租房数据-数据分析

<br

租房数据分析

先导入相关的数据处理库

import numpy as np
import pandas as pd

import matplotlib.pyplot as plt
import seaborn as sns
import warnings
warnings.filterwarnings('ignore')
%matplotlib inline

一、 读取数据，并简单处理数据

df = pd.read_csv("租房信息.csv")
df.head()

1.1 判断是否有重复值

len(df["标题"].unique()) == len(df)
# 根据标题来判断是否有重复值  false

df.drop_duplicates("标题",inplace=True)
# 删除重复值

df.index = range(len(df))
# 删除之后，重排索引，为了之后拼接数据方便

print(len(df))
# 还有2244条数据

1.2 判断是否有缺失值

df.info()
'''
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 2244 entries, 0 to 2243
Data columns (total 10 columns):
 #   Column  Non-Null Count  Dtype  
---  ------  --------------  -----  
 0   标题      2244 non-null   object 
 1   价格      2244 non-null   float64
 2   小区名     2244 non-null   object 
 3   城市      2244 non-null   object 
 4   街道      2244 non-null   object 
 5   室厅数     2244 non-null   object 
 6   面积      2244 non-null   object 
 7   层数      2244 non-null   object 
 8   交接人     2244 non-null   object 
 9   详情链接    2244 non-null   object 
dtypes: float64(1), object(9)
memory usage: 175.4+ KB
'''

可以看到，全部数据没有缺失值，因此也不用处理缺失值。

若需要处理缺失值，可以选择：

1. 直接删除存在缺失值的列，一般只有在缺失值占比太多的情况，才这样处理。
2. 删除缺失值对应的数据，既删除对应的行，这种适用于当缺失值占比较小的情况。
3. 填充缺失值。

下面给出处理确实值的具体方法：

# 查看所有缺失值数量，降序
total = df.isnull().sum().sort_values(ascending=False)

# 计算缺失值占比
percent = (df.isnull().sum()/df.isnull().count()).sort_values(ascending=False)

# 关联数量和占比
missing_data = pd.concat([total, percent], axis=1, keys=['Total', 'Percent'])

# 查看排名前20
missing_data.head(20)

# 根据之前计算的缺失值数据，删除对应的列
df = df.drop(missing_data[missing_data['Total'] > 1].index, 1)

# 删除某列数据缺失值对应的行
df = df.drop(df.loc[df['Electrical'].isnull()].index)

# 查看是否还有缺失值
df.isnull().sum().max()

二、简单分析数据

可以看到，数据中的城市、室厅数、层数、面积，都是文本形式，因此先将数据处理一下,转换成可计算的形式：

2.1 处理数据

# 将城市列分割，和数据拼接一起
df_city = pd.DataFrame(df["城市"].str.split("-").tolist(),columns=["区域","区域2"])
df = pd.concat([df,df_city],axis=1)

# 将室厅数拆解成室数和厅数，拼接在一起
df_st = pd.DataFrame(df["室厅数"].str.replace("厅","").str