Python爬取北京二手房数据，分析北漂族买得起房吗？ | 附完整源码

探究Toilet与TotalPrice的关系

#探究卫生间与总价的关系 
table(DATA$Toilet) 
   0    1    2    3    4    5    6    7    9  
   2 2142  470  116   74   26    7    2    0   
#这里将卫生间数为0、6和7的去掉 
DATA<-DATA[-(which(DATA$Toilet %in% "0")),] 
DATA<-DATA[-(which(DATA$Toilet %in% "6")),] 
DATA<-DATA[-(which(DATA$Toilet %in% "7")),] 
table(DATA$Toilet) 
   0    1    2    3    4    5    6    7    9  
   0 2142  470  116   74   26    0    0    0  
ggplot(DATA,aes(x=Toilet,y=TotalPrice))+geom_boxplot(col="red") 

一般卧室数越多，卫生间数也越多，即卫生间数越多，总价越高。

探究Area与TotalPrice的关系

ggplot(DATA, aes(x=Area, y=TotalPrice)) + geom_point(col='red') 

这个完全符合住房面积越大，总价越高。

探究Towards与TotalPrice的关系

ggplot(DATA,aes(x=Towards,y=TotalPrice))+geom_boxplot(col="red") 

探究Floor与TotalPrice的关系

ggplot(DATA,aes(x=Floor,y=TotalPrice))+geom_boxplot(col="red") 

图中信息显示楼层一共只有1、2、3、地下的总价较高。

探究Decorate与TotalPrice的关系

ggplot(DATA,aes(x=Decorate,y=TotalPrice))+geom_boxplot(col="red") 

不同装修信息对总价影响较小。

04、模型建立

fit <-lm(TotalPrice~Bedrooms+Halls+Toilet+Area+Towards+Floor+Decorate,data=DATA) 
summary(fit) 
 
Call: 
lm(formula = TotalPrice ~ Bedrooms + Halls + Toilet + Area +  
    Towards + Floor + Decorate, data = DATA) 
 
Residuals: 
     Min       1Q   Median       3Q      Max  
-1330.80  -103.49   -21.41    63.88  2961.59  
 
Coefficients: 
                  Estimate Std. Error t value Pr(>|t|)     
(Intercept)      -112.7633    88.3010  -1.277 0.201697     
Bedrooms2         -43.5934    16.2533  -2.682 0.007359 **  
Bedrooms3         -82.6565    20.7641  -3.981 7.04e-05 *** 
Bedrooms4         -63.3096    34.9521  -1.811 0.070198 .   
Bedrooms5          79.0618    54.0763   1.462 0.143842     
Halls1             -5.0663    64.2764  -0.079 0.937182     
Halls2            -53.8905    65.4427  -0.823 0.410307     
Halls3           -303.9750    79.2280  -3.837 0.000127 *** 
Halls4           -528.5427   104.0849  -5.078 4.07e-07 *** 
Toilet2           112.9566    19.1171   5.909 3.87e-09 *** 
Toilet3           543.7304    38.8056  14.012  < 2e-16 *** 
Toilet4           735.1894    55.0977  13.343  < 2e-16 *** 
Toilet5           338.7906    84.2851   4.020 5.98e-05 *** 
Area                5.1091     0.1619  31.557  < 2e-16 *** 
Towards东北向     138.9088    79.3817   1.750 0.080248 .   
Towards东南向     187.1895    68.5388   2.731 0.006351 **  
Towards东西向     176.3055    65.8384   2.678 0.007453 **  
Towards东向       210.9435    73.2744   2.879 0.004022 **  
Towards南北向      75.7831    57.1199   1.327 0.184704     
Towards南向        60.1949    56.9678   1.057 0.290763     
Towards西北向      75.4326    71.1415   1.060 0.289091     
Towards西南向     169.8106    75.9626   2.235 0.025467 *   
Towards西向       234.0816    76.5585   3.058 0.002253 **  
Floor地下        -812.3578    63.3277 -12.828  < 2e-16 *** 
Floor高层          12.3525    14.2466   0.867 0.385991     
Floor共1层       -313.7278    52.1342  -6.018 2.00e-09 *** 
Floor共2层       -453.3692    41.6829 -10.877  < 2e-16 *** 
Floor共3层       -601.7032    44.3336 -13.572  < 2e-16 *** 
Floor共4层       -183.7866    36.3396  -5.057 4.52e-07 *** 
Floor共5层        -41.4184    25.7922  -1.606 0.108419     
Floor中层          -1.7223    13.5961  -0.127 0.899204     
Decorate简单装修  -63.1591    22.0584  -2.863 0.004224 **  
Decorate精装修    -49.3276    19.8544  -2.484 0.013033 *   
Decorate毛坯     -157.0299    24.3012  -6.462 1.22e-10 *** 
--- 
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 
 
Residual standard error: 265.5 on 2794 degrees of freedom 
Multiple R-squared:  0.6852,    Adjusted R-squared:  0.6815  
F-statistic: 184.3 on 33 and 2794 DF,  p-value: < 2.2e-16 

模型的F检验拒绝原假设，说明建立的模型是显著的;Ajusted R-squared为0.6815，模型的拟合程度尚可接受。

作者：徐麟，知乎同名专栏作者，目前就职于上海唯品会产品技术中心，哥大统计数据狗，从事数据挖掘&分析工作，喜欢用R&Python玩一些不一样的数据。

（编辑：武汉站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!