用pandas进行数据处理,pyecharts对处理后的数据进行可视化分析市面上二手房各项基本特征及房源分布情况,探索二手房大数据背后的规律。
Pyecharts的使用参考文档
Pyecharts实例大全
1. 升级 pyecharts 包
地图显示部分需要用到 pyecharts==1.9.0
!pip install --upgrade pyecharts
2. 导入模块
import pandas as pd
from pyecharts.charts import Map
from pyecharts.charts import Bar
from pyecharts.charts import Line
from pyecharts.charts import Grid
from pyecharts.charts import Pie
from pyecharts.charts import Scatter
from pyecharts import options as opts
3. Pandas数据处理
3.1 读取数据
df = pd.read_csv("D:\浏览器下载文件\二手房数据.csv", encoding = 'gb18030')
df.head()
输出如下:
df.describe()
3.2数据查看缺失以及填充
查看是否有缺失值:
df.isnull().sum()
用“未知”填充:
df['电梯'].unique()
#output:array(['有电梯', '无电梯', nan], dtype=object)
df['电梯'].fillna('未知', inplace=True)
重复值处理:
df['朝向'].unique()
#output:array(['西', '南北', '东西', '南西', '西南', '东南', '南', '东北', '东', '西北', '北'],dtype=object)
df['朝向'] = df['朝向'].str.replace('南西','西南')
3.3 统计各城区二手房数量
以市区分组统计:
g = df.groupby('市区')
df_region = g.count()['小区']
region = df_region.index.tolist()
#output:region:['东城','丰台','大兴','密云','平谷','延庆','怀柔','房山','昌平','朝阳','海淀','石景山','西城','通州','门头沟','顺义']
count = df_region.values.tolist()
输出df_region
统计结论:丰台、朝阳、海淀、昌平在售的房源数量最多,高达12000多套,占了总量的1/2
4.Pyecharts可视化
4.1 北京市二手房各区分布(地图)
渲染代码如下:
new = [x + '区' for x in region]
m = (
Map()
.add('', [list(z) for z in zip</