R语言-上海二手房数据分析

最新推荐文章于 2023-01-28 21:20:45 发布

转载

最新推荐文章于 2023-01-28 21:20:45 发布 · 1.9k 阅读

51 ·

CC 4.0 BY-SA版权

原文链接：http://www.cnblogs.com/luhuajun/p/8735437.html

文章标签：

#r语言 #人工智能 #数据结构与算法

该博客通过R语言对上海二手房数据进行分析，探讨影响房价的主要因素。经过数据清洗，发现2室2厅、2室1厅、3室2厅为常见户型。研究发现静安区和徐汇区房价较高。运用聚类方法将房源分为5类，并构建线性回归模型，揭示了建造时间和特定户型对房价的影响。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

案例:通过分析上海的二手房的数据,分析出性价比(地段,价格,未来的升值空间)来判断哪个区位的二手房性价比最高

1.载入包

library(ggplot2)
library(Hmisc)
library(car)
library(caret)

2.加载数据集

houses <- read.csv('E:\\Udacity\\Data Analysis High\\R\\R_Study\\二手房分析案例\\链家二手房.csv',sep=',',header=T)

3.查看数据集

describe(houses)

数据集有以下几个字段构成

## 小区名称
## 户型
## 面积
## 区域
## 楼层
## 朝向
## 价格.W.
## 单价.平方米.
## 建筑时间

探究影响房价的主要因素是什么

4.查看户型的分布

type_freq <- data.frame(table(houses$户型))
type_p <- ggplot(data=type_freq,aes(x=reorder(Var1,-Freq),y=Freq))+
  geom_bar(stat='identity',fill='steelblue')+
  theme(axis.text.x = element_text(angle = 30,vjust = 0.5))+
  xlab('户型')+
  ylab('套数')
type_p

　　结论:户型的分布不符合正态分布

　　　　需要对户型的数据进行清洗,找出主要的户型

5.对户型数据进行清洗

# 把低于一千套的房型设置为其他
type <- c('2室2厅','2室1厅','3室2厅','1室1厅','3室1厅','4室2厅','1室0厅','2室0厅','4室1厅')

houses$type.new <- ifelse(houses$户型 %in% type,as.character(houses$户型),'其他')
type_freq <- data.frame(table(houses$type.new))
# 绘图
type_p <- ggplot(data = type_freq, mapping = aes(x = reorder(Var1, -Freq),y = Freq)) + 
  geom_bar(stat = 'identity', fill = 'steelblue') + 
  theme(axis.text.x  = element_text(angle = 30, vjust = 0.5)) + 
  xlab('户型') + ylab('套数')
type_p