用python将不同的price按照area的值分组，并找出price的中位数

### 回答1：
假设有一个包含房屋面积和价格的列表data，可以使用pandas库来完成分组和中位数的计算：

import pandas as pd

# 构造数据
data = [(100, 200), (120, 300), (80, 150), (90, 180), (110, 280), (130, 320)]

# 转换为pandas的DataFrame对象
df = pd.DataFrame(data, columns=['area', 'price'])

# 按照area分组，计算price的中位数
result = df.groupby('area')['price'].median()

print(result)

运行结果为：

area
80    150.0
90    180.0
100   200.0
110   280.0
120   300.0
130   320.0
Name: price, dtype: float64

可以看到，结果按照面积从小到大排序，每个面积对应一个价格的中位数。如果要按照价格从小到大排序，可以在groupby函数中添加sort_values参数：

result = df.groupby('area')['price'].median().sort_values()

print(result)

运行结果为：

area
80    150.0
90    180.0
100   200.0
110   280.0
120   300.0
130   320.0
Name: price, dtype: float64

### 回答2：
要按照房屋面积的值将不同的价格分组，并找出价格的中位数，可以使用Python的pandas库来实现。

首先，将数据导入到pandas的DataFrame中。假设房屋的价格数据存储在一个名为data的CSV文件中，包含两列：price（价格）和area（面积）。

import pandas as pd

# 导入数据到DataFrame
data = pd.read_csv('data.csv')

接下来，使用pandas的groupby函数按照面积（area）进行分组，并计算每组的中位数。

# 按照面积分组，并计算价格的中位数
grouped_data = data.groupby('area')['price'].median()

以上代码将按照面积分组，并计算每组价格的中位数，结果存储在grouped_data中。

最后，可以打印分组结果和价格的中位数。

# 打印分组结果和价格的中位数
print(grouped_data)

完整的代码如下：

import pandas as pd

# 导入数据到DataFrame
data = pd.read_csv('data.csv')

# 按照面积分组，并计算价格的中位数
grouped_data = data.groupby('area')['price'].median()

# 打印分组结果和价格的中位数
print(grouped_data)

执行以上代码，将输出按照面积分组的价格中位数。

### 回答3：
要用Python将不同的price按照area的值分组并找出price的中位数，可以采用以下步骤：

1. 创建一个空字典，用于存储按照area分组后的price列表。
2. 遍历price和area两个列表，将对应的price和area值匹配并分组。
3. 判断当前的area是否已经在字典的键中，如果存在，则将对应的price添加到该键对应的列表中；若不存在，则创建该键，并将price添加到新建的列表中。
4. 遍历字典的值，即各个分组的price列表，对每个列表进行排序，并计算中位数。
5. 将计算出的中位数存储到新的字典中，以area为键，中位数为值。
6. 输出最终的分组和中位数结果。

下面是示例代码：

import statistics

price = [100, 200, 150, 300, 250, 180]  # 价格列表
area = [1, 1, 2, 2, 3, 3]  # 面积列表

grouped_prices = {}  # 分组后的价格字典

# 将price按照area分组
for i in range(len(price)):
    current_area = area[i]
    current_price = price[i]
    
    if current_area in grouped_prices:
        grouped_prices[current_area].append(current_price)
    else:
        grouped_prices[current_area] = [current_price]

medians = {}  # 每个分组的中位数字典

# 计算每个分组的中位数
for area, prices in grouped_prices.items():
    sorted_prices = sorted(prices)
    median = statistics.median(sorted_prices)
    medians[area] = median

print("按照面积分组后的价格为:")
for area, prices in grouped_prices.items():
    print(f"面积{area}: {prices}")

print("每个分组的中位数为:")
for area, median in medians.items():
    print(f"面积{area}的中位数: {median}")

这样，程序就能对price进行分组并计算出每个分组的中位数。输出的结果将展示按照area分组后的价格和每个分组的中位数。