数据分析项目实战——链家深圳二手房房源数据分析

前言

本项目主要是利用Python对语言链家二手房房源数据进行分析，通过数据可视化了解深圳的二手房源情况，对人们购房做出指导。分析过程主要围绕一下方面展开：项目背景、项目简介、项目流程（数据来源、分析目标、数据理解、数据可视化与分析）、项目总结。

一、项目背景

随着经济的发展，北、上、广、深这四大都市迅速发展，在经济、政治等方面有突出的表现，而且工作机会多，生活质量较高，是大多数人所向往的地方。但是要在这些城市定居是一件不容易的事情，这样来说购买二手房是一个可以选择的方案，说到这我们一定会想了解这些地区的房源大概情况。所以本项目是对深圳链家二手房房源进行的分析，希望可以帮助部分人解决购房问题，从多维度出发分析，帮助买家拿定主意，实现合理的购房！！

二、核心技术

Numpy、pandas、Matplotlib库的使用，数据清洗，数据可视化（也可用Tableau实现）

三、数据来源

数据来源于和鲸社区，附链接：
https://www.kesci.com/home/dataset/5e5e3effb8dfce002d7ed893

四、数据理解

深圳二手房房源信息：

• 数据量级：18906条；
• 数据说明：
  area：行政区（如：南山区）
  title：房源信息标题
  community：小区
  position：地段位置（如：万象城）
  tax：税率相关（如：房本满五年）
  total_price：总价，单位：万元
  unit_price：单价，单位：元/平米
  hourseType：户型（如：三室一厅）
  hourseSize：面积，单位：平米
  direction：房间朝向
  fitment：装修（如：精装，简装）

五、分析目的

1.了解圳二手房的大体情况，通过对不同行政区、不同户型、不同朝向、不同装修进行分析来了解
2.分析深圳二手房房价的影响因素有哪些？优质房源有哪些？
3.怎么选择合适的房源？

六、数据分析与可视化

（一）数据清洗

1. 引入使用的库

import numpy as np
import pandas as pd 
import matplotlib.pyplot as plt
from pylab import mpl
mpl.rcParams['font.sans-serif'] = ['FangSong'] # 指定默认字体

#读取数据文件，查看数据的大体情况
df = pd.read_csv('./Python案例数据/shenzhen.csv')
df.head()

df.describe() # 查看数据列的数据 

2.房间大小有夸大的部分，经过查询发现房价与房源面积不符合客观事实，进行删除

#房间大小超过10000平米的数据
df[df['hourseSize']>10000]

df.drop(df[df['hourseSize']>1000].index,inplace=True)
df[df['hourseSize']>10000]   #确认是否正确删除

3.数据概览：

#查看每列的总数、数据类型
df.info()

发现title和tax列存在缺失数据，但这两列不是需要分析的列。其它列数据完整，不需要进行处理。

4. 重复值处理：

# 查看重复值
df[df.duplicated()]

数据清洗完成，开始数据分析。

（二）数据分析

1.了解圳二手房房源的整体情况（总体分析）
主要从四个方面出发利用matplotlib绘制饼图。
不同行政区、户型、朝向、装修与二手房房源数量的对比
数据处理：

# 不同行政区房源数量占比
area_house_count = df.groupby('area')['area'].count()
area_house_count.sort_values(ascending=False,inplace=True)  #按照降序排列
# area_house_count

# 不同户型房源数量占比
hourseType_count = df.groupby('hourseType')['hourseType'].count()
hourseType_count.sort_values(ascending=False,inplace=True)  #按照降序排列
new_hourseType_count = hourseType_count[hourseType_count>700]
new_hourseType_count['其它'] = hourseType_count[hourseType_count<700].sum()
# new_hourseType_count

# 不同朝向房源数量占比()
direction_count = df.groupby('direction')['direction'].count()  
new_direction_count =direction_count[direction_count>800]
new_direction_count['其它'] = direction_count[direction_count<800].sum()
new_direction_count.sort_values(ascending=False)

# 不同装修
fitment_count = df.groupby('fitment')['fitment']</