利用Excel分析链家二手房数据

Excel分析链家二手房数据
本次数据分析旨在使用Excel工具分析网上爬取的链家北京而二手房数据，我们都知道爬虫爬取到的数据不出意外有很多都是混乱、错误、或者乱码的数据，所以这里使用Excel工具对数据进行清洗、整理、转换、构造等操作，同时还对数据进行可视化分析，最后采用python构建预测模型对二手房房价进行学习训练，并且预测房价。

首先导入数据：
可以从工具点击“数据”选项卡–>获取外部数据–>选择“自文本”选项
然后根据文本的特征选择相应的格式就行了

观察一下数据集，数据大体详情如下：

由于特征名看起来有点乱，可以将数据调成自己习惯观察的顺序，这里就不贴出具体操作了：

数据集一共有23677条数据，其中Elevator（电梯）特征有明显的缺失值
在Excel里有个快速填充缺失值的方法：快捷键Ctrl+G导出定位操作栏，选择定位位置和空值定位条件则会选完所有的缺失值，然后写入相应的填充值如（平均值，众数、中位数等），按Ctrl + Enter键即可全部填充完成。
不过本数据集的缺失值为类型数据，且考虑到生活中常见的房子特点，这里电梯缺失值填充方法为：将Floor（楼层）大于6层的填充为有电梯，小于或等于6层的为无电梯，可以利用函数实现：
将空值筛选出来，写入公式:IF(E2>6,“有电梯”,“无电梯”)，将公式下拉填充所有缺失值，缺失值填充完成

现在暂时也看不出什么数据的异常值，可以先进行数据可视化分析，等发现异常值再处理：

首先可以看一下Price（房价）与Size（面积）的关系，这里用散点图进行分析：

通过图表可以观察得到：

• 发现 Size 特征基本与Price呈现线性关系，符合基本常识，面积越大，价格越高。但是有两组明显的异常点：1.面积不到10平米，但是价格超出1000万；2. 一个点面积超过了1000平米，价格很低，需要查看是什么情况。

筛选Size，选择Size小于10平米的数据来观察：

经过查看发现这组数据是别墅，出现异常的原因是由于别墅结构比较特殊（无朝向无电梯），字段定义与二手商品房不太一样导致爬虫爬取数据错位。也因别墅类型二手房不在我们的考虑范围之内，故将其移除再次观察Size分布和Price关系。

筛选Size，选择大于1000万的来观察：

经观察这个异常点不是普通的民用二手房，很可能是商用房，所以才有1房间0厅确有如此大超过1000平米的面积，这里选择移除。
再次观察图表：

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！