北京二手房价预测（数据分析）

最新推荐文章于 2024-07-26 09:34:13 发布

Do.it

最新推荐文章于 2024-07-26 09:34:13 发布

阅读量3.3k

点赞数 6

分类专栏：数据分析

本文链接：https://blog.csdn.net/qq_40769121/article/details/109217195

版权

本文是一个使用Python进行初级数据分析的项目，旨在预测北京二手房价格。数据来源于链家，涉及数据清洗、处理、可视化和初步预测。分析了Id、Region、Size、Layout、Renovation、Elevator、Year和Floor等特征，揭示了各区域的房价差异、房间数量、装修状况、电梯影响、建造年份和楼层对房价的影响。

摘要由CSDN通过智能技术生成

分析目的：简单地介绍一个数据分析的初级项目，熟悉使用Python进行简单的数据分析的初级过程。
数据源：来及网络链接的链家全网北京二手房数据，读者可以从百度云盘中复制链接和提取码获取，进行动手实践。（最好使用python 3 完成此项目）
链接：https://pan.baidu.com/s/18R24WTkZIOFH_qvaWjixOw
提取码：61bp
一、数据初步认识：
需要导入要使用的机器学习包Sklearn和科学计算包Numpy,Pandas,可视化Matplotlib,Seaborn。
①初步查看数据
在这里插入图片描述

②查看缺失值，异常值和大概的数据统计进行合理分析：
describe可以包含平均数，标准差，中位数，最小值，最大值，25%分位数，75%分位数的数据；图一可以看出Elevator 存在大量的缺失数据，15440<23677；图二可以看出min(Size)=2，max(fllor)=57,这些数据不太符合一般房屋状况就应该注意了：
在这里插入图片描述

二、数据处理
Id 特征虽然在数据列表中，但是并没有实际意义，直接将其移除新增加一