利用Pandas和matplotlib分析我愛(ài)我家房租區(qū)間頻率

huayeluoliuhen 發(fā)布于2019-07-30 17:09 / 2450人閱讀

摘要：前幾天利用爬取了我愛(ài)我家的租房的一些數(shù)據(jù)，就想著能不能對(duì)房租進(jìn)行一波分析，于是通過(guò)書(shū)籍和博客等查閱了相關(guān)資料，進(jìn)行了房租的區(qū)間分析。

前幾天利用python爬取了我愛(ài)我家的租房的一些數(shù)據(jù)，就想著能不能對(duì)房租進(jìn)行一波分析，于是通過(guò)書(shū)籍和博客等查閱了相關(guān)資料，進(jìn)行了房租的區(qū)間分析。不得不說(shuō)，用python做區(qū)間分析比我之前用sql關(guān)鍵字統(tǒng)計(jì)區(qū)間簡(jiǎn)單多了，話(huà)不多說(shuō)，上代碼

# coding=utf-8
import pandas as pd
import pymysql
import matplotlib.pyplot as plt

db = pymysql.connect(host="127.0.0.1", port=3306, user="root", passwd="root", db="woaiwojia", charset="utf8")
cursor = db.cursor()
df = pd.read_sql("select  * from zufang ", db)
#以下注釋為對(duì)pandas讀取數(shù)據(jù)之后的數(shù)據(jù)處理讀取的嘗試
#前三行
#rows = df[0:3] 
#price和lxrphone兩列
#cols = df[["price", "lxrphone"]]
#aa = pd.DataFrame(df)
#前三行和lxrphone和price列
# print(df.ix[0:3,["price","lxrphone"]])
#讀取數(shù)據(jù)的信息
# print(df.info())
#查看表的描述性信息
# print(df.describe())


#以下為獲取price列的最大最小值并分組
xse = df["price"]
# print(xse.max())
# print(xse.min())
fanwei = list(range(1500, xse.max(), 1500))
fenzu = pd.cut(xse.values, fanwei, right=False)  # 分組區(qū)間,長(zhǎng)度91
# print(fenzu.codes)#標(biāo)簽
# print(fenzu.categories)#分組區(qū)間，長(zhǎng)度8
pinshu = fenzu.value_counts()  # series,區(qū)間-個(gè)數(shù)
#print(pinshu)
# print(pinshu.index)

#設(shè)置plot的展示格式
pinshu.plot(kind="bar")
qujian = pd.cut(xse, fanwei, right=False)
df["區(qū)間"] = qujian.values
df.groupby("區(qū)間").median()
df.groupby("區(qū)間").mean()

pinshu_df = pd.DataFrame(pinshu, columns=["頻數(shù)"])
pinshu_df["頻率f"] = pinshu_df / pinshu_df["頻數(shù)"].sum()
pinshu_df["頻率%"] = pinshu_df["頻率f"].map(lambda x: "%.2f%%" % (x * 100))

pinshu_df["累計(jì)頻率f"] = pinshu_df["頻率f"].cumsum()
pinshu_df["累計(jì)頻率%"] = pinshu_df["累計(jì)頻率f"].map(lambda x: "%.4f%%" % (x * 100))

print(pinshu_df)

plt.show()

打印的結(jié)果

使用matplotlib.pyplot的show方法展示的數(shù)據(jù)

參考博客 pandas分區(qū)間，算頻率
參考書(shū)籍《Python3爬蟲(chóng)、數(shù)據(jù)清洗與可視化實(shí)戰(zhàn)》

云服務(wù)器 GPU云服務(wù)器我愛(ài)數(shù)據(jù)分析脈寬和頻率云桌面服務(wù)器和頻率數(shù)據(jù)分析利用

文章版權(quán)歸作者所有，未經(jīng)允許請(qǐng)勿轉(zhuǎn)載,若此文章存在違規(guī)行為，您可以聯(lián)系管理員刪除。

轉(zhuǎn)載請(qǐng)注明本文地址：http://m.hztianpu.com/yun/42046.html

相關(guān)文章

5種方法教你用Python玩轉(zhuǎn)histogram直方圖

摘要：使用實(shí)現(xiàn)以上是使用純來(lái)完成的簡(jiǎn)單直方圖，但是從數(shù)學(xué)意義上來(lái)看，直方圖是分箱到頻數(shù)的一種映射，它可以用來(lái)估計(jì)變量的概率密度函數(shù)的。第一種情況你是在估計(jì)一個(gè)未知的概率密度函數(shù)，而第二種情況是你是知道分布的，并想知道哪些參數(shù)可以更好的描述數(shù)據(jù)。作者：xiaoyu 微信公眾號(hào)：Python數(shù)據(jù)科學(xué) 知乎：python數(shù)據(jù)分析師直方圖是一個(gè)可以快速展示數(shù)據(jù)概率分布的工具，直觀易于理解，并深...

