当前位置:首页 > 教育

链家上海二手房 数据分析上海市链家二手房(R语言)

本文最初发表于2015年微信官方账号(微信ID: lsxxx2011),作者刘顺祥经作者授权转载,严禁转载两次。

如果你有一批数据,你可能会用统计学、挖掘算法、可视化方法等技术来玩你的数据,但是当你没有数据的时候,怎么玩呢?接下来我们来玩无数据的数据分析。

本文从以下目录详细解释了数据分析的过程:

1.数据源的获取;

2.数据探索和清理;

3.建模(聚类算法和线性回归);

4.模型预测;

5.模型评估;

第一,数据源的获取

就像这篇文章的题目一样,我想分析一下上海的二手房数据。想看看有哪些因素会影响房价。哪些房子可以归为一类?我该如何预测二手房价格?但是我没有这样的数据样本。我该如何回答以上问题?

互联网时代,网络信息如此发达,信息量如此巨大,随便找点数据就够喝一壶了。在前几期中,我们已经谈到了如何从互联网上抓取信息,并使用Python作为灵活方便的工具来完成爬虫,例如:

当然上海二手房的数据还是通过爬虫获取的,爬行平台来自链家。页面是这样的:

2.二手房面积和房价分布

#区正态性检验

Norm.test(房屋$面积)

施工时间缺失变量6216个,占总样本的22%。虽然不足严重,但我不能简单粗暴的扔掉变量,所以我们考虑按各个区域分组,实现模式替代法。这里构建了两个自定义函数:

库(Hmisc)

#自定义模式功能

stat.mode & lt-函数(x,rm.na = TRUE){

if (rm.na == TRUE){

y = x[!is.na(x)]

}

RES = name(table(y))[what . max(table(y))]

返回(res)

}

#实现分组替换的自定义函数

my . import & lt;-函数(数据,category.col = NULL,

miss.col = NULL,method = stat.mode){

估算数据=空

for(I in as . character(unique(data[,category . col])){

sub.data = subset(data,data[,category.col] == i)

子数据[,miss.col] =估算(子数据[,miss.col],方法)

估算数据= c(估算数据,子数据[,miss.col])

}

data[,miss . col]= import . data

返回(数据)

}

#将构造时间中的空白色字符串转换为缺少的值

House$施工时间[house$施工时间= ='']

#替换组中缺失的值,并过滤数据集上的变量

final_house <。-子集(我的。impress(房子,'面积','施工时间'),select = c(类型。新的,楼层,面积,价格。w .,单价。平方米,施工时间))

#建设新领域,即2016年建设时间和当前工期

final_house <。-transform (final _ house,build date 2 now = 2016-as . integer(substring(as . character(构造时间),1,4)))

#删除原始施工时间字段

final_house <。-子集(final_house,select =-施工时间)

最终的干净数据集如下:

#根据聚类结果,检查每个类别的区域分布

表(final_house$ area,clust $ cluster)

#根据聚类结果,比较各类房屋的平均面积、平均价格和平均单价

合计(final_house[,3:5],列表(clust $ cluster),平均值)

从平均水平来看,我可以大致将28,000多个套件合成以下语句:

a、大户型(3房2厅,4房2厅),属于2类。平均面积在130平米以上,这个大户型的房子主要分布在青浦、黄埔、松江等地(从各种类型的区域分布图可以看出)。

b、地段类型(高房价),属于1类。典型区域有黄埔、徐汇、长宁、浦东等地(从各种类型的区域分布图可以看出)。

c、公共住宅类型(面积小、价格适中、房屋多),属于第4、5类。典型地区有宝山、虹口、闵行、浦东、普陀、杨浦。

d、流浪型(介于大户型和地段型之间的住房),属于3类。典型地区有奉贤、嘉定、青浦、松江。这些地区也是未来会迅速崛起的地方。

#绘制面积和单价散点图,并按聚类进行划分

p <。-ggplot (data = final _ house [,3: 5],mapping = AES (x =面积,y =单价。平方米,颜色=因子(簇$簇$簇)))

p <。- p + geom_point(pch = 20,size = 3)

p + scale_colour_manual(值= c(“红色”、“蓝色”、“绿色”、“黑色”、“橙色”))

从结果来看,0.23非常接近上表中的0值,所以考虑二手房价格的对数变换。

fit2 <。-lm(log (price。W.) ~。,data = model.data)

摘要(fit2)

这次的成绩明显比fit1好很多。只有地板的中间区域在0.1的置信水平下是显著的,其他变量在0.01的置信水平下是显著的。而且调整后的R平方值也提高到了94.3%,也就是说这些自变量对房价的解释度达到了94.3%。

最后,我们来看看最终模型的诊断结果:

#使用绘图方法完成模型的定性诊断

opar <。- par(no.readonly =真)

par(mfrow = c(2,2))

图(fit2)

par(opar)

