HousePrice-train

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns  #统计绘图 

from sklearn.preprocessing import StandardScaler
from scipy.stats import norm
from scipy import stats  #统计

import warnings
warnings.filterwarnings('ignore')
#画图直接显示
%matplotlib inline

---

读取CSV数据

df_train = pd.read_csv('Ch3-HousePrice-train.csv')
 

---

#数据.columns     输出各列名称 分析有哪些数据，
df_train.columns

---

#describe函数用来数据的快速统计汇总
df_train['SalePrice'].describe()

统计值变量说明：

   count：数量统计，此列共有多少有效值
   unipue：不同的值有多少个
   std：标准差
   min：最小值
   25%：四分之一分位数
   50%：二分之一分位数
   75%：四分之三分位数
   max：最大值
   mean：均值

---

#SalePrice频度分布图
sns.distplot(df_train['Saleprice'])

---

#show skewness and Kurtosis  偏态和峰度
print("Skewness : %f " % df_train['SalePrice'].skew())
print("Kurtosis : %f " % df_train['SalePrice'].kurt())

偏态：

偏度定义中包括正态分布（偏度=0），右偏分布（也叫正偏分布，其偏度>0），左偏分布（也叫负偏分布，其偏度<0）。

峰度：峰度包括正态分布（峰度值=3），厚尾（峰度值>3），瘦尾（峰度值<3）

---

#scatter plot  Grlivearea / SalePrice

var = 'GrLivArea'
#pd.concat 函数 可以将数据根据不同的轴作简单的融合 axis = 0-->代表行  axis = 1 --> 代表列

data = pd.concat([df_train['SalePrice'],df_train[var]],axis = 1)
data.plot.scatter(x = var, y = 'SalePrice',ylim = (0,800000));

【pandas数据合并之一文弄懂pd.concat（） - 知乎 (zhihu.com)】

---

#Saleprice / totalbsmtsf 散点图
var = 'TotalBsmtSF'
data = pd.concat([df_train['SalePrice'],df_train[var]],axis = 1)
data.plot.scatter(x = var, y = 'SalePrice',ylim = (0,800000))

绘图函数plt.scatter( )，它用于散点图的绘制

（1）基本参数讲解

• x, y → 散点的坐标
• s → 散点的面积
• c → 散点的颜色（默认值为蓝色，'b'，其余颜色同plt.plot( )）
• marker → 散点样式（默认值为实心圆，'o'，其余样式同plt.plot( )）
• alpha → 散点透明度（[0, 1]之间的数，0表示完全透明，1则表示完全不透明）
• linewidths →散点的边缘线宽
• edgecolors → 散点的边缘颜色

这里为了生成点的坐标，用到了numpy中的随机数生成器 np.random.rand(d0, d1, ..., dn)

• rand( )函数根据给定维度生成[0,1)之间的随机数据（包含0，不包含1）
• dn表示生成数据的维度
• 返回值为指定维度的array

（2）高级参数讲解

• cmap → 指的是matplotlib.colors.Colormap，相当于多个调色盘的合集
• norm、vmin、vmax → 散点颜色亮度设置

---

#box plot overallqual / saleprice
var = 'OverallQual'
data = pd.concat([df_train['SalePrice'],df_train['OverallQual']],axis = 1)
f,ax = plt.subplots(figsize = (8,6)) #subplots 创建一个画像(figure)和一组子图(subplots)。 
fig = sns.boxplot(x = var,y = 'SalePrice',data = data)
fig.axis (ymin = 0,ymax = 800000)

---

#saleprice / yearbuilt 箱线图
var = 'YearBuilt'
data = pd.concat([df_train['SalePrice'],df_train['YearBuilt']],axis = 1)
f, ax = plt.subplots(figsize = (25,10))
fig = sns.boxplot(x = var,y = 'SalePrice',data = data)
fig.axis(ymin = 0,yamx = 800000)
plt.xticks(rotation = 90) #x轴标签 转90度

---

#correlation matrix  相关矩阵
corrmat = df_train.corr()
f ,ax = plt.subplots(figsize = (12,9))
sns.heatmap(corrmat,vmax = 8,square = True,cmap = 'hot')

---

#房价的相关性矩阵
k = 10
cols = corrmat.nlargest(k,'SalePrice')['SalePrice'].index  #取出与saleprice相关性最大的十项
cm = np.corrcoef(df_train[cols].values.T)  #相关系数 
sns.set(font_scale = 1.25)
hm = sns.heatmap(cm,cbar = True,annot = True,square = True ,fmt = '.2f',annot_kws = {'size': 10},yticklabels = cols.values,xticklabels = cols.values)
plt.show()

---

基于房屋数据的房价相关性分析（含python代码）_python房产数据分析代码_99.99％的博客-CSDN博客

---

Kaggle经典项目——房价预测_kaggle房价预测-CSDN博客