分析目的：简单地介绍一个数据分析的初级项目，熟悉使用Python进行简单的数据分析的初级过程。
数据源：来及网络链接的链家全网北京二手房数据，读者可以从百度云盘中复制链接和提取码获取，进行动手实践。（最好使用python 3 完成此项目）
链接：https://pan.baidu.com/s/18R24WTkZIOFH_qvaWjixOw
提取码：61bp
一、数据初步认识：
需要导入要使用的机器学习包Sklearn和科学计算包Numpy,Pandas,可视化Matplotlib,Seaborn。
①初步查看数据
②查看缺失值，异常值和大概的数据统计进行合理分析：
describe可以包含平均数，标准差，中位数，最小值，最大值，25%分位数，75%分位数的数据；图一可以看出Elevator 存在大量的缺失数据，15440<23677；图二可以看出min(Size)=2，max(fllor)=57,这些数据不太符合一般房屋状况就应该注意了：
二、数据处理
Id 特征虽然在数据列表中，但是并没有实际意义，直接将其移除新增加一个新的特征 PerPrice用于分析数据，处理后的数据如图：
但是遇到两个问题：如何保留两位小数、如何填充缺失值（如果直接去掉将缺失很多有用数据，必然不可取）
解决保留两位小数：
解决办法二：根据现实可以估计大概楼层大于六楼有电梯，否则没有电梯进行缺失值得填充（利用apply函数进行操作）：
问题解决后数据处理如图：
三、数据可视化分析（排序可自定义）
1.Region分析
①分区分析 ：北京分区二手房单价对比
②分区分析 ：北京分区二手房数量对
③分区分析 ：北京分区二手房总价
注：区域特征可视化采用 seaborn 完成，颜色使用调色板 palette 参数，颜色渐变，越浅说明越少。
结果显示：
二手房均价：西城区的房价最贵均价大约11万/平，因为西城在二环以里，因为是热门学区房的聚集地。其次是东城大约10万/平，房价最便宜的就是平谷和密云2万多/平。
二手房房数量：从数量统计上来看，目前二手房市场上比较火热的区域。海淀区和朝阳区二手房数量最多，差不多都接近3000套，然后是丰台区。
二手房总价：通过箱型图看到，各大区域房屋总价中位数都都在1000万以下，且房屋总价离散值较高，西城最高达到了6000万，说明房屋价格特征不是理想的正太分布。
2.Size 特征分析
通过 regplot 绘制了 Size 和 Price 之间的散点图，发表明Size 特征基本与Price呈现线性关系，符合面积越大，价格越高的常识。但是有两组明显的异常点：面积不到10平米，但是价格超出10000万； 一个点面积超过了1000平米，价格很低。对于这种特殊的点位就需要特别关注分析：
display(lj1.loc[lj1[‘Size’]<10].head(100))
通过分析可知，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，也因别墅类型二手房不在我们的考虑范围之内，超过1000平米的面积很可能是商用房，这里选择将这些特殊的别墅和商用房移除。处理结果如图：
3.Layout特征分析
结果显示各种厅室组合搭配，包括9室3厅，4室0厅等少有的的结构。2室1厅占绝大部分，其次是3室1厅，2室2厅，3室2厅。
4.Renovation 分析
lj1[‘Renovation’].value_counts()
发现Renovation装修特征中有南北，它属于朝向的类型，所以需要清除或替换掉。
lj1= lj1[(lj1[‘Layout’]!=‘叠拼别墅’)&(lj1[‘Size’]<1000)&(lj1[‘Renovation’]!=‘南北’)]
结果显示：精装修的二手房数量最多，简装其次。对于价格来说，毛坯类型却是最高，其次是精装修。
5.Elevator 分析
结果显示：有电梯的二手房数量居多一些，适合北京庞大的人群需要。相应的，有电梯二手房房价较高，电梯前期装修费和后期维护费包含内。
6.Year 分析
结果显示：通过Renovation和Elevator的分类条件，用 FaceGrid 分析 Year 特征，整个二手房房价趋势是随着时间增长而增长的；2000年以后建造的二手房房价相较于2000年以前有很明显的价格上涨；1980年之前几乎不存在有电梯二手房数据；1980年之前无电梯二手房中，简装二手房占绝大多数，精装反比较少。
7.Floor 分析
结果显示：6层二手房数量最多，我们需要知道楼层的相对意义。楼层与部分文化也有很重要联系，可能受欢迎，房价也贵，比如一般也不会有4层或18层。正常情况下中间楼层是比较受欢迎的，价格也高，而底层和顶层受欢迎度较低，价格也相对较低。所以楼层是一个比较复杂的特征，对房价影响因素比较多需要综合考虑，拿今天的案例来讲，从七个方面分析得到每个部分的结果，得到一定的参考价值。