pandas数据分析项目

用到的数据和代码都在我的资源里，免费下载，看看能不能下载，不能我再搞，本来数据就是免费的，我上传后给我自动搞成了vip

1.导入相关库

先把常用的matplotlib,pandas,seaborn导入进去，并处理文字的显示问题

2.导入数据

city

address

area

floor

name

price

province

rooms

toward

unit

year

origin_url

0

合肥

龙岗-临泉东路和王岗大道交叉口东南角

90㎡

中层（共18层）

圣地亚哥

128万

安徽

3室2厅

南北向

14222元/㎡

2013年建

https://hf.esf.fang.com/chushou/3_404230646.htm

1

合肥

龙岗-临泉东路和王岗大道交叉口东南角

90㎡

中层（共18层）

圣地亚哥

128万

安徽

3室2厅

南北向

14222元/㎡

2013年建

https://hf.esf.fang.com/chushou/3_404230646.htm

2

合肥

生态公园-淮海大道与大众路交口

95㎡

中层（共18层）

正荣·悦都荟

132万

安徽

3室2厅

南向

13895元/㎡

2019年建

https://hf.esf.fang.com/chushou/3_404304901.htm

3

合肥

生态公园-淮海大道与大众路交口

95㎡

中层（共18层）

正荣·悦都荟

132万

安徽

3室2厅

南向

13895元/㎡

2019年建

https://hf.esf.fang.com/chushou/3_404304901.htm

4

合肥

撮镇-文一名门金隅裕溪路与东风大道交口

37㎡

中层（共22层）

文一名门金隅

32万

安徽

2室1厅

南北向

8649元/㎡

2017年建

https://hf.esf.fang.com/chushou/3_404372096.htm

3.数据概览

        在分析数据之前我们要先看一下数据大致情况，尤其是info检查数据类型和缺失值

4.数据清洗

        ①删除无用的列

        ②检查缺失值--这里我们选择直接删除缺失值

        ③删除重复值

        ④完成相应的数据类型的转换

        ⑤异常值的处理

5.数据特征的构造

        ①提取地址当中的二级地区

        ②提取楼层当中的三个等级

        ③判断是否是直辖市

        ④提取卧室和厅的数量

        ⑤计算楼层的年龄

6.问题分析及可视化

（我们只选择几个典型的问题）

        ①哪些变量最影响房价？

        ②房价的全国分布

        ③朝向对价格的差异