一、项目概况
该项目是使用Python对北京二手房经纪人成交数据进行分析的一个综合实例,包括pandas/numpy/matplotlib绘图的应用,涉及到数据读取、清洗、离散化等处理,使用了分组分析、假设验证分析和相关性分析等分析方法。
分析目标:
- 分析北京二手房成交价格分布
- 分析成交量超过一亿的经纪人及其相关因素
- 寻找每个经纪人成交总价最高的5条记录
二、数据概况
数据涵盖2011年-2016之间,北京二手房经纪人的成交数据,共约16万2千条成交记录,包括比较全面的信息。
数据字段如下图:
三、数据读取与合并
3.1 数据读取
如下图,数据源包括7个csv文件。
为了读取上述7个文件,我们可以使用循环读取数据,读取的方法是read_csv。同时,因为数据编码方式不同,所以要设定读取的编码方式。读取结果如下图,我们获得了7个list。
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline
data_list = []
for i in range(1,8):
try:
data = pd.read_csv('./fangchan/lianjia{}.csv'.format(i),encoding = 'utf-8') # encoding默认是utf-8,可省略
except:
data = pd.read_csv('./fangchan/lianjia{}.csv'.format(i),encoding = '