我报名参加金石计划1期应战——分割10万奖池，这是我的第6篇文章，点击检查活动概况
1. 导言
咱们将对numpy，pandas，matplotlib，seaborn库进行综合运用，旨在熟练掌握这些根本工具。
1.1 项目需求：
- 核算每个区域的房源总数量，并运用热力图对房源位置的分布状况进行剖析
- 运用条形核算图剖析哪种户型的数量最多、更受欢迎
- 核算每个区域的均匀租金，并结合柱状图和折线图剖析各区域的房源数量和租金状况
- 核算面积区域的市场占有率，并运用饼图绘制个区间所占比例
1.2 数据集介绍：
- 数据集是有关于租房信息的揭露数据。
- 详细特征包含所属区域、小区称号、房子、价格、房子面积、户型等等。
2. 代码演示
2.1 导入模块
首要，需要导入所需的模块：
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
2.2 数据集处理
咱们先运用pandas读取csv数据文件：
file_name = pd.read_csv("链家北京租房数据.csv")
file_name
读取成果如下图所示：
检查数据集根本特点和信息：
-
file_name.shape：获取根本特点 -
file_name.info()：检查数据中每个字段根本信息
运转成果如下图所示：
-
file_name.describe()：获取根本核算学数据描述
运转成果如下图所示：只能核算价格这一列的最大值最小值等核算学描述，其他列是object特点，不会去核算。
2.3 数据根本处理
虽然数据集已经有了，但是数据会集可能还存在一定的问题，不能直接用来数据剖析。这就需要咱们进行数据预处理，比方：处理缺失值，处理重复值，一致数据类型等等。
2.3.1 重复值检测
# 重复值检测
file_name.duplicated().any()
运转成果如下图所示：
2.3.2 删去重复值
# 删去重复值
file_data = file_name.drop_duplicates()
file_data.shape
# s数据量变少了，阐明重复值已经被删去了
运转成果如下图所示：可以发现数据由8223条样本减少到5773条样本，阐明删去了一些重复值。
2.3.3 空值处理
- isnull()：判断是否存在空值，若没有空值返回false
- dropna()：删去空值
# 空值处理
file_data = file_data.dropna()
file_data.isnull().any()
运转成果如下图所示：
