收集整理了一份《2024年最新Python全套学习资料》免费送给大家，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友。
既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上Python知识点，真正体系化！
由于文件比较多，这里只是将部分目录截图出来
如果你需要这些资料，可以添加V无偿获取：hxbc188 （备注666）
正文
缺失数据清洗
先来查看区域缺失的那1条数据
通过查询，最近的小区分别是安鸿峰景苑和万科公园里，它两所在的区域标识是龙岗区的布吉南岭（如图所示），所以可以直接使用布吉南岭进行该字段缺失值的填充
注：上述打点的位置存在偏移，但能反映真实距离，所以未做经纬度偏移转换
**补充一下，这个方法可以用于区域数据中大多数的缺失值填充。**例如：房屋价格存在缺失，可以使用同一区域内的均价进行填充；房屋类型存在缺失，可以使用同一小区的其他房屋该字段的众数进行填充；多个房屋区域存在缺失，可以通过自定义距离函数计算最近的小区进行填充。
具体的内容可以多变，但是万变不离其宗，大家可以参考上述填充方法。
对应的填充代码如下：
# 区域缺失填充
df_data_2.loc[df_data_2.index == 28060, ‘区域’] = ‘布吉南岭’
异常数据清洗
在本次数据集中，存在很多不标准的数据格式，例如：房屋总价的单位、房屋面积等，我们暂且称之为异常数据
参考总价/单价处理
通过简单的汇总查看总价和单价分布情况
可以看到参考总价有两种形式，带单位的和不带单位的，一般处理都是直接确定成数值（方便在回归模型中应用）
同理，参考单价字段可以采用同样的处理方式。但是单价的单位是具体到元的，需要注意应该和总价的单位保持一致
ok，一行代码可以搞定：
# 统一单位
df_data_2[‘参考总价’] = df_data_2[‘参考总价’].apply(lambda x: x.replace(“万”, “”))
df_data_2[‘参考单价’] = df_data_2[‘参考单价’].apply(lambda x: int(x.replace(“元/平米”, “”))/10000)
df_data_2[‘参考总价’] = df_data_2[‘参考总价’].astype(dtype=‘float’)
df_data_2[‘参考单价’] = df_data_2[‘参考单价’].astype(dtype=‘float’)
需要注意原始数据类型默认是 Object，也就是字符类型，但是在我们处理之后已经变成了数值类型，所以在后续的处理中为了避免计算出错，直接将其格式进行转换。
更需要注意的是：总价的单位。因为发现有部分房屋的总价小于10w，谨慎起见把小于10w的房屋单独列出来观察一下
可以看到，并不是总价标错了，而是这些房屋总价的单位是亿，并不是w，所以需要对这部分房屋的总价进行处理
df_data_2.loc[df_data_2[‘参考总价’]<10, ‘参考总价’] = df_data_2.loc[df_data_2[‘参考总价’]<10, ‘参考总价’]*10000
房屋户型处理
同样通过汇总的方式查看户型分布：
房屋户型的格式是：xx室xx厅xx厨xx卫，一共有345种户型布局。但是实际上并没有这么多，需要注意
一般我们在说户型的时候，都只是说 xx室xx厅，很少去关注后面的厨房和卫生间个数。
所以一种思路是只取前两个属性，另一种思路是把每一个属性的个数当做一个单独的字段（拆分下来也就是4个字段）
当然了上面所有属性的个数加在一起可以组成一个新的字段，至于这个字段对于模型具体有没有用最终可以通过贡献度来决定。
这里，我直接采用第一种思路
# 因为不确定xx室xx厅中的数字具体是几位数，所以采用正则匹配的方式
import re
df_data_2[‘房屋户型’] = df_data_2[‘房屋户型’].apply(lambda x: re.findall(r"\d+室\d+厅", x)[0])
房屋楼层处理
同样采用汇总的方式查看分布：
同样的可以用两种处理方式：一种是直接取描述性数据，例如中楼层、高楼层。一种是将通过总楼层，将对应的中楼层进行计算。
例如：总楼层是7层，1-2是低楼层、3-5是中楼层、6-7是高楼层
这样做的好处是将楼层的高度统一到一个层级，但是也会相对的失真，毕竟不同总高的楼总体价格都是差别很大的
这里，为了方便计算，直接采用第一种思路
# 注意分隔符，是：空格+左括号。细节！！！
df_data_2[‘所在楼层’] = df_data_2[‘所在楼层’].apply(lambda x: x.split(" (")[0])
房屋面积处理
同样采用汇总的方式查看分布：
将对应的 ㎡ 剔除掉，保证字段为数值类型
