
info.map(lambda x: len(x)).unique()#可以发现，有些行可以分成4列，有些可以分5列等；

从上面的截图中可以看出样本中有些是车位，有些是别墅，其实认真分析下信息这列的文本结构，字符串中第2个文本，表明了所售资产的类型，可以同过下面语句查看。

raw_housing['信息'].str.split('|').map(lambda x: x[1]).unique()
输出：
array([' 2室2厅 ', ' 3室2厅 ', ' 2室1厅 ', ' 4室3厅 ', ' 3室1厅 ', ' 4室2厅 ',
       ' 1室1厅 ', ' 4室1厅 ', ' 5室1厅 ', ' 1室0厅 ', ' 5室2厅 ', ' 7室2厅 ',
       ' 3室3厅 ', ' 6室2厅 ', ' 6室3厅 ', ' 5室3厅 ', ' 独栋别墅 ', ' 1室2厅 ',
       ' 6室1厅 ', ' 联排别墅 ', ' 8室2厅 ', ' 2室0厅 ', ' 4室4厅 ', ' 车位 ', ' 5室4厅 ',
       ' 7室0厅 ', ' 3室0厅 ', ' 9室3厅 ', ' 7室3厅 ', ' 6室4厅 ', ' 9室0厅 ',
       ' 8室3厅 ', ' 0室23厅 ', ' 3室4厅 ', ' 5室5厅 ', ' 9室2厅 ', ' 叠拼别墅 ',
       ' 双拼别墅 ', ' 5室0厅 ', ' 2室3厅 ', ' 7室4厅 ', ' 6室5厅 ', ' 9室1厅 ',
       ' 8室0厅 ', ' 6室0厅 ', ' 10室1厅 ', ' 4室0厅 ', ' 3室5厅 ', ' 9室4厅 ',
       ' 7室1厅 '], dtype=object)

#剔除掉为车位和别墅的样本

#剔除车位和别墅的样本
housing =