北京房价信息(2002-2018)数据可视化

本文是数据可视化的第二篇练习文，目的是承接上一篇中国全国各省结婚率和离婚率数据可视化

 

该篇文章主要使用的是Python数据可视化，用来分析北京地区从2002到2018年房价的趋势变化

为了方便读者理解，在写的篇幅中，不加入代码，所有代码放在最后的附录里。

 

 

一：加载数据以及相应的库包

 

 

 

 

二：检验数据

 

加载成功后，需要验证数据的正确性

 

 

 

 

 

三：数据处理

 

对于数据的处理，我们一般查看数据中的缺失值 

 

以上6列数据具有缺失值。

 

然后我们计算数据中空列缺失值的个数

 

 

 

 

另外解释一下数据中各列值的含义

 

 

url: 　　the url which fetches the data

id:　　  the id of transaction

lng:      经

lat:       纬

cid:      community id

tradeTime:  　　the time of transaction

followers:   　　the number of people follow the transaction.

price:        　　 the average price by square

square:     　　 the square of house(1m*1m)

livingRoom: 　  the number of living room

drawingRoom:  the number of drawing room

kitchen: 　　　 the number of kitchen

bathroom:　　  the number of bathroom
constructionTime:        建造年代

floor: 　　　　　　       the height of the house. I will turn the Chinese characters to English in the next version.

buildingType:               including tower( 1 ) , bungalow( 2 )，combination of plate and tower( 3 ), plate( 4 ).

renovationCondition:     including other( 1 ), rough( 2 ),Simplicity( 3 ), hardcover( 4 )

buildingStructure:         including unknow( 1 ), mixed( 2 ), brick and wood( 3 ), brick and concrete( 4 ),steel( 5 ) and steel-concrete composite ( 6 ).
ladderRatio: the proportion between number of residents on the same floor and number of elevator of ladder. It describes how many ladders a resident have on average.

elevator:                     have ( 1 ) or not have elevator( 0 )
fiveYearsProperty:       if the owner have the property for less than 5 years,

 

district列表中各区指代内容：

 

1:东城区
2:丰台区
3:亦庄
4:大兴区
5:房山
6:昌平区
7:朝阳区
8.海淀区
9.石景山
10:西城区
11:通州区
12门头沟
13:顺义区

 

查看各值的数量：