先照着简书夜希晨的数据分析抄了一遍,又自己独立写了一遍,算是对python数据分析的练习吧
首先插入库
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
%matplotlib inline
plt.rcParams['font.sans-serif'] = ['SimHei']
导入数据并查看
data = pd.read_csv(r'C:\Users\12435\Desktop\shujufenxi\项目\链家二手房.csv',engine='python')
data.head()
可以看出楼层包含两个信息,将其分开
tmp = data['楼层'].str.split('/',expand = True)
tmp.rename(columns={
0:'高度',1:'楼层'},inplace = True)
df = data.drop('楼层',axis =1).join(tmp)
df
将建筑时间和楼层的单位去掉
df['建筑时间'] = df['建筑时间'].str.extract('(\d+)')
df['楼层'] = df['楼层'].str.extract('(\d+)')
查看数据信息
df.info()
这里可以看到楼层和建筑时间的数据类型不对.修改一下.
df['建筑时间']=df['建筑时间'].astype('float')
df['楼层'] = df['楼层'].astype('float')
查看各列数据缺失情况
df.isnull().sum
下面分析各城区每套房的平均面积
group_district_area = df.groupby('区域')['面积'].mean().sort_values(ascending=False).reset_index()
group_district_area
plt.figure(figsize=(15,5))
plt.bar(group_district_area.区域,group_district_area.面积)
plt.title('各城区平均面积分布柱状图')
plt.ylabel('平方米')
plt.show()
a=df.groupby('区域')['面积'].agg(['mean','count'])
a.reset_index(inplace=True)
a =a.sort_values('count',ascending=False)
fig,ax = plt.subplots()
fig.figsize=(12,5)
ax.bar(a['区域'],a['count'],color = 'r',label = 'count')
ax2 = ax.twinx()
ax2.plot(a['区域'],a['mean'],color='b',label = 'mean')
handles1, labels1 = ax.get_legend_handles_labels()
handles2, labels2 = ax2.get_legend_handles_labels()
plt.legend(handles1+handles2, labels1+labels2, loc=