本次又从kaggle上淘来了
King County
的房价数据，结合近期学习的Python分析工具，对影响房价的可能因素进行分析。
-
提出问题
随着国家对房产市场的宏观调控越来越严格，此前一路高歌猛进的房产市场也随之开始转冷，那么除了政策因素，还有哪些因素会影响房价呢？
本次我们以
King County
的房价数据为参考依据，对房价可能存在的影响因素进行分析：
①
房价与环境配套有哪些关系？
分别从
海滨区域、设施等级、房屋评级等级
进行分析（评级标准为当地自己的评级系统所产生，本次分析将直接引用）；
②
房价与房间配置有哪些关系？
分别从
卧室数、洗浴室数、楼层
进行分析；
③
房价与得房率的关系？
得房率=使用面积/建筑面积
；
由于2015年有房主自行翻修，可能存在扩大使用面积情况，故此处
使用面积
用
2015年使用面积
；
④
房价与房龄的关系？
房龄=2015-建成时间
；
数据为2015年上传，故按照2015为时间起始点计算；
⑤
房屋实看数
房屋实看数=房屋被实际查看的数量；
房屋查看的数量一定程度上可反映出用户对于房价的接受程度；
-
理解数据
由于下载的数据格式为CSV格式，故直接本地数据upload至Jupyter notebook；
#读取CSV，均转为str格式数据，后期在进行其他格式数据转换
import pandas as pd
import numpy as np
priceDf=pd.read_csv('kc_house_data.csv',dtype='object')
#打印头5行查看数据
priceDf.head()
-
数据清洗
1)选择子集
#选择子集
subpriceDf=priceDf.loc[:,'id':'grade']
2)重命名列名
#将需要使用的列名重新命名
calNameDict={'date':'日期',
'price':'房价',
'bedrooms':'卧室数',
'bathrooms':'洗浴室数',
'sqft_living':'使用面积',
'sqft_lot':'建筑面积',
'floors':'楼层',
'waterfront':'海滨区',
'view':'实看数','grade':'房屋等级',
'yr_built':'建成年份',
'yr_renovated':'翻修年份',
'zipcode':'邮编',
'sqft_living15':'使用面积（2015）',
'condition':'条件设施',
'sqft_lot15':'建筑面积（2015）',
'id':'编号',
'sqft_above':'地上建筑面积',
'sqft_basement':'地下建筑面积',
'lat':'纬度',
'long':'经度'}
priceDf.rename(columns=calNameDict,inplace=True)
3)缺失值处理（仅删除）
#处理缺失值（本次仅做删除处理）
priceDf=priceDf.dropna(subset=['卧室数','洗浴室数','楼层','海滨区','条件设施','房屋等级','使用面积（2015）','建筑面积（2015）','建成年份','实看数'],how='any')
4)数据类型转化
#将数据中属于浮点型的数据进行转化
priceDf['洗浴室数']=priceDf['洗浴室数'].astype('float')
priceDf['lat']=priceDf['lat'].astype('float')
priceDf['long']=priceDf['long'].astype('float')
priceDf['使用面积（2015）']=priceDf['使用面积（2015）'].astype('float')
priceDf['建筑面积（2015）']=priceDf['建筑面积（2015）'].astype('float')
#打印出结果，查看是否更改彻底
print(priceDf.dtypes)
#将数据中日期的字符串形式转化
priceDf.loc[:,'日期']=pd.to_datetime(priceDf.loc[:,'日期'],
format='%Y-%m-%d',
errors='coerce')
-
构建模型
1）房价与环境配套的相关性
此处仅对’房价’,’海滨区’,’条件设施’,’房屋等级’进行展示，并查看其相关性；
#去重
kpi1_Df=priceDf.drop_duplicates(
subset=['房价','海滨区','条件设施','房屋等级'])
#结果按'房价'倒叙排列
kpi1_Df=kpi1_Df.sort_values(by='房价',
ascending=False)
#重新命名编号列
kpi1_Df=kpi1_Df.reset_index(drop=True)
#打印出结果的前十行数据
kpi1_Df.head(10)
2）房价与房间配置的相关性
方法与模型1）类似，此处不再赘述，详见代码；
#去重
kpi2_Df=priceDf.drop_duplicates(
subset=['房价','卧室数','洗浴室数','楼层'])
#结果按'房价'倒叙排列
kpi2_Df=kpi2_Df.sort_values(by='房价',
ascending=False)
#重新命名编号列
kpi2_Df=kpi2_Df.reset_index(drop=True)
#打印出结果的前十行数据
kpi2_Df.head(10)
3）得房率
#统计建筑面积&使用面积之和（以2015年为基准）
totalAreaF1=priceDf.loc[:,'建筑面积（2015）'].sum()
totalAreaF2=priceDf.loc[:,'使用面积（2015）'].sum()
kpi3_Df=totalAreaF2/totalAreaF1
print('得房率=',kpi3_Df)
得房率= 0.15558283207827878；
4)房价与房龄的相关性
#按照建成年代进行分组，并查看对应房价的平均值
builtyrF=priceDf['房价'].groupby(priceDf['建成年份']).mean()
#按金额倒叙排序，并限制展示前十房源
builtyrF=builtyrF.sort_values(ascending=False)
builtyrF.head(10)
5）房屋实看数
实际看房数一定程度上说明了用户的偏好情况；
#按照实看数进行分组，并查看对应房价的平均值
viewF=priceDf['房价'].groupby(priceDf['实看数']).mean()
#按金额进行正序排序
viewF=viewF.sort_values(ascending=False)
viewF.head(10)
-
小结
1）房价与环境配套的相关性
King County的高价房源都集中于海滨区域，且评分都较高，最高价高达7700000美金。
2）房价与房间配置的相关性
高价房源的建筑面积较高，其中价格前十的房源大部分拥有5-6个卧室或洗浴室，而楼层偏底层，大部分为2层建筑，猜测此部分房源可能为海滨区的别墅住宅；
房源价格与卧室数、洗浴室数以及建筑面积成正相关的关系。
3）得房率
整体得房率≈ 0.16，可用面积相对较低，体现该地区房源的占地面积较大，购买房源或可拥有大面积院落；
4)房价与房龄的相关性
房源价格前十的房龄，主要集中于两个区间：90年代初期与2015年（取数时间近期）；
有历史的房源和新建成的房源，一定程度上可以卖的上好价钱。
5）房屋实看数
房源实看数最高为4次，此类房源的平均价格为1463711美金；
高房价房源的实看数均较高，看房行为并不能代表最终成交，具体成交数据还有待进一步挖掘。