小项目-数据处理篇：真·租房信息整理，应用dash整合到地图上

最新推荐文章于 2022-12-18 09:09:37 发布

泛泛之素

最新推荐文章于 2022-12-18 09:09:37 发布

阅读量3.5k

点赞数 3

分类专栏：小项目可视化 dash 文章标签：数据地图 dash python 可视化

本文链接：https://blog.csdn.net/tonydz0523/article/details/78967234

版权

本文介绍了一次数据处理项目，通过爬虫获取租房信息，去除重复项后得到7万多条真实数据。利用Python的Dash库，创建交互式地图，展示不同装修状况的房源分布，并提供下拉选项查看区域小区情况。最后，筛选出符合条件的房源数据，整合到地图上进行可视化。后续章节将基于这些数据进行机器学习实验。

摘要由CSDN通过智能技术生成

接上一章内容：
经过了一下午的爬取，也算是终于搞到一份还算像样的数据：
这里写图片描述
经过去重还有8w3，可以玩耍了，重复原因有可能是因为，很多房源本身就发了很多回，就这8w3的数据应该也有重复，我们把title删除，再drop_duplicates一下：

还有7w多，这样的数据就比较真实了，数据到手，搞起：

df["rent"] = df["rent"].apply(lambda x: x[:-3]).astype("float32").astype("int32")
df["floor_area"] = df["floor_area"].astype("int32")
df["floor"] = df["floor"].apply(lambda x: x[:2])
df.head()

获取面积和租金：

这里写图片描述

新建一个参数，mean_rent 每平方米的租金：

df["mean_rent"] = (df["rent"]/df["floor_area"]).astype("int32")
df.sort_values("mean_rent")

获取mean_rent range 为（20，200）：

df2 = df[df.mean_rent>20]
df2 = df2[df2.mean_rent<200]
df2.head()

然后在去掉大于400平米的房源：

df2 = df2[df2.floor_area < 400]

再对装修情况进行处理：

def change_decoration(x):
    if x==" ":
        x="暂无资料"
    elif x == "中等装修":
        x = "中装修"
    elif x=="简单装修":
        x = "简装修"
    else:
        pass
    return x
df2["decoration"] = df2["decoration"].apply(change_decoration)
df2.head()

获取不同装修情况的房源数量看一下：

decoration = df2.groupby("decoration").count().iloc[1:,[0]].rename(columns={
   "area":"number"}).reset_index()
import plotly
import plotly.plotly as py
import plotly.graph_objs as go
import plotly.figure_factory as ff
figure = ff.create_table(decoration, height_constant=60)
trace1 = go.Bar(
    x=decoration.decoration,
    y=decoration.number,
    text=decoration.number,
    textposition = 'auto',
    xaxis='x2', 
    yaxis='y2',
    marker=dict(
        color='rgba(132, 112, 255 ,0.5)',