simpleapples 2019-07-30 17:05 評(píng)論0 收藏0
【數(shù)據(jù)科學(xué)系統(tǒng)學(xué)習(xí)】Python # 數(shù)據(jù)分析基本操作[三] matplotlib

摘要：有一些表示常見(jiàn)圖形的對(duì)象稱(chēng)為塊，完整的集合位于。中的繪圖函數(shù)在中，有行標(biāo)簽列標(biāo)簽分組信息。密度圖通過(guò)計(jì)算可能會(huì)產(chǎn)生觀測(cè)數(shù)據(jù)的連續(xù)概率分布的估計(jì)而產(chǎn)生的。在探索式數(shù)據(jù)分析工作中，同時(shí)觀察一組變量的散布圖是很有意義的。我們?cè)谏弦黄榻B了 pandas，本篇介紹 matplotlib。繪圖和可視化一個(gè)用于創(chuàng)建出版質(zhì)量圖表的桌面繪圖包。 Matplotlib API入門(mén) Figure ...

BDEEFE 2019-07-31 11:10 評(píng)論0 收藏0
??數(shù)據(jù)科學(xué)-Pandas、Numpy、Matplotlib秘籍之精煉總結(jié)

前言：先感受一下數(shù)據(jù)科學(xué)的魅力，上圖是在Smart Dubai 2017 GITEX科技周展臺(tái)上推出Smart Decision-Making Platform（智能決策平臺(tái)），于10月8日至12日在迪拜世界貿(mào)易中心舉行。游客可以通過(guò)一個(gè)沉浸式的空間將數(shù)據(jù)可視化，讓他們了解迪拜的未來(lái)。讓參觀者可以在現(xiàn)場(chǎng)查閱觀看全市數(shù)據(jù)，這意味著迪拜將成為了世界上第一個(gè)與公眾分享實(shí)時(shí)實(shí)時(shí)數(shù)據(jù)的城市，同時(shí)還可以預(yù)...

Zhuxy 2021-09-08 09:36 評(píng)論0 收藏0
Python學(xué)習(xí)筆記：數(shù)據(jù)可視化(一)

摘要：當(dāng)數(shù)據(jù)發(fā)生變化時(shí)，這種演變過(guò)程隨之發(fā)生。是一種統(tǒng)計(jì)報(bào)告圖，由一系列高度不等的縱向條紋或線(xiàn)段表示數(shù)據(jù)分布的情況。 showImg(https://segmentfault.com/img/bVbnkP1?w=751&h=558); python相關(guān) 基礎(chǔ)概念數(shù)據(jù):離散的，客觀事實(shí)的數(shù)字表示信息：處理后的數(shù)據(jù)，為實(shí)際問(wèn)題提供答案　　- 為數(shù)據(jù)提供一種關(guān)系或一個(gè)關(guān)聯(lián)后，數(shù)據(jù)就成了信...

Crazy_Coder 2019-07-31 11:07 評(píng)論0 收藏0
【精華分享】：轉(zhuǎn)行數(shù)據(jù)分析的一份學(xué)習(xí)清單

摘要：數(shù)據(jù)分析的發(fā)展方向一般有商業(yè)方向，行業(yè)分析業(yè)務(wù)方向，和機(jī)器學(xué)習(xí)數(shù)據(jù)挖掘方向。機(jī)器學(xué)習(xí)的書(shū)籍推薦統(tǒng)計(jì)學(xué)習(xí)方法，機(jī)器學(xué)習(xí)，機(jī)器學(xué)習(xí)實(shí)戰(zhàn)三本書(shū)。作者：xiaoyu 微信公眾號(hào)：Python數(shù)據(jù)科學(xué) 知乎：python數(shù)據(jù)分析師上一篇主要分享了博主親身轉(zhuǎn)行數(shù)據(jù)分析的經(jīng)歷：【從零學(xué)起到成功轉(zhuǎn)行數(shù)據(jù)分析，我是怎么做的？】本篇繼上一篇將分享轉(zhuǎn)行數(shù)據(jù)分析的一些經(jīng)驗(yàn)和學(xué)習(xí)方法，看完這篇你將會(huì)解...

suemi 2019-07-30 16:59 評(píng)論0 收藏0