Tips："分享是快乐的源泉💧，在我的博客里，不仅有知识的海洋🌊，还有满满的正能量加持💪，快来和我一起分享这份快乐吧😊！

喜欢我的博客的话，记得点个红心❤️和小关小注哦！您的支持是我创作的动力！数据源存放在我的资源下载区啦！

数据可视化（九）：Pandas北京租房数据分析——房源特征绘图、箱线图、动态可视化等高级操作

本次作业绘图可采用seaborn、matplotlib库或者pandas内置绘图功能

案例一：北京租房数据分析

# 加载模块

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
%matplotlib inline

plt.rcParams['font.sans-serif'] = ['Arial Unicode MS'] # SimHei.ttf
plt.rcParams['axes.unicode_minus'] = False 

# 导入数据
df = pd.read_csv('data/lianjia.csv', encoding='gbk', index_col=False)
df.sample(1)
# 默认语言'gbk'，另外要设置inex_col = False 默认原数据无行索引，不然会导致URL默认为行索引。
# header = False, 默认原数据无列索引。

# 查看数据总体信息，空值统计，查看重复数据信息

df.info()

df.isnull().sum()

df[df.duplicated()==True]

问题1：填充空值（如有，否则不处理）；删除重复信息（如有，否则不处理）

# 没有空值，不处理

# 删除重复值
df.drop_duplicates(inplace=True)
df[df.duplicated()==True]

问题2： 更改列名：房屋类型厅室: 户型， 房屋类型精装修: 装修

df.rename(columns={'房屋类型厅室':'户型', '房屋类型精装修':'装修'}, inplace=True)

问题3： 删除 URL、房屋类型面积 列

df.drop(columns='URL', inplace=True)
df.drop(columns='房屋类型面积', inplace=True)

问题4: 区域 ‘列’ 分为三部分，请拆分成 ‘行政区域’、‘商圈’、‘小区’ 三个列

df['行政区域'] = df['区域'].apply(lambda x:x.split()[0])
df['商圈'] = df['区域'].apply(lambda x:x.split()[1])
df['小区'] = df['区域'].apply(lambda x:x.split()[2])
df

问题5: 按要求格式化数据

# 户型列 统一修改为 几室几厅几卫 格式
# 例如：‘房间’ 改为 ‘室’
# 1室1卫 改为 1室0厅1卫
df['户型'].replace('房间', '室', inplace=True)
df['户型'].replace(['1室1卫', '2室1卫', '3室1卫', '1室0卫', '2室2卫', '3室2卫', '1室2卫', '5室2卫', '4室2卫'], 
                 ['1室0厅1卫', '2室0厅1卫', '3室0厅1卫', '1室0厅0卫', '2室0厅2卫', '3室0厅2卫', '1室0厅2卫', '5室0厅2卫', '4室0厅2卫'], 
                inplace=True)

# 面积 列去掉单位，保留数字
df['面积'].apply(lambda x:x[:-1])

# 装修 列 数据格式修改
# 精装修 改为 精装
# '#' 改为 '简装'
df['装修'].replace('精装修', '精装', inplace=True)
df['装修'].replace('#', '简装', inplace=True)

# 楼层 列 拆分为 楼层位置、总楼层 两列
df['楼层位置'] = df['楼层'].apply(lambda x: x.split('/')[0])  
df['总楼层'] = df['楼层'].apply(lambda x: x.split('/')[1]).str[:-1]
df

问题6：选择 ‘房源编号’, ‘行政区’, ‘商圈’, ‘小区’, ‘户型’, ‘面积’, ‘租金’, ‘单价’, ‘装修’, ‘朝向’, ‘楼层位置’, ‘总楼层’, ‘电梯’, ‘车位’, ‘用水’, ‘用电’, ‘燃气’, ‘采暖’, ‘经纪人’ 列 组成新的 DataFrame 保存为lianjia_cleaned.csv

data_cleaned = df[['房源编号', '行政区域', '商圈', '小区', '户型', 
                   '面积', '租金', '押金', '装修', '朝向', 
                   '楼层位置', '总楼层', '电梯', '车位', '用水', 
                   '用电', '燃气', '采暖', '经纪人']]
data_cleaned = data_cleaned.reset_index(drop=True)  # 重设索引
data_cleaned.to_csv('lianjia_cleaned.csv') # 导出清洗后的数据到新的csv

