用python写一个二手房价格预测的代码

抱歉，作为AI语言模型，我无法在本地运行代码。以下是一个二手房价格预测的Python代码示例，仅供参考：

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_squared_error

# 读取数据
data = pd.read_csv('house_data.csv')

# 特征选择
X = data[['Area', 'Rooms', 'Bathrooms', 'Distance']]
y = data['Price']

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 建立模型
model = LinearRegression()
model.fit(X_train, y_train)

# 预测
y_pred = model.predict(X_test)

# 评估模型
rmse = mean_squared_error(y_test, y_pred, squared=False)
print('RMSE:', rmse)

该代码首先读取了一个名为`house_data.csv`的数据集，其中包含了房屋的面积、房间数、浴室数和距离等特征，以及每个房屋的价格。然后，将这些特征作为自变量`X`，将价格作为因变量`y`。接着，将数据集划分为训练集和测试集，并建立线性回归模型。最后，使用测试集进行预测，并计算出模型的均方根误差（RMSE）。

请注意，这只是一个简单的示例代码，实际的二手房价格预测可能需要更多的特征和更复杂的模型。