北京二手房房价数据集分析

本次分析的数据集来源为链家2017年房源信息。
在数据分析的过程中，我们也可以先去理解数据，再提出问题，在探索数据的过程当中，我们往往会发现很多有趣的事情~
1.提出问题
北京二手房的房价跟哪些因素有关呢？
2.读取数据，理解数据
导入数据分析相关工具包
%matplotlib 为魔法函数，之后的数据可视化过程中，有了它我们就不需要每次都使用plt.show()来显示图表了。

用pandas中的read_csv()方法读取格式为CSV的数据集,并用Head()方法默认查看前5行。

数据类型分析：

1.数值型：Floor,Price,Size,Year

2.字符串类型：Direction,District,Layout,Region,Renovation，Elevato

查看数据类型以及是否存在缺失值

Elevator 有缺失值

我们可以根据楼层高度判断是否有电梯，然后进行缺失值的填补。

查看数据是否有异常值

从这里我们发现，房屋楼层最高层竟然有57层，价格中最大值有6000万，而房屋大小中最小的只有2平，这是不符合住房常理的，这就是我们当前发现的异常值，要找到它们并且移除它们。
3.数据处理
创建副本，添加房屋均价新特征，并以分析方便的方式重新摆放各列

4.特征分析
分析各区与房价之间的关系：
我们首先按区分类（groupby()方法），各区的住房数量（count()方法），然后再计算按区分类各区的房屋每平均价（mean()方法）。

数据可视化



观察数据：
1.海淀区、朝阳区、丰台区、昌平区的房源较多，平谷、怀柔、密云房源较少，说明接近市中心的区房源较多，离市中心较远的区房源较少，也符合常理；
2.西城区、东城区、海淀、朝阳的房价较高，评估、怀柔、密云房价较低，这与房屋越接近市中心，房价越高。

分析房屋大小与房价之间的关系：
我们通过密度图和散点图来分析房屋（Size）特征

发现问题：
问题1：长尾分布，有很多面积超出正常范围的数据；
问题2：大部分数据符合实际情况，价格随着面积的增大而增大，有异常数据，面积小，价格高。

找出异常点：
我们查找房屋面积小于10或者大于1000的数据

别墅跟商用房都不是我们要考虑的，所要移除这部分数据。

将异常点移除之后，我们观察到，房屋的价格随着房屋面积的增长而增长，呈正相关。

分析房屋布局的数量

这里我们观察发现，房屋布局为2室1厅的房屋数量最多。

分析房屋价格与装修类型的关系：

数据可视化

观察数据：

1.精装修和简装修房屋数量最多；

2.毛坯房的均价却最高。

分析有无电梯与房价之间的关系：
查看数据是否有错位的现象

数据可视化


观察数据：

1.有电梯的房屋数量较多；

2.有电梯的房屋均价较高。

分析房屋总体因素随时间的变化

这是一个多维图，点的位置分布表示随着时间的增长房屋价格的变化；
点的数量表示随着时间的增长房屋数量的变化；
点的颜色深浅表示房屋的装修等级；
点的大小表示是否有电梯。

观察结果：

（1）整个二手房价格趋势随着时间增长，尤其在2000年之后大幅增长；

（2）1980年之前电梯房非常少，毛坯房较多；

（3）1980-2000年之间，简装房屋较多，出现电梯房；

（4）2000年之后电梯房较多，精装房屋较多

分析房屋价格与楼层之间的关系：

数据可视化

观察数据：

可以看到，6层二手房数量最多，但是单独的楼层特征没有什么意义，因为每个小区住房的总楼层数都不一样，我们需要知道楼层的相对意义。

另外，楼层与文化也有很重要联系，比如中国文化七上八下，七层可能受欢迎，房价也贵，而一般也不会有4层或18层。当然，正常情况下中间楼层是比较受欢迎的，价格也高，底层和顶层受欢迎度较低，价格也相对较低。

所以楼层是一个非常复杂的特征，对房价影响也比较大。