需要注意的是有部分数据为空的，官方标记的是“暂无数据”，这部分我们需要进行缺失值填充。填充的方式上面也有提到过，通过该房屋对应的户型，最好是同小区下对应的户型的建筑面积进行填充
另外，“套内面积”字段也是同样的情况，在此一并进行处理
主要代码如下：
# 统一单位
df_data_2[‘建筑面积’] = df_data_2[‘建筑面积’].apply(lambda x: x.replace(“㎡”, “”))
df_data_2[‘套内面积’] = df_data_2[‘套内面积’].apply(lambda x: x.replace(“㎡”, “”))
# 缺失值填充
df_data_2.loc[df_data_2[‘建筑面积’]‘暂无数据’, ‘建筑面积’] = df_data_2.loc[df_data_2[‘建筑面积’]‘暂无数据’, [‘小区名称’, ‘房屋户型’, ‘建筑面积’]].apply(lambda x: get_nan_info(“小区名称”, “房屋户型”, x[0], x[1], df_data_2, target_col=“建筑面积”, target_value=x[2]), axis=1)
df_data_2.loc[df_data_2[‘套内面积’]‘暂无数据’, ‘套内面积’] = df_data_2.loc[df_data_2[‘套内面积’]‘暂无数据’, [‘小区名称’, ‘房屋户型’, ‘套内面积’]].apply(lambda x: get_nan_info(“小区名称”, “房屋户型”, x[0], x[1], df_data_2, target_col=“套内面积”, target_value=x[2]), axis=1)
但是套内面积的缺失较多，有 15684 条数据，在进行上一步的准确填充之后，当前仍有 8746 条缺失数据
可以进一步扩大，采用深圳市同户型房屋的平均面积进行填充，更进一步的，可使用处理后的房屋户型的平均面积进行填充
但是由于部分户型只有个位数的数据记录，如下图：
仍旧存在 17 条数据存在缺失，都是属于户型超出正常范围的房屋，例如：1室6厅、9室0厅、8室0厅 这种
为了方便起见，直接用建筑面积填充套内面积即可
df_data_2.loc[df_data_2[‘套内面积’]‘该小区无数据’, “套内面积”] = df_data_2.loc[df_data_2[‘套内面积’]‘该小区无数据’, “建筑面积”]
# 手动更改数据类型
df_data_2[‘建筑面积’] = df_data_2[‘建筑面积’].astype(dtype=‘float’)
df_data_2[‘套内面积’] = df_data_2[‘套内面积’].astype(dtype=‘float’)
房屋其他属性处理
同样采用汇总的方式查看分布：
其中:
-
建筑类型、房屋年限字段存在标记为“暂无数据”的缺失值，
-
建筑结构存在标记为“未知结构”的缺失值
-
梯户比例存在NAN缺失（需要NAN检测）
-
户型结构、配备电梯字段存在以上两种类型的缺失值，需要进行处理
处理方式参考上面房屋面积的处理，只需要改动部分代码即可
房屋抵押信息处理
同样采用汇总的方式查看分布：
抵押信息看似很多，但是其实说白了就两种，有抵押和无抵押，直接进行处理即可
具体代码如下：
df_data_2.loc[df_data_2[‘抵押信息’]==‘暂无数据’, ‘抵押信息’] = “未知”
df_data_2[‘抵押信息’] = df_data_2[‘抵押信息’].apply(lambda x: x[0:3])
可视化分析与探索
可视化部分属于非必要内容，它的作用主要是通过绘图的方式发现数据中存在的隐形问题。
比如说：通过可视化发现数值中的极大极小值；通过可视化发现特征和结果之间的规律；通过可视化发现特征之间的相关性等。
但是切记不要为了可视化而可视化**，可视化探索的目的是为了发现问题，进而方便在特征工程中进行深层的特征挖掘，而不是为了绘图的美观！**
如果你数据量不大，能用 Excel 绘图就没必要用 matplotlib，代码绘图推荐用 seaborn 包，方便高效
可视化探索部分因为篇幅原因，具体的绘图代码就不贴出来了，感兴趣的可以加小一好友获取
区域存量分布
绘图如下：
其中，龙岗区以 11274套 二手房的存量遥遥领先，接下来是福田区、罗湖区、南山区等关内区域
从二手房的存量来看，龙岗区是目前最为火热的区域，虽然地处深圳市的关外区域，但是由于区域面积大，且4号线延长线、10号线等地铁线路的开通，交通便利的同时带动了整个区域的发展
如此看来，宝安、龙华、坪山、光明等关外区域的发展似乎也会慢慢加速
片区存量分布
绘图如下：
其中，龙岗区以龙岗中心城为主要二手房存量区域，达到2643套，较第二名坂田区域的存量多了近一倍
福田区域二手房存量排行前三则分别是：梅林(666)皇岗(643)和华强北(510)****
