分享7个实用的pandas数据分析操作

入门教程、案例源码、学习资料、读者群

请访问： python666.cn

大家好，欢迎来到 Crossin的编程教室 ！

前段时间帮朋友用python分析北京市二手房数据，从中归纳了我认为非常有用的pandas的7种神级操作，一起分享给大家

首先读取数据：

import pandas as pddata=pd.read_excel('北京房价汇总.xlsx')data

总共34920条数据，包含简介、单价、总价、行政区、位置以及详细位置、面积等信息

一.计算各区平均房价（groupby分组及排序）

以前总是听说，北京的房价到底有多贵，从来也没有验证过

这次我们通过比较一下各个区的平均房价，来探索一下北京的哪里的房价最贵

首先看看北京有多少区

1.pandas去重转列表方法

data['行政区'].unique().tolist()

['东城区',
 '西城区',
 '朝阳区',
 '海淀区',
 '丰台区',
 '石景山',
 '通州区',
 '昌平区',
 '大兴区',
 '亦庄开发区',
 '顺义区',
 '房山区',
 '门头沟区',
 '平谷区',
 '怀柔区',
 '密云区',
 '延庆']

2.pandas计算出各地区的平均房价：

单价=地区总金额/地区总面积

data1 = data.groupby('行政区')['总价'].sum()/data.groupby('行政区')['面积'].sum()data1

行政区
东城区       9.379052
丰台区       5.729765
亦庄开发区     4.388564
大兴区       4.324241
密云区       2.276453
平谷区       2.388725
延庆        2.507287
怀柔区       3.426453
房山区       3.206269
昌平区       4.112853
朝阳区       6.930105
海淀区       8.855259
石景山       5.442687
西城区      10.675019
通州区       4.449510
门头沟区      3.986510
顺义区       4.196259
dtype: float64

3.转化为DataFrame格式

data2 = pd.DataFrame({'各区平均房价(万元)':data1})data2.reset_index(inplace=True)

4.房价由高到低排序

data3=data2.sort_values(by='各区平均房价(万元)',ascending=False)data3

前三名分别是西城、东城和海淀，这三个区之所以房价这么高，大概率是因为大部分优质小学都在这里，所以，你懂得！

二、定位各区单价最高、最低的位置（apply筛选）

5.apply获取各区单价最高、最低所在的行号

max_num=data.groupby(['行政区']).apply(lambda x:x['单价'].idxmax())min_num=data.groupby(['行政区']).apply(lambda x:x['单价'].idxmin())

6.iloc输出这些行

data.iloc[max_num]

data.iloc[min_num]

三、分析全北京房价分布

7.比较符号筛选数据

result={}list_interval=['0-19999','20000-39999','40000-59999','60000-79999','80000-99999',               '100000-119999','120000-139999','140000-159999','160000-180000']for i in list_interval:    result[i]=data[(data.单价>int(i.split('-')[0]))&(data.单价<int(i.split('-')[1]))]['单价'].count()result

{'0-19999': 559,
 '20000-39999': 11042,
 '40000-59999': 11310,
 '60000-79999': 4817,
 '80000-99999': 3398,
 '100000-119999': 2126,
 '120000-139999': 892,
 '140000-159999': 492,
 '160000-180000': 243}