df = pd.read_csv('lianjia_cleaned.csv', index_col=0)
df

问题7：画出 租金 的箱线图分布，采用 darkgrid 风格，采用boxenplot()函数

with sns.axes_style('darkgrid'):
    plt.figure(figsize=(6, 10))
    ax = plt.subplot()
    sns.boxenplot(y='租金', data=df)
    ax.set_ylabel('租金（元/月）', fontsize=15)
    ax.set_title('房源租金分布', fontsize=18)
    
# 从箱型分布看出，全市整租房源的租金主要分布在2500-5500元/套左右。

问题8：画出 不同行政区域 租金 的箱线图

plt.figure(figsize=(14, 10))

sns.boxenplot(x='行政区域', y='租金', data=df)

plt.show()

问题9：画四个子图：分别按 行政区域、 商圈（前20）、户型（前10）、面积（自行分段）画出房源数量柱状图

fig, axes = plt.subplots(2, 2, figsize=(20, 18)) # 绘制2*2多子图
fig.subplots_adjust(hspace=0.5, wspace=0.1) # 设置子图的间距

df_ = df.copy()
df_['面积'] = df_['面积'].map(lambda x:eval(x[:-1]))

area = df_['行政区域'].value_counts()
sns.barplot(x=area.index, y=area.values, palette='Blues_d', ax=axes[0, 0])
axes[0, 0].tick_params(labelsize=15) # 设置轴刻度文字大小,两个轴同时设置
axes[0, 0].set_xticklabels(axes[0, 0].get_xticklabels(), rotation=35) # 设置轴刻度文字方向，旋转角度
axes[0, 0].set_xlabel('行政区域', fontsize=18)
axes[0, 0].set_ylabel('房源数量', fontsize=18)

trade_top20 = df_['商圈'].value_counts()[:20]
sns.barplot(x=trade_top20.index, y=trade_top20.values, palette='Blues_d', ax=axes[0, 1])
axes[0, 1].tick_params(labelsize=15) 
axes[0, 1].set_xticklabels(axes[0, 1].get_xticklabels(), rotation=70) 
axes[0, 1].set_xlabel('Top20商圈', fontsize=18)
axes[0, 1].set_ylabel('')

type_top10 = df_['户型'].value_counts()[:10]
sns.barplot(x=type_top10.index, y=type_top10.values, palette='Blues_d', ax=axes[1, 0])
axes[1, 0].tick_params(labelsize=15)
axes[1, 0].set_xticklabels(axes[1, 0].get_xticklabels(), rotation=30)
axes[1, 0].set_xlabel('Top10户型', fontsize=18)
axes[1, 0].set_ylabel('房源数量', fontsize=18)

# 划分面积区间。
bins = [7, 15, 30, 60, 90, 125, 156] 
size = pd.cut(x=df_['面积'], bins=bins).value_counts()
sns.barplot(x=size.index, y=size.values, palette='Blues_d', ax=axes[1, 1])
axes[1, 1].tick_params(labelsize=15)
axes[1, 1].set_xticklabels(axes[1, 1].get_xticklabels(), rotation=0)
axes[1, 1].set_xlabel('面积区间', fontsize=18)
axes[1, 1].set_ylabel('')

plt.suptitle('房源数量分布总览', fontsize=25) # 多子图加总标题

问题10：以 总楼层 为横坐标，画出 房源数量 柱状图

plt.figure(figsize=(10,6))

ax = plt.subplot()
s = df.总楼层.value_counts()
sns.barplot(x=s.index, y=s.values)
ax.set_xlabel('总楼层', fontsize=18)
ax.set_ylabel('房源数量', fontsize=18)
ax.set_title('房源所在楼栋总层高', fontsize=20)

plt.show()

