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Bedrooms与TotalPrice的关系

table(DATA$Bedrooms) 
  1    2    3    4    5    6    7    9  
541 1225  779  193  102   20    5    1  
##由于拥有6、7、9个卧室数的数量较少，这里我们排出这些数据。 
DATA<-DATA[-(which(DATA$Bedrooms %in% "6")),] 
DATA<-DATA[-(which(DATA$Bedrooms %in% "7")),] 
DATA<-DATA[-(which(DATA$Bedrooms %in% "9")),] 
table(DATA$Bedrooms) 
   1    2    3    4    5  
 541 1225  779  193  102  
 
library(ggplot2) 
ggplot(DATA,aes(x=Bedrooms,y=TotalPrice))+geom_boxplot(col="red") 

DATA$Bedrooms<-as.numeric(DATA$Bedrooms) 
##这里将卧室数为1、2、3命名为A，4为B，5为C 
DATA$Bedrooms[DATA$Bedrooms=='1']<-"A" 
DATA$Bedrooms[DATA$Bedrooms=='2']<-"A" 
DATA$Bedrooms[DATA$Bedrooms=='3']<-"A" 
DATA$Bedrooms[DATA$Bedrooms=='4']<-"B" 
DATA$Bedrooms[DATA$Bedrooms=='5']<-"C" 

不同卧室数，TotalPrice不同。且随着卧室数的增多，总价越高，符合大众的认知。

（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!