分析波士顿房屋数据-Pyhon数据分析入门

最新推荐文章于 2024-08-31 17:29:42 发布

Fiona_72

最新推荐文章于 2024-08-31 17:29:42 发布

阅读量487

点赞数

文章标签： python pandas listbox 数据分析

本文链接：https://blog.csdn.net/m0_55683159/article/details/119273179

版权

本文通过Python对波士顿房屋数据进行分析，包括数据预处理、统计描述和可视化。我们关注1940年前房屋比例（Age）和房价中位数（MV），计算平均值、中位数和标准差。直方图显示AGE和MV的分布，进一步探讨数据是否符合正态分布。结果显示AGE并非正态分布，而MV的分布可能接近正态。

摘要由CSDN通过智能技术生成

导入依赖的库

!pip install pandas==0.25.0
!pip install matplotlib==3.1.0
!pip install seaborn==0.9.0
!pip install numpy==1.18.0
!pip install scipy==1.1.0

import pandas as pd
import matplotlib.mlab as mlab
import matplotlib.pyplot as plt
import seaborn as sns
import numpy as np
from scipy import stats
from scipy.stats import norm

%matplotlib inline

定义一个正态分布和直方图的帮助函数

def NormalandHistogram( DataFrame):
    
    mu=DataFrame.mean()
    sigma=DataFrame.std()
    x=DataFrame.values.flatten()
       # the histogram of the data
    n, bins, patches = plt.hist(x, 10, density=1, facecolor='green', alpha=0.75)

    # add a 'best fit' line
    y = norm.pdf( bins, mu, sigma)
    l = plt.plot(bins, y, 'r--', linewidth=1)

    plt.xlabel('x')
    plt.ylabel('Probability')
    </