小白自学——房价预测（二）

数据准备

https://www.kaggle.com/harlfoxem/housesalesprediction
下载房屋价格和相关因素的数据包，数据包里有10000条train的数据和3000条的test数据。
数据分别是
第一列“销售日期”（date）：2014年5月到2015年5月房屋出售时的日期；
第二列“销售价格”（price）：房屋交易价格，单位为美元，是目标预测值；
第三列“卧室数”（bedrooms）：房屋中的卧室数目；
第四列“浴室数”（bathrooms）：房屋中的浴室数目；
第五列“房屋面积”（sqft_living）：房屋里的生活面积；
第六列“停车面积”（sqft_lot）：停车坪的面积；
第七列“楼层数”（floors）：房屋的楼层数；
第八列“房屋评分”（grade）：King County房屋评分系统对房屋的总体评分；
第九列“建筑面积”（sqft_above）：除了地下室之外的房屋建筑面积；
第十列“地下室面积”（sqft_basement）：地下室的面积；
第十一列“建筑年份”（yr_built）：房屋建成的年份；
第十二列“修复年份”（yr_renovated）：房屋上次修复的年份；
第十三列"纬度"（lat）：房屋所在纬度；
第十四列“经度”（long）：房屋所在经度。

注：所用到的数据取自于kaggle
datasets，由@harlfoxem提供并分享。我们只选取了其中的子集，并对数据做了一些预处理使数据更加符合回归分析比赛的要求。

接下来导入下载安装好的python库

import import warnings
warnings.filterwarnings('ignore')
import numpy as np
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

然后是提取数据

# 读取数据，依次对应数据中相应的属性
columns = ['date', 'price', 'bedrooms', 'bathrooms', 'sqft_living', 'sqft_lot',  'floors', 'grade', 'sqft_above', 
           'sqft_basement', 'yr_built', 'yr_renovated',  'lat', 'long']
           
#从文件中导入数据。（路线视具体情况而定）
kc_train = pd.read_csv('./kc_train.csv', names=columns)

# 删除日期（date）特征。（训练数据的时间对该房价的影响无关，可直接删除）
kc_train.drop('date', axis=1, inplace=True)

# 查看数据集中是否缺失数据。如果有数据缺失，则要做出相应的处理。
print(kc_train.isnull().sum())

python库参考文档

matplotlib.pyplot——API
Seaborn