罗湖区域二手房存量排行前三分别是：莲塘(639)春风路(613)和地王(578)****，和福田区域的数量比较相近，毕竟是两个不相上下的中心区域
南山区二手房存量排行前三分别是：前海(971)南山中心(884)和蛇口(658)****，前三的存量差异较大
宝安区和龙华区做为出龙岗以外的两个关外区域，整体存量分布相近的情况下，区域差异较明显
其中，宝安区二手房存量排名前三分别是：西乡(1105)新安(625)福永(436)；龙华区二手房存量排名前三分别是：观澜(848)龙华中心(814)红山(788)****
小总结 ：龙岗区和宝安区的整体分布差异比较相似，而关内三大区域（福田、南山、罗湖）的整体分布差异比较相似
户型分布
绘图如下：
从户型来看，3室2厅（7737）、2室1厅（7467）、1室1厅（5074）分别位居户型存量榜的前三
再往后看7、8、9室的户型也有，但房屋存量只有个位数，如果你需要这份数据去建模预测房价，那么后面的这部分数据可以做一个分箱。举个最简单的例子：7室及7室以上可以统一归为：多室户型
户型结构分布
绘图如下：
平层结构的存量居多，和第二名复式结构的比例大概是8：1，而Loft户型结构的房屋只有一个
这个数据也和现有普通开发商楼盘对应的户型结构比例相近
楼层结构分布
绘图如下：
虽然房屋的高中低楼层和整栋楼的楼层高度有关，但是由于深圳的高楼比较多，对应的中、高的比例会略高于低楼层
举个最简单的例子：一栋30层高的小区，按照数据源头的标准，低于10层的会被定义为低层，但是如果你在不知道这栋楼高度的情况下，5层及以上极有可能会被认为是中层
另外，还有10套地下室出售的，如果你的数据只是针对非地下室的正常住宅进行分析建模，那这部分数据建议你直接剔除掉。
价格与面积分布
绘图如下：
上面这个图是建筑面积和参考总价的分布图，其中，横轴是建筑面积，纵轴是参考总价（单位是：w）
可以看到，有部分二手房的总价是大大超过整体平均值，也有部分二手房的套内面积高于整体平均值
如果你也是看准了Python，想自学Python，在这里为大家准备了丰厚的免费学习大礼包，带大家一起学习，给大家剖析Python兼职、就业行情前景的这些事儿。
一、Python所有方向的学习路线
Python所有方向路线就是把Python常用的技术点做整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。
二、学习软件
工欲善其必先利其器。学习Python常用的开发软件都在这里了，给大家节省了很多时间。
三、全套PDF电子书
书籍的好处就在于权威和体系健全，刚开始学习的时候你可以只看视频或者听某个人讲课，但等你学完之后，你觉得你掌握了，这时候建议还是得去看一下书籍，看权威技术书籍也是每个程序员必经之路。
四、入门学习视频
我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了。
四、实战案例
光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。
五、面试资料
我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。
成为一个Python程序员专家或许需要花费数年时间，但是打下坚实的基础只要几周就可以，如果你按照我提供的学习路线以及资料有意识地去实践，你就有很大可能成功！
最后祝你好运！！！
网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。
如果你需要这些资料，可以添加V无偿获取：hxbc188 （备注666）
一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！
mg-blog.csdnimg.cn/img_convert/252731a671c1fb70aad5355a2c5eeff0.png)
五、面试资料
我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。
成为一个Python程序员专家或许需要花费数年时间，但是打下坚实的基础只要几周就可以，如果你按照我提供的学习路线以及资料有意识地去实践，你就有很大可能成功！
最后祝你好运！！！
网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。
如果你需要这些资料，可以添加V无偿获取：hxbc188 （备注666）
[外链图片转存中…(img-sXSdcnlH-1713858340712)]
一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！
2878
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
