「实战」南京房价的秘密——小区价格篇「1」

你好，我是悦创。

上一篇，我跟你分享了《「实战」南京房价的秘密——准备篇》，接下来我将用三篇与你分享简单的数据可视化。

南京——江苏省会，国家历史文化名城，全国重要的科研教育基地和综合交通枢纽。作为长三角唯一特大城市（上海的定位为超大城市），南京的房价确实不低，从目前的发布的城市均价看，已经逼近 29000元每平米，稳稳的江苏一哥。那实际情况是什么样子呢？从这一节开始，我们就一边谈数据的可视化，一边聊南京的房价。

本系列实战文章以技术讲解为主，因此对商品房的概念未做严格限制。对于部分拆迁安置房、房改房、福利房，只要能够上市流通，小悦一概不做区分。

Xiaoqu_NJ_format.csv上 一篇文章保存的文档，可以点击上一章文章操作一遍

南京小区概览

import pandas as pd
import numpy as np
Xiaoqu = pd.read_csv("Xiaoqu_NJ_format.csv", dtype=np.str)
Xiaoqu.shape
Out: (5082, 16)

从统计的情况看，南京有各类小区 5082 个。那各个城区的小区分区如何呢？这里我们引入 matplotlib 的柱状图方法 bar() 。

首先需要强调的是， matplotlib 绘图过程非常简单，主要遵循3个基本步骤即可：

（1）绘制并设置画布；

（2）图类型选择以及设置绘图数据；

（3）设置图的其他属性，例如标题、轴等。

案例一：绘制南京行政区县的小区分布图-柱状图

因为是在 jupyter notebook 中演示，需要在 notebook 中显示图片，因此需增加一条魔法命令：

%matplotlib inline	# 魔法命令，作用是把生成的图片嵌入到notebook中
import matplotlib.pyplot as plt
# 设置绘图的字体，特别是中文字体需要注意，避免出现乱码的情况
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

# 基于统计命令，生成待绘图的数据
Series_bar = Xiaoqu["区县定位"].value_counts()
x_data = Series_bar.index.tolist()
y_data = Series_bar.values.tolist()

x_data
Out: ['鼓楼', '江宁', '秦淮', '玄武', '建邺', '浦口', '栖霞', '雨花台', '六合', '溧水', '高淳']
y_data
Out: [915, 849, 807, 460, 406, 395, 380, 314, 265, 194, 97]

# step 1:设置画布大小
plt.figure(figsize=(8, 6))

# step 2:基于bar函数的关键绘图语句（柱状图）
plt.bar(x_data, y_data, facecolor="r", label="小区数量", width=0.5, alpha=0.6)

# step 3:设置图的其他属性
plt.title("南京各区域小区数量", fontsize=15)	# 设置图标题，标题字号，建议标题字号通常大一些
plt.xticks(fontsize=12)	# 设置横轴字号
plt.yticks(fontsize=12)	# 设置纵轴字号
plt.legend()	# 设置显示图例

到这里，一个最常见的绘图流程就介绍完毕了。需要注意的是 bar() 函数的关键参数，上面脚本中列举的是最常见的几个参数：

color：用来指定柱子的颜色，”r” 表示 red，常见有 “g”（green）、“y”（yellow）、“k”（black）、“b”（blue）等。更一般的，可以传入十六进制颜色码，参考链接：https://www.runoob.com/html/html-colorvalues.html

• label：用来指定图例的名称；

• width：用来指定每个柱子的宽度（0~1）；

• alpha：透明度（0~1），通常为了使颜色更加柔和，可以调整该值的大小；