《应用商务统计分析》第二章 方差分析（代码）

广州市商品房价格影响因素分析报告

一、数据采集

链家网房价数据爬虫（github）

 

二、分析流程（github）

0.参数设置

import pandas as pd
import numpy as np

import matplotlib.pyplot as plt

import statsmodels.api as sm
from statsmodels.formula.api import ols
from statsmodels.stats.anova import anova_lm
from sklearn.model_selection import train_test_split
from sklearn.metrics import mean_squared_error

# print配置
str1 = '\n'*4 + '#'*80 
str2 = '\n'*2 + '-'*80 
str3 = '\n'*1 + '-'*40
# 画图
plt.rcParams['font.sans-serif']=['SimHei'] 

################ 0. 设置参数 #################
print(str1 + ' 0. 设置参数')

# 有效变量字典
xdict = {  'location0': '城区'
         , 'room_num': '户型种类数量'
         , 'type':'物业类型'
         , 'tag_num': '标签数量'  
#          , 'location1': '地理位置'
#          , 'city':'城市' 
      }
y = 'price' # '平均房价/元'           

# 其他参数
filepath =  u'houseprice_gz.csv' 
city_dict = {'广州': ['增城','花都','从化','南沙','荔湾','番禺','黄埔','天河','白云','海珠','越秀']
             , '佛山': ['禅城','顺德','高明','南海','三水']
             , '清远': ['清新区','清城区','英德市']      
            } # 城市

1. 数据采集

def get_data(path, index='name'):
    df = pd.read_csv(open(path, 'r', encoding