關於
學習日月光華老師的《Python數據分析從入門到機器學習》，通過寫該文來鞏固數據分析中使用的知識點。
主要是針對鏈家的數據進行各個不同方向的分析，本文是第一篇,針對數據中各個房源成交單價的分析。
準備
工具 ：Anaconda、juyter notebook
類庫：numpy、pandas、matplotlib
分析及代碼實現
想要進行數據分析，首先肯定是要讀入整個的數據，由於整個數據有有個.csv文件,如下圖
data_list = []
for i in range(1, 8):
try:
data = pd.read_csv('C:\\Users\\nash.wan\\Desktop\\lianjia\\lianjia{}.csv'.format(i), encoding='gbk')
except:
data = pd.read_csv('C:\\Users\\nash.wan\\Desktop\\lianjia\\lianjia{}.csv'.format(i))
finally:
data_list.append(data)
由於有7個文件，通過一個循環來讀入，然後放到定義的data_list中去，由於每個文件夾的編碼方式不一致，我們通過try...except...finally來實現讀取，代碼如上面。
涉及知識點：pandas.read_csv()讀取csv文件的數據
把所有的數據放到list中後，下面就就行多表合併，取出list中的數據合併成一個DataFrame中去，並且賦值給data如下：
data = pd.concat(data_list)
查看合併後的表格式，如下:
涉及知識點：concat多表合併
pd.concat(objs, axis=0, join='outer', join_axes=None, ignore_index=False,keys=None, levels=None, names=None, verify_integrity=False)
1.objs: series，dataframe或者是panel構成的序列lsit
2.axis： 需要合併鏈接的軸，0是行，1是列
3.join：連接的方式 inner，或者outer
然後取出cjdanjia一列的數據，並且對其進行數據清洗
dj = data.cjdanjia.dropna() #取出cjdanjia一列的數據，並且清洗掉數據中NaN值
dj = dj.map(lambda x: round(float(x.split('元')[0])/10000, 1)) #清洗掉單價後面的元/平，得到以萬元爲單位的float類型的Series
dj = dj[dj > 0] #清洗掉數據中爲0的數據
結果如下圖：
涉及知識點：a.DataFrame.dropna(axis=0, how='any', thresh=None, subset=None, inplace=False)
1.how值爲any或者all.all僅在切片元素全爲NA時才拋棄該行(列)，默認爲any
2.thresh=3 那麼一行當中至少有三個非NA值時纔將其保留
b.map() 是一個Series的函數，DataFrame結構中沒有map()。map()將一個自定義函數應用於Series結構中的每個元素(elements)。
經過數據清洗後，得到了單價的有效Series，下面對該Series離散處理
bins = [0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 16] #定義數據離散的區間
pd.cut(dj, bins).value_counts() #得出每個區間的數量
處理後的結果如下：
涉及知識點：
pandas快速定義分類
pandas.cut(x, bins, right=True, labels=None, retbins=False, precision=3, include_lowest=False, duplicates='raise')
x:必須是一維數組
bins： 即不同的面元（就是不同的範圍）接受三種類型的輸入 整數，序列（比如數組）和IntervalIndex---輸入整數，進行平均分成整數等份
right：最後一個bins是否包含最右邊的數據，默認爲True（爲左開右閉）
value_counts()
計算數據出現的頻率
數據進行離散化，通過pandas的繪圖函數plot()進行直方圖繪圖
zongjia.plot.barh(figsize = (10, 8)) #進行直方圖繪圖
涉及知識點：
Series.plot方法的函數：
label：用於圖例的標籤
ax：要在其上進行繪製的matplotlib subplot對象。如果沒有設置，則使用當前matplotlib subplot
style：將要傳給matplotlib的風格字符串(for example: ‘ko–’)
alpha：圖表的填充不透明(0-1)
kind：可以是’line’, ‘bar’, ‘barh’, ‘kde’
logy：在Y軸上使用對數標尺
use_index：將對象的索引用作刻度標籤
rot：旋轉刻度標籤(0-360)
xticks：用作X軸刻度的值
yticks：用作Y軸刻度的值
xlim：X軸的界限
ylim：Y軸的界限
grid：顯示軸網格線
figsize：表示圖像大小的元組
直方圖展示如下：
總結
到目前爲止，對單價的分析到此爲止，通過直方圖能夠直觀的展示北京地區各板塊的成交房源單價區間。
未完，後面陸續寫會針對其他的方向對鏈家數據進行分析。
如果對您有點幫助的話，麻煩您給點個贊，謝謝。
鏈家數據分析二-數據分組處理：鏈家數據分析二-數據分組處理