问题11：房源特征绘图，画四幅子图

• 柱状图画出朝向(前10)分布柱状图 （朝向 列）
• 饼图画出装修分布 （装修 列）
• 饼图画出楼层高度分布 （楼层位置 列）
• 饼图画出有无电梯分布 （电梯 列）

fig, axes = plt.subplots(2, 2, figsize=(12, 12))
plt.subplots_adjust(wspace=0.1, hspace=0.4)

s1 = df.朝向.value_counts()[:10]
sns.barplot(x=s1.index, y=s1.values, ax=axes[0, 0])
axes[0, 0].set_xticklabels(axes[0, 0].get_xticklabels(), rotation=90)
axes[0, 0].set_xlabel('朝向')
axes[0, 0].set_ylabel('房源数量')
axes[0, 0].set_title('Top10 朝向', fontsize=16)

s2 = df.装修.value_counts()
axes[0, 1].pie(x=s2.values, explode=np.ones(len(s2))*0.01, 
               labels=s2.index, autopct='%.1f%%')
axes[0, 1].set_title('装修', fontsize=16)

s3 = df.楼层位置.value_counts()
axes[1, 0].pie(x=s3.values, explode=np.ones(len(s3))*0.01, 
               labels=s3.index, autopct='%.1f%%')
axes[1, 0].set_title('楼层', fontsize=16)

s4 = df.电梯.value_counts()
axes[1, 1].pie(x=s4.values, explode=np.ones(len(s4))*0.01, 
               labels=s4.index, autopct='%.1f%%')
axes[1, 1].set_title('电梯', fontsize=16)

plt.suptitle('房源特征', fontsize=20)

plt.show()

问题12：仿照上面例子，对用水、用电、燃气、采暖 进行饼状图分析

fig, axes = plt.subplots(2,2,figsize=(12, 12))
plt.subplots_adjust(wspace=0.1, hspace=0.4)

s1 = df.用水.value_counts()
axes[0,0].pie(x=s1.values, labels=s1.index, explode=np.ones(len(s1))*0.1, autopct='%.1f%%')

s2 = df.用电.value_counts()
axes[0,1].pie(x=s2.values, labels=s2.index, explode=np.ones(len(s2))*0.1, autopct='%.1f%%')

s3 = df.燃气.value_counts()
axes[1,0].pie(x=s3.values, labels=s3.index, explode=np.ones(len(s3))*0.1, autopct='%.1f%%')

s4 = df.采暖.value_counts()
axes[1,1].pie(x=s4.values, labels=s4.index, explode=np.ones(len(s4))*0.1, autopct='%.1f%%')

plt.show()

问题13：以 行政区域、商圈 两列 分组，汇聚一室的 房源数量 和 平均租金，并可视化

注意：一室分为 ‘1室1厅1卫’, ‘1室0厅1卫’, ‘1室0厅0卫’, ‘1室1厅0卫’

df1 = df[df['户型'].isin(['1室1厅1卫', '1室0厅1卫', '1室0厅0卫', '1室1厅0卫'])] # 1室的房源共1511条
df1_group = df1.groupby('商圈')['租金'].agg([('房源数量', 'count'), ('平均租金', 'median')]) # 按照商圈分类，并计算count, median
df1_price = df1_group[df1_group['房源数量']>14].sort_values(by='平均租金') # 筛选出超过15套房源的商圈，按照租金进行升序排序

# 可视化
fig, ax = plt.subplots(1, 1, figsize=(23, 10))
ax1 = ax.twinx()

df1_price['房源数量'].plot.line(ax=ax1, color='red' ,linewidth=4)
# ax1.set_ylim(0, 70)
ax1.set_yticks([0, 20, 40, 60, 80]) # 设置y轴的刻度范围及标记，默认不从0开始
ax1.legend(('房源数量',), loc='upper center', fontsize=20)

df1_price['平均租金'].plot.bar(ax=ax, color='blue', alpha=0.5)
ax.legend(('平均租金',), fontsize=20)

ax.set_xticklabels(ax.get_xticklabels(), rotation=65)
ax.set_xlabel('')
ax.set_ylabel('平均租金', fontsize=20)
ax.tick_params(labelsize=20)
ax1.set_ylabel('房源数量', fontsize=20)
ax1.tick_params(labelsize=20)

ax.set_title('1室户型的平均租金与房源数量', fontsize=25)

plt.show()