使用Pandas对某地区房产销售数据分析

【实验内容】

1. 读取并查看某地区房屋销售数据的基本信息
2. 提取房屋售出时间信息并描述房屋价格信息
3. 使用分组聚合方法分析房屋销售情况

【实验目的】

        （1）掌握CSV文件数据的读取方法。

        （2）掌握DataFrame的常用属性和方法。

        （3）掌握DataFrame的索引和切片操作。

        （4）掌握时间字符串和标准时间的转换方法。

        （5）掌握pandas 描述性统计方法。

        （6）掌握分组聚合的步骤。

        （7）掌握groupby()的使用方法。

        （8）掌握transform()、agg()、apply()聚合方法。

【实验技术/工具清单】

        集成开发工具：Anaconda3、PyCharm、Jupyter

        第三方模块：Numpy、Pandas

【实验原理/思路】

      实训1：读取并查看某地区房屋销售数据的基本信息

      某房产销售经理为了解某地区2010年-2019年的房屋销售情况，现需查看该地区房屋销售数据。该地区房屋销售数据主要存放了房屋售出时间、地区邮编、房屋价格、房屋类型和配套房间数5个特征，部分数据如表1所示，其中房屋类型有普通住宅（house）和单身公寓（unit）两种。探索数据的基本信息，通过索引操作查询到房屋类型为单身公寓的数据，同时观察数据的整体分布并发现数据间的关联。注意，地区邮编特征已完成脱敏处理，因此只存在4位数。

表1 某地区部分房屋销售数据

 

        实训2：提取房屋售出时间信息并描述房屋价格信息

        基于实训1的数据，在房屋售出时间特征中存在时间数据，提取时间数据内存在的有用信息，如将“2010/1/4 0:00”转换成“2010-1-4”的形式。对时间信息的提取一方面可以加深房产销售经理对数据的理解，另一方面能够去除无意义的时间信息。此外，还可通过描述性统计分析该地区房屋的平均价格、价格区间、价格众数等，便于进一步获取该地区房屋价格信息。

        实训3：使用分组聚合方法分析房屋销售情况

        为了解买房者购买房屋的类型喜好，需要根据房屋所在的地理位置进行分组聚合，然后进行组内和组间分析，从而为买房者提供更好的服务。基于实训1的数据，提取地区邮编特征中数据的前两位，如提取“2615”中的“26”，并生成 new_postcode特征存储提取的内容，其目的是便于统计不同地区房屋价格以及房屋性价比。最后根据 new_postcode特征对数据进行分组操作，从而获取不同地区的房屋价格信息并进行比较。

【实验步骤】

1.读取并查看某地区房屋销售数据的基本信息

（1）使用read_csv函数读取“某地区房屋销售数据.csv”。

（2）使用ndim、shape、columns属性分别查看数据的维度、形状，以及所有特征名称。

（3）使用iloc()方法、loc()方法对房屋类型为unit的数据进行索引操作。

2. 提取房屋售出时间信息并描述房屋价格信息

 （1）使用to_datetime 函数转换房屋售出时间字符串。

 （2）使用mean、max、min、mode函数分别计算该地区房屋价格的均值、最大值、最小值和众数。

 （3）使用describe()方法计算房屋价格数据的类目数量、列中非空元素的数目等统计量。

3. 使用分组聚合方法分析房屋销售情况

 （1）使用apply()方法生成new_postcode特征。

 （2）使用agg()方法和count函数计算出每个地区的房屋售出总数。

 （3）使用 groupby()方法对房屋类型进行分组，并对新地区邮编new_postcode 进行分组后赋值给新的数据框housesale1。

 （4）使用transform()聚合方法和mean函数计算housesale1中房屋价格的均值。

【实验记录与结果分析】

实现源代码和执行结果。

import pandas as pd

import numpy as np

path = "某地区房屋销售数据.csv"

hou=pd.read_csv(path,sep=',',encoding='gbk')

hou.head()

# ndim、shape、column

hou.ndim

hou.shape

hou.columns

hou.loc[hou['房屋类型']=='unit']

hou.iloc[(hou['房屋类型']=='unit').tolist()]

hou['房屋出售时间']=pd.to_datetime(hou['房屋出售时间'])

hou.head()

# 使用mean、max、min、mode函数分别计算该地区房屋价格的均值、最大值、最小值和众数。

hou['房屋价格'].mean()

hou['房屋价格'].max()

hou['房屋价格'].min()

hou['房屋价格'].mode()

# 使用describe()方法计算房屋价格数据的类目数量、列中非空元素的数目等统计量

hou["房屋价格"].describe()

hou=pd.DataFrame(hou)

# (1）使用apply()方法生成new_postcode特征

# hou['new_postcode']=hou["地区邮编"].apply(lambda x:str(x)[:2])

new_postcode=pd.DataFrame(hou["地区邮编"].apply(lambda x:int(str(x)[:2])))

new_postcode.head()

# 2）使用agg()方法和count函数计算出每个地区的房屋售出总数。

# hou.groupby("new_postcode").agg({"new_postcode":["count"]})

new_postcode.groupby("地区邮编").agg({"地区邮编":["count"]})

# （3）使用 groupby()方法对房屋类型进行分组，并对新地区邮编new_postcode 进行分组后赋值给新的数据框housesale1。

# hou['new_postcode']=hou["地区邮编"].apply(lambda x:str(x)[:2])

hou_style=hou.copy(deep=True)

hou_style['new_postcode']=new_postcode

# （3）使用 groupby()方法对房屋类型进行分组，并对新地区邮编new_postcode 进行分组后赋值给新的数据框housesale1。

housesale1=hou_style.groupby([hou_style["房屋类型"],hou_style["new_postcode"]])

housesale1.mean()

# 使用transform()聚合方法和mean函数计算housesale1中房屋价格的均值。

hou_style["区域房屋平均价格"]=pd.DataFrame((housesale1["房屋价格"].transform('mean')))

hou_style.head()