数据分析airbnb案例

Task:预测NYC的房屋价格

 

airbnb['price'].describe 对price字段的理解：

min为0，是真实数据抑或错误数据

max为10000，是真实数据抑或错误数据

中位数比平均值要小

用describe函数观察所有字段并对字段具体表示内容进行了解

 

先粗略分析price与哪个字段相关：

猜测：neighbourhood,room_type,mininum_nights,availability_365

airbnb.corr()

由于corr()只计算数值类型，所以难以体现room_type与price的相关性，需要进行转换

增加字段，用replace()将room_type转换为数值

 

数据清洗：

airbnb.info()

airbnb.isnull().sum()

可以用drop去掉与本次分析无关的列数据

 

airbnb.corr(method='kendall') 用肯德尔方法计算相关性系数

import matplotlib.pyplot as plt

plt.figure(figsize=(15,8))

sns.heatmap(corr,annot=True)

plt.show()