数据分析(Python+numpy+pandas+matplotlib分析58同城成都房价)
时间: 2023-10-03 11:02:08 浏览: 121
成都二手房价数据分析 python
5星 · 资源好评率100%
好的,那我们开始吧。
首先,我们需要安装必要的库,包括numpy、pandas和matplotlib。你可以通过以下命令来安装:
```
pip install numpy pandas matplotlib
```
接下来,我们需要获取数据。我们可以从58同城的房产页面上爬取数据。这里我们使用Python中的requests库和BeautifulSoup库来实现。
```python
import requests
from bs4 import BeautifulSoup
url = 'https://cd.58.com/ershoufang/'
headers = {
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.36'}
r = requests.get(url, headers=headers)
soup = BeautifulSoup(r.text, 'html.parser')
house_list = soup.find_all('div', {'class': 'property_content'})
```
现在我们已经成功获取了房屋列表。接下来,我们需要将它们保存到一个数据框中,以便进行分析。
```python
import pandas as pd
data = []
for house in house_list:
title = house.find('h3').text.strip()
info_list = house.find('div', {'class': 'property_des'}).find_all('p')
area = info_list[0].text.strip()
layout = info_list[1].text.strip()
direction = info_list[2].text.strip()
floor = info_list[3].text.strip()
age = info_list[4].text.strip()
price = house.find('div', {'class': 'property_price'}).find('p').text.strip()
data.append({'title': title, 'area': area, 'layout': layout, 'direction': direction, 'floor': floor, 'age': age, 'price': price})
df = pd.DataFrame(data)
```
现在我们已经成功将数据保存到一个数据框中。我们可以开始对数据进行分析了。
首先,我们可以查看数据的基本统计信息。
```python
print(df.describe())
```
接下来,我们可以绘制一个房价分布图,以了解房价的分布情况。
```python
import matplotlib.pyplot as plt
plt.hist(df['price'], bins=20)
plt.xlabel('Price')
plt.ylabel('Count')
plt.show()
```
我们还可以绘制一个散点图,以了解房价与面积之间的关系。
```python
plt.scatter(df['area'], df['price'])
plt.xlabel('Area')
plt.ylabel('Price')
plt.show()
```
最后,我们可以绘制一个箱线图,以了解不同户型的房价分布情况。
```python
import seaborn as sns
sns.boxplot(x='layout', y='price', data=df)
plt.show()
```
这样,我们就完成了58同城成都房价的数据分析。
阅读全文