二手房数据分析价格和城区的热力图全代码

二手房数据分析通常涉及收集房价数据、地理位置信息以及可能影响房价的因素，然后通过可视化工具如热力图呈现各个城区的价格分布。这里是一个简单的Python示例，使用pandas处理数据，geopandas绘制热力图：

import pandas as pd
import geopandas as gpd
import matplotlib.pyplot as plt

# 1. 加载数据
# 假设你有csv文件，包含"区域", "价格"字段
df = pd.read_csv('houses.csv')

# 2. 数据预处理
# 确保区域字段可以转换为地理坐标，例如使用经纬度
if '行政区编码' in df.columns:
    gdf = gpd.GeoDataFrame(df, geometry=gpd.points_from_xy(df['经度'], df['纬度']))
else:
    print("需要包含地理坐标列，如经度和纬度")

# 3. 计算价格平均值或加权平均，作为热力图颜色的基础
price_stats = df.groupby('区域')['价格'].agg(['mean', 'count'])
price_mean = price_stats['mean']

# 4. 绘制热力图
# 创建GeoDataFrame，并将价格平均值添加为新的列
gdf_with_price = gdf.merge(price_mean, on='区域', left_index=True)

# 使用geopandas的plot函数生成热力图
fig, ax = plt.subplots(figsize=(10, 8))
ax = gdf_with_price.plot(column='mean', cmap='coolwarm', ax=ax, legend=True)
ax.set_title('二手房价格热度地图')
plt.show()