从上图看,基本满足线性回归模型的几个假设,即残差项服从正态分布(右上),均值为0(左上),标准差常数为(左下)。基于这个模型,我们可以有针对性的预测房价~

今天的学习过程到此结束。如有疑问,欢迎留言或加微信(lsx19890717)详谈。本文的爬虫代码、R语言脚本和数据可以从以下链接获得:

链接:http://pan.baidu.com/s/1c1BFhXe密码:36dm

2015年每天进步一点点

结束

请发送电子邮件到holly0801@163.com提交和反馈。微信官方账号转载大数据文章请向原作者申请授权,否则任何版权纠纷都与大数据无关。

大数据

为您提供与大数据相关的最新技术和信息。

最近的精彩文章(直接点击查看):

更多精彩文章,请点击微信官方账号后台的“历史文章”。谢谢你。

1.《链家上海二手房 数据分析上海市链家二手房(R语言)》援引自互联网,旨在传递更多网络信息知识,仅代表作者本人观点,与本网站无关,侵删请联系页脚下方联系方式。

2.《链家上海二手房 数据分析上海市链家二手房(R语言)》仅供读者参考,本网站未对该内容进行证实,对其原创性、真实性、完整性、及时性不作任何保证。

3.文章转载时请保留本站内容来源地址,https://www.lu-xu.com/jiaoyu/1226244.html

上一篇

山东养老保险新政策 大局已定!国家出台最新政策!山东这类户口的人即将身价暴涨!赶紧看!

下一篇

梅普组合 梅普组合散伙?梅德韦杰夫已被清出权力中心,取而代之的却是他?

最新兵役法 《兵役法》即将审议,逐月时间或将明确

  • 最新兵役法 《兵役法》即将审议,逐月时间或将明确
  • 最新兵役法 《兵役法》即将审议,逐月时间或将明确
  • 最新兵役法 《兵役法》即将审议,逐月时间或将明确
时间管理 我的时间管理

时间管理 我的时间管理

有很多朋友问我如何规划自己的一天——是否有具体的时间表,是否每天每时每刻都规划清楚自己应该做什么。 因为看到我记录的生活,似乎每天都特别规律: 早上六点前起床,打坐,写字,运动,看书,然后开始休息。 并且可以每天抽出大量时间记录和编辑vlog。...

指数平滑法 时间序列数据之一、二、三阶指数平滑法

指数平滑法 时间序列数据之一、二、三阶指数平滑法

基本概念 时间序列数据: 指在时域中具有相互依赖关系的数据序列 前提假设: 时间序列分析一般假设我们获得的数据在时域上具有一定的相互依赖性。比如T时刻股价高,t+1时刻价格会更高(跌停只有10%);如果股价在一段时间内稳步上涨,那么下一段时间继...

平滑指数 时间序列数据之一、二、三阶指数平滑法

平滑指数 时间序列数据之一、二、三阶指数平滑法

基本概念 时间序列数据: 指在时域中具有相互依赖关系的数据序列 前提假设: 时间序列分析一般假设我们获得的数据在时域上具有一定的相互依赖性。比如T时刻股价高,t+1时刻价格会更高(跌停只有10%);如果股价在一段时间内稳步上涨,那么下一段时间继...

梭子蟹蒸多久最佳时间

梭子蟹蒸多久最佳时间

蒸梭子蟹时,根据蟹的大小将水煮沸10-15分钟为宜,然后食用安全。螃蟹喜欢吃死鱼、死虾等水中腐烂的尸体,所以容易感染某些细菌。活着的螃蟹会通过新陈代谢排出细菌,螃蟹死了,体内的细菌就会繁殖,产生毒素。人吃了之后,容易引起食物中毒、恶心、呕吐、腹...

90后睡眠报告 六成以上被调查者觉得睡眠时间不足

3月21日是第18个世界睡眠日,今年的主题是“规律睡眠,健康睡眠”。今天上午,中国医师协会睡眠医学专业委员会在清华大学举行了“2018世界睡眠日新闻发布会暨全国大型免费门诊活动启动仪式”。中国医师协会睡眠医学专业委员会主席叶静英教授代表医师协会...

半年报披露时间 沪市半年报披露时间出炉:安琪酵母、天马科技拔头筹

证券时报(www.stcn.com)6月29日电据上交所上市公司定期报告,安琪酵母和天马科技将于7月13日率先披露2017年半年度报告;九华旅游和三峡新材料紧随其后,半年报将于7月14日披露;7月18日披露了建生集团和星缆的半年报。...

乙肝疫苗接种时间 专家答疑:接种乙肝疫苗后多长时间复查一次?

  • 乙肝疫苗接种时间 专家答疑:接种乙肝疫苗后多长时间复查一次?
  • 乙肝疫苗接种时间 专家答疑:接种乙肝疫苗后多长时间复查一次?
  • 乙肝疫苗接种时间 专家答疑:接种乙肝疫苗后多长时间复查一次?