【python】Python上海二手房数据分析可视化（数据集+源码+报告）【独一无二】

一、背景

当今时代，随着时代的发展，房价问题一直处于风口浪尖，而房地产市场的供给和需求的高度层次性和不同性由于人口、环境、文化、教育、经济等因素的影响，房地产市场在各个区域间的需求情形各不相同，对于需要买房的人来说，在哪里买房，房价怎样，地区地段如何，房价差异以及入手时机，都得自己去一个个查阅与分析，非常麻烦。本项目旨在提取并展示数据，为刚需购房者提供有用信息。

完成六个数据处理任务：

二、数据分析可视化

2.1.上海二手房总体房价描述

1、读取sh.csv文件，用data变量来接收返回值，表示一个dataframe（2分）
在这里插入图片描述

2、随机查看data 的10行数据和data 的形状（2分）

在这里插入图片描述
3、查看data 的总体描述信息 info，并给出说明描述
4、查看data 的数据的范围、大小、波动趋势 describe并描述

在这里插入图片描述
面积最小值为21.11，最大值为1831.58，平均值为96.216867。
价格最小值为50w，最大值为11200w，平均值为580.277098w。
随机10行数据和data形状:

2.2 数据清洗和上海二手房单价分布情况

（1）观察数据，从数据总行数、哪些字段存在缺失值、字段的数据类型三个维度简要描述

在这里插入图片描述

（2）重命名字段，原来的字段名是中文，为了方便处理，统一转换成英文，对应关系如下所示：

{'小区名字':'name','户型': layout,'面积':'area','区域':'district','楼层':'floorlevel','朝向':'dire','价格（W）':'price','单价（平方米）':'unit_price','建筑时间':'buildtime'}

在这里插入图片描述

（3）户型和楼层两个字段需要分别拆分为两个字段存储，户型拆成室和厅，室用living_rooms表示，厅用sitting_rooms表示；楼层拆成区间和层，区间用floor_level表示，层用floor表示，然后分别添加到data末尾，然后打印前五行或其它方法验证。

在这里插入图片描述

（4）“建筑时间”字段类型为object，需要提取年份部分，并存储为timestamp类型；（5分）
在这里插入图片描述

（5）找出data重复的数据并删除，缺失值分布bool类型，统计每列缺失值个数，然后使用上一个非缺失值填充。

在这里插入图片描述

（6）输出异常数据（单价大于20万），并把它们删除

在这里插入图片描述

（7）找出单价最高的记录和最低的记录，并计算他们单价相差多少

在这里插入图片描述

（8）作图。画出上海二手房单价分布的箱线图，并作出简要的描述。（3分）

在这里插入图片描述

2.3上海各城区单价与总价的分布

1、各个城区单价分布箱线图、各个城区总价分布箱线图。（10分）

在这里插入图片描述

2、计算上海每平方米平均单价和购买一套房平均总价是多少，保留两位小数（10分）

def calculate_and_print_averages(data):average_unit_price = data['unit_price'].mean()average_total_price = data['price'].mean()print(f"上海每平方米平均单价: {average_unit_price:.2f}元")print(f"购买一套房的平均总价: {average_total_price:.2f}万元")