Pyechars练习分析二手房数据

直接上代码

import pandas as pd
from pyecharts.charts import Map, Bar, Line, Grid, Pie, Scatter
from pyecharts import options as opts

if __name__ == '__main__':
    """ 分析二手房数据，使用pyecharts进行可视化 """

    # 1.读取数据
    dataDF = pd.read_csv('二手房数据.csv', encoding='GB18030')
    print(dataDF.head().to_string())  # 打印数据前几行

    # 2.查看表格数据，一共有23677条数据
    print(dataDF.describe())  # 打印数据的描述统计信息

    # 3.查看是否缺失
    print(dataDF.isnull().sum())  # 打印每列缺失值的数量

    # 4.将看到电梯数据缺失8257行，将缺失数据填充为“未知”
    dataDF['电梯'].fillna('未知', inplace=True)
    print(dataDF.isnull().sum())  # 再次打印每列缺失值的数量，确认缺失值已处理

    # 5.统计各城区二手房数量
    g = dataDF.groupby('市区')
    df_region = g['小区'].count()
    region = df_region.index.tolist()
    list_region = [row + '区' for row in region]  # 为每个市区添加“区”字
    count = df_region.values.tolist()
    print(df_region)

    # 实列化Map对象
    map = (
        Map()
        .add(series_name='', data_pair=[list(z) for z in zip(list_region, count)], maptype='北京')
        .set_global_opts(
            title_opts=opts.TitleOpts(title='北京市二手房各区分布'),
            visualmap_opts=opts.VisualMapOpts(is_show=True, min_=0, max_=3000)
        )
    )
    map.render('北京各城区二手房数量地图分布.html')  # 生成地图并保存为HTML文件

    # 6.可视化展示-北京各城区二手房数量-平均价格柱状图
    mean = g.mean()
    price = round(mean['价格(万元)'], 2)
    mean_price = price.values.tolist()
    print(mean_price)

    # 实例化一个柱形图对象
    bar = (Bar().add_xaxis(xaxis_data=region))
    bar.add_yaxis(series_name='数量', y_axis=count)
    bar.extend_axis(yaxis=opts.AxisOpts(name='价格(万元)', max_=900, min_=200, interval=100))
    bar.set_global_opts(
        title_opts=opts.TitleOpts(title='各城区二手房数量-平均价格柱状图'),
        yaxis_opts=opts.AxisOpts(name='数量', max_=3000, min_=0),
        tooltip_opts=opts.TooltipOpts(trigger='axis', axis_pointer_type='cross'),
        xaxis_opts=opts.AxisOpts(axispointer_opts=opts.AxisPointerOpts(is_show=True, type_='shadow')),
    )

    # 实例化一个折线图
    line = (Line().add_xaxis(xaxis_data=region))
    line.add_yaxis(series_name='价格', y_axis=mean_price, yaxis_index=1)

    # 重叠柱状图和折线图
    bar.overlap(line)
    grid = Grid()
    grid.add(bar, grid_opts=opts.GridOpts(), is_control_axis_index=True)
    grid.render('北京各城区二手房数量-平均价格柱状图.html')  # 生成组合图并保存为HTML文件

    # 7.可视化展示-二手房价格最高的TOP15
    top_price = dataDF.sort_values(by='价格(万元)', ascending=False)[:15]
    housing = top_price['小区'].values.tolist()
    price_top15 = top_price['价格(万元)'].values.tolist()

    # 实列化一个柱形图对象
    bar1 = (Bar().add_xaxis(xaxis_data=housing))
    bar1.add_yaxis(series_name='数量', y_axis=price_top15, category_gap='50%')
    bar1.set_global_opts(
        title_opts=opts.TitleOpts(title='二手房价格最高的TOP15'),
        yaxis_opts=opts.AxisOpts(name='价格(万元)', min_=0, max_=6000, interval=1000),
        xaxis_opts=opts.AxisOpts(name='小区', axispointer_opts=opts.AxisPointerOpts(is_show=True, type_='shadow')),
        tooltip_opts=opts.TooltipOpts(trigger='axis', axis_pointer_type='cross'),
    )
    bar1.extend_axis(yaxis=opts.AxisOpts(name='价格(万元)', max_=900, min_=200, interval=100))
    bar1.render('北京二手房价格最高的TOP15.html')  # 生成柱状图并保存为HTML文件

    # 8.装修情况-有无电梯（玫瑰图）
    situation = dataDF.groupby('装修情况').count()
    renovate = situation.index.tolist()
    renovate_count = situation['小区'].values.tolist()
    lift = dataDF.groupby('电梯').count()
    lift_index = lift.index.tolist()
    lift_count = lift['小区'].values.tolist()

    # 实列化一个柱形图对象
    bar2 = (Bar().add_xaxis(xaxis_data=renovate))
    bar2.add_yaxis(series_name='', y_axis=renovate_count, category_gap='50%', label_opts=opts.LabelOpts(position='right'))
    bar2.set_global_opts(
        title_opts=opts.TitleOpts(title='装修情况-有无电梯（玫瑰图）'),
        tooltip_opts=opts.TooltipOpts(trigger='axis', axis_pointer_type='cross'),
        xaxis_opts=opts.AxisOpts(name='数量'),
        yaxis_opts=opts.AxisOpts(name='装修情况', axispointer_opts=opts.AxisPointerOpts(is_show=True, type_='shadow'))
    )
    bar2.reversal_axis()

    # 实列化一个饼图对象
    pie = Pie()
    pie.add(
        series_name='', data_pair=[list(z) for z in zip(lift_index, lift_count)],
        radius=['30%', '65%'],
        center=['50%', '50%'],
        rosetype='radius',
    )
    pie.set_series_opts(label_opts=opts.LabelOpts(is_show=True, formatter='{b}: {c}({d}%)'))

    # 组合柱状图和玫瑰图
    grid = Grid()
    grid.add(bar2, grid_opts=opts.GridOpts())
    grid.add(pie, grid_opts=opts.GridOpts(pos_left="60%", pos_right="75%"))
    grid.render('装修情况-有无电梯（玫瑰图）.html')  # 生成组合图并保存为HTML文件

    # 9.二手房总价与面积（散点图）
    total_price = dataDF['价格(万元)'].values.tolist()
    total_area = dataDF['面积(㎡)'].values.tolist()

    # 实列化一个散点图对象
    scatter = Scatter()
    scatter.add_xaxis(xaxis_data=total_area)
    scatter.add_yaxis(series_name='', y_axis=total_price)
    scatter.set_global_opts(
        title_opts=opts.TitleOpts(title='二手房总价与面积（散点图）'),
        xaxis_opts=opts.AxisOpts(name='面积(㎡)', type_='value'),
        yaxis_opts=opts.AxisOpts(name='价格(万元)')
    )
    scatter.render('二手房总价与面积（散点图）.html')  # 生成散点图并保存为HTML文件

效果展示