基于房屋数据的房价相关性分析（含python代码）

本文用到的美国房屋数据：

链接：https://pan.baidu.com/s/1wrkzFF87A_Emgid_s7K3aA
提取码：2j77 

内含两个文件：

data_train.csv：训练集数据，包含房价等81个指标；

data_test.csv：测试集数据，不包含房价；

文章目录

前言

二、分析各指标与房价的相关性

1.主要指标与房价的相关性

1.1 居住面积

1.2 地下室总面积

1.3 材料和质量

1.4 所在街区

1.5 施工日期

2. 查看各指标间的相关性（热力图）

总结

---

前言

本篇文章研究的是影响房价的因素，数据是美国房屋数据，主要是通过分析各项指标的相关性，得出结论。

下一篇文章将是关于房价预测的相关内容。

---

一、数据预览

导入包：

import warnings
warnings.filterwarnings('ignore')
import numpy as np
import pandas as pd
import math
from scipy import stats
from scipy.stats import norm
import seaborn
import matplotlib.pyplot as plt
from matplotlib.font_manager import FontProperties
%matplotlib inline

导入数据：

df_train = pd.read_csv('./data/data_train.csv',encoding='gbk')
df_train​

显示81个指标，分别为住宅类型、地下室面积、屋顶类型、卧室数…… 

房价数据的分布：

打印各分位数和均值标准差，画出图像；

print(df_train['房价'].describe())
print("\nSkewness: %f" % df_train['房价'].skew())
print("Kurtosis: %f" % df_train['房价'].kurt())
myfont&#