北京高端酒店价格影响分析

北京高档酒店价格影响因素分析

1、数据读取与清洗

# 导入所需模块
import pandas as pd
import numpy as np

# 读入数据
data = pd.read_csv('C:/Users/ASUS/Desktop/hoteldata.csv')

# 变量重命名
data.columns = ['hotel_nam','area','address',   # 重命名
           'health_score','service_score',
           'facility_score','position_score',
           'evaluation_num','decoration_time',
           'room_type','house_price','longitude',
           'latitude','company','travel_accom',
           'compus_life']

对数据的变量进行重命名，避免之后出现不必要的麻烦

# 酒店因素评分
# 为了避免多重共线性
total_score = [data.health_score[i] + data.service_score[i] + data.facility_score[i] + data.position_score[i] for i in range(0,len(data))]
total_score = np.array(total_score)/4
data['total_score'] = pd.DataFrame(total_score)

# 对装修时间进行处理
time_cut = []
for i in data.decoration_time:
    if i > 2015:
        j = '新装修'
    else:
        j = '旧装修'
    time_cut.append(j)
    
data['time_cut'] = time_cut

#把其他地区作为基准组
data['area'] = data['area'].astype('category')

1、酒店因素评分，即将酒店的卫生，服务，设施和位置评分求和再求均值，作为酒店的整体评分。
2、线形相关性比较强的变量会导致多重共线性，因此将四个相同类型的变量归一化。
3、将地区变量因子量化。

2、描述统计

2.1 因变量

(1)因变量直方图

# 导入绘图模块
import matplotlib.pyplot as plt

# 解决中文显示问题
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus'] = False

# 绘制酒店价格频次统计直方图
plt.hist(data['house_price'],edgecolor='black',linewidth=1)   # 绘图
plt.xlabel('酒店房价分布直方图')                                        # x轴标签
plt.ylabel('频次')                                           # y轴标签
plt.show()

(2)因变量数字特征

np.median(data.house_price) # 中位数

1389.5

np.mean(data.house_price) # 均值

1655.5125899280577

# 对房间价格取对数
import math
data['house_price'] = data['house_price'].apply(lambda x :math.log(x))

2.2 自变量

(1)酒店因素箱线图

data.sort_values(by =