Airbnb短租分析

最新推荐文章于 2022-09-25 01:30:19 发布

weixin_53626609

最新推荐文章于 2022-09-25 01:30:19 发布

阅读量1.1k

点赞数 1

本文链接：https://blog.csdn.net/weixin_53626609/article/details/111386943

版权

该博客基于Airbnb公开的2020年北京地区数据进行分析，重点关注房源地区占比、房源类型、价格分布及房东用户情况。朝阳区、东城区房源数量最多，整套房源占比最高，价格在500元以下的房源以朝阳区为主。怀柔、延庆等地房源均价较高，大部分房东拥有1-3个房源。

摘要由CSDN通过智能技术生成

1 、数据说明

本次活动数据来自 Airbnb 于2020年10月26日公开的北京地区数据。数据源网址
数据均来源于Airbnb网站的公开信息，不包含任何个人隐私数据。
数据分为汇总版和明细版两类。listings 数据为短租房源基础信息，包括房源、房东、位置、类型、价格、评论数量和可租时间等等。字段说明：id（短租房编号）、name（房源名称）、host_id（房东编号）、host_name(房东昵称)、neighbourhood_group（地区）、neighbourhood（地区）、latitude（经度）、longitude（纬度）、room_type（房间类型）、price（价格）、minimum_nights（最小天数）、number_of_reviews（评论数）、last_review（最近评论）、reviews_per_month（每月评论量）、calculated_host_listings_count（房东在租房屋数）、availability_365（一年中可用天数）

2、数据清洗

导入数据，查看数据是否有缺失或者异常

#数据导入
import numpy as np
import pandas as pd
from matplotlib import pyplot as plt
%matplotlib inline   
plt.rcParams['font.sans-serif']='SimHei'

data=pd.read_csv(r'C:\taobaoshuju\listings.csv',encoding='utf-8')
data.head()

在这里插入图片描述

data.info()

在这里插入图片描述
通过head()和info()查看数据集的简单信息，可以得知该数据集共有27439行，16列。明显看出neighbourhood_group字段缺失严重，需要删除，还有2个缺失40%左右，也可以考虑将此删除。neighbourhood列包含英文，应去除英文。

#删除列
data=data.drop(columns=['neighbourhood_group'，'last_review','reviews_per_month'])
#将neighbourhood列去掉英文
data['neighbourhood']=data['neighbourhood'].apply(lambda x:x.split("/")[0]).strip()
data

查看价格是否有异常值
在这里插入图片描述
去除价格为0的异常值

data=data[data['price']!=0]

3、数据分析

3.1房源地区占比

fangyuan=data.neighbourhood.value_counts().sort_values()
fangyuan
import seaborn as sns
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus']=False
plt.figure(figsize