一 单分类变量描述频数,例如:value_counts()描述分类变量 柱形图
二 单连续变量描述统计量(均值,中位数,四分位数,总和等),例如:聚合函数agg()描述价格变量 直方图
三 分类变量与分类变量描述频数,例如:交叉表crosstab()描述各地区与是否学区房 交叉表——堆叠柱状图
四 单分类变量与单连续变量描述连续变量统计值,例如,分组groupby()描述各地区的房价分布
五 双分类变量与连续变量描述连续变量统计值,透视表pivot_table()描述各地区房价与地域,学区房的关系
# -*- coding: utf-8 -*-
import pandas as pd
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
data_file = r'F:\python_data_analysis\data_04\sndHsPr.csv'
#读取文件,如果csv文件有中文 data_df = pd.read_csv(data_file, enconding=‘gbk’)
data_df = pd.read_csv(data_file)
#预览数据,默认5行
print(data_df.head())
对地区列的拼音进行重新编码,创建地区新列district
district = {'chaoyang': '朝阳区',