接下来，我们需要对爬取下来的数据进行简要统计与分析，要求得出温州市区内租赁的最高价格、最低价格、平均价格和中位数价格，并画出价格分析图，并用直方图表示。
假如你在上一节中数据没有爬取成功，没有关系，先下载以下数据完成数据的统计与分析（跟实例数据可能有所差别）。
任务3：分析房产租赁数据。
| #!/usr/bin/Python
# -*- coding: gbk -*-
# 导入包
import pandas as pd
from pylabimport mpl
# 设置字体为SimHei,用于显示图中的中文
mpl.rcParams['font.sans-serif'] = ['SimHei']
mpl.rcParams['axes.unicode_minus'] = False
# 读取本地数据,编码为gbk
house = pd.read_csv('result.csv', encoding='gbk')
house = house[(house.district.isin(['鹿城','龙湾','瓯海']))]
price = house['price']
max_price = price.max()
min_price = price.min()
mean_price = price.mean()
median_price = price.median()
# 输出温州市租赁的最高价格、最低价格、平均价格和中位数价格
print(u"温州市区租赁最高价格：%.2f元/套" % max_price)
print(u"温州市区租赁最低价格：%.2f元/套" % min_price)
print(u"温州市区租赁平均价格：%.2f元/套" % mean_price)
print(u"温州市区租赁中位数价格：%.2f元/套" % median_price) |
操作演示如下视频所示，可能每个人数据都不一样：
| mean_price_district = house.groupby('district')['price'].mean().sort_values(ascending=False)
mean_price_district.plot(kind='bar',color='b')
print(mean_price_district)
# 设置y轴刻度范围
plt.ylim(1000,5000,500)
plt.title("温州市各行政区划房产租赁平均价格分析")
plt.xlabel("温州市行政区划")
plt.ylabel("房产租赁平均价格（元/套）")
plt.show() |
提前了解柱状图：
操作演示如下视频所示：
| import matplotlib.pyplotas plt
# 绘制房价分布直方图
# 设置x轴，y轴刻度范围
plt.xlim(0,14000)
plt.ylim(0,30)
plt.title("温州市区房产租赁价格分析")
plt.xlabel("租赁价格 (元/套)")
plt.ylabel("租赁数量")
plt.hist(price, bins=60)
# 绘制垂直线
plt.vlines(mean_price, 0, 500, color='red', label='平均价格', linewidth=1.5, linestyle='--')
plt.vlines(median_price, 0, 500, color='red',label='中位数价格', linewidth=1.5)
# 显示图例
plt.legend() |
提前了解直方图：
操作演示如下视频所示：
