小白自学——房价预测（四）

数值分析

# 查看特征的统计信息
kc_train.describe()

这个是输出的结果。

接下来，我们输出用**hist（）**方法输出一下各个特征与房价的柱状图。

# 绘制各个特征的分布柱状图
kc_train.hist(figsize=(20, 15), bins=50, grid=False)
plt.show()

hist()的第一个参数控制的是每个柱状图的大小，figsize(X,Y)。
hist()的第二个参数控制的是每个柱状图中显示的柱的粗细，值越小越粗。
hist()的第三个参数控制的是柱状图是否显示网格，值为True代表显示。

其中，根据柱状图我们可以分析出来以下几种特征都是连续变量：
lat、long、sqft_above、sqft_basement、sqft_living、sqft_lot、yr_built、yr_renovated
再来，我们分析下几种连续变量与房价之间的相关关系，由于它们都是连续的，我们就采用Pearson相关系数 来衡量它们的相关程度。
（相关系数越接近于1或-1，相关性越强，相关系数越接近于0，相关性越弱）

continuous_cols = ['sqft_living', 'sqft_lot', 'sqft_above', 
		'sqft_basement', 'yr_built', 'yr_renovated', 'lat', 'long']

for col in continuous_cols:
    sns.jointplot(x=col, y="price", data=kc_train, alpha=0.3, size=4) 
    plt.show() 	#显示分布图

alpha参数设置的是点的颜色深度，值越接近于1，颜色越深。
因为点越密集，反应出数据越集中，所以这里的alpha的值不宜设过高。
size参数设置的是画布的大小。


然后我们将这些变量和房价按Pearson系数进行排序。

plt.figure(figsize=(12, 6))    #设置画布大小，对应的分别是X、Y
kc_train.corr()['price'][continuous_cols].sort_values(ascending=False)
		.plot( 'barh', title='Variable Correlation with Price')

kc_train.corr()是用于计算Pesrson的相关系数。
sort_values()是用于给数值排序。
ascending的参数控制数值排序的方式，True表示从大到小排序，默认为True。
plot()是根据数值绘制出相应的图。
'barh’参数代表绘制的是水平条形图。
title的参数控制的是该绘图的标题。