波士顿房价数据集散点图代码
时间: 2024-06-24 07:01:35 浏览: 7
波士顿房价数据集(Boston Housing Dataset)是一个经典的机器学习数据集,用于预测美国波士顿地区的房屋价格。在创建散点图以可视化这个数据时,我们可以使用Python的Scikit-learn库和matplotlib库。下面是一个简单的例子代码:
```python
# 导入必要的库
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from sklearn.datasets import load_boston
# 加载波士顿房价数据
boston = load_boston()
df = pd.DataFrame(boston.data, columns=boston.feature_names)
target = boston.target # 房价
# 创建散点图(假设我们想要比较'RM'(房间数量)和'PRICE')
plt.figure(figsize=(10,6))
plt.scatter(df['RM'], target, color='blue')
plt.xlabel('Average number of rooms per dwelling (RM)')
plt.ylabel('Median value of owner-occupied homes in $1000s (PRICE)')
plt.title('Boston Housing Prices vs. Average Rooms')
plt.grid(True)
plt.show()
```
在这个代码中,我们首先加载数据,然后选择两个变量(例如房间数量RM和房价)来绘制散点图。x轴代表RM,y轴代表PRICE。每个点的位置表示该区域的平均房间数和对应的房价。