大数据预处理 房型和房价的关系

在租房时候，有整租有合租，还存在一些多人共用一间的情况（有点类似青年旅社），可以尝试性探究不同的房型与房价之间的关系

sort_price = listings.loc[(listings.price <= 600) & (listings.price > 0)]\
                    .groupby('room_type')['price']\
                    .median()\
                    .sort_values(ascending=False)\
                    .index
sns.boxplot(y='price', x='room_type', data=listings.loc[(listings.price <= 600) & (listings.price > 0)], order=sort_price)
ax = plt.gca()
ax.set_xticklabels(ax.get_xticklabels(), rotation=45, ha='right')
plt.show()

　　输出结果如下：（整租价格最贵，其次是合租，最便宜的就是多人共用）

 除了查看字段中各房型的房价信息，也可以逆向思维，根据价格来看不同房型的出租的多少，通过堆叠图来尝试探究

listings.loc[(listings.price <= 600) & (listings.price > 0)].pivot(columns = 'room_type',
                                                                   values = 'price').plot.hist(stacked = True, bins=100)
plt.xlabel('Listing price')

输出结果如下：（有个明显的分界线，就是在100前后整租房的出租的数量和其它两种房型存在着较大的差距，100之前合租占据较大的比例，但是100以后就是整租的绝对优势了）

　　

 配套设施必备类型

酒店中房间的配套设施，比如wifi，卫生间，开窗，24小时热水等条件，尝试探究出租房中必备的配套设施都有哪些，首先对amenities字段的数据进行清洗，提取里面的具体设施

listings['amenities'].head()

listings.amenities = listings.amenities.str.replace("[{}]", "").str.replace('"', "")

listings['amenities'].head()

　　输出结果如下：（需要对花括号和引号进行去除，最后就是按照逗号进行分割）

 找出前20个最重要的便利设施

pd.Series(np.concatenate(listings['amenities'].map(lambda amns: amns.split(","))))\
    .value_counts().head(20)\
    .plot(kind='bar')
ax = plt.gca()
ax.set_xticklabels(ax.get_xticklabels(), rotation=45, ha='right', fontsize=12)
plt.show()

输出结果如下：（Wifi 暖气 厨房等便利设施是最重要的部分。这一部分有个很常用的功能，就是对一个字段中多项元素进行合并后进行统计计数后绘制图像）　

 配套设施和房价之间的关系。理解下面的前三行代码将会有不少的收获

#获取字段中的唯一元素
amenities = np.unique(np.concatenate(listings['amenities'].map(lambda amns: amns.split(","))))
#对包含的元素进行统计求平均值，排除空值
amenity_prices = [(amn, listings[listings['amenities'].map(lambda amns: amn in amns)]['price'].mean()) for amn in amenities if amn != ""]
#按照元素作为索引，平均价格作为值
amenity_srs = pd.Series(data=[a[1] for a in amenity_prices], index=[a[0] for a in amenity_prices])

#绘制前20的条形图
amenity_srs.sort_values(ascending=False)[:20].plot(kind='bar')
ax = plt.gca()
ax.set_xticklabels(ax.get_xticklabels(), rotation=45, ha='right', fontsize=12)
plt.show()