🏠 手把手用 Python 做房地产市场分析：从原始数据到深度洞察（附完整代码）

❝

文末福利：关注后回复关键词「房地产市场分析」，即可获取本文所用全部数据集 + Jupyter Notebook 源码！

大家好！今天我将带大家逐行复现一个完整的 Python 房地产数据分析项目。这不是“伪代码”或“简化版”，而是真实可运行、每一步都有输出、每一行都有解释的实战教程！

我们将使用某平台爬取的真实二手房交易数据（10万+条），通过 pandas、numpy、matplotlib、seaborn 等库，完成：

• 数据加载与初步探查
• 缺失值/异常值清洗
• 特征工程（提取卧室数、楼龄、楼层类型等）
• 多维度可视化分析
• 关键业务结论提炼

准备好了吗？打开你的 Jupyter Notebook，我们一行一行来！

🔧 第一步：导入所有必要库

import pandas as pdimport numpy as npimport matplotlib.pyplot as pltimport seaborn as snsimport warningswarnings.filterwarnings('ignore')  # 忽略警告信息，让输出更干净# 设置中文字体（避免图表中文乱码）plt.rcParams['font.sans-serif'] = ['SimHei']plt.rcParams['axes.unicode_minus'] = False# 设置图形分辨率sns.set(style="whitegrid", font="SimHei", rc={"figure.figsize":(12, 6)})

✅ 说明：

• warnings.filterwarnings('ignore') 防止 pandas 报 warning 干扰阅读；
• 中文字体设置是中文可视化必备，否则坐标轴会显示方框；
• seaborn.set() 统一美化图表风格。

📂 第二步：加载原始数据并查看基本信息

# 读取 CSV 文件df = pd.read_csv('house_sales.csv')print('总记录数：', len(df))print('字段数量：', len(df.columns))df.head()df.info()

✅ 观察发现：

• 共 106,118 行，12 列；
• 列名包括：city, address, rooms, area, floor, year, price, unit, origin_url 等；
• address、year 存在缺失值；
• 所有列均为 object 类型（字符串），需转换为数值型。

🧹 第三步：数据清洗 —— 重复值处理 & 缺失值处理

# 删除无用列（如 URL）df = df.drop(columns=['origin_url'],inplace=True)# 检查是否有缺失值df.isna().sum()# 删除缺失值df.dropna(inplace=True)

删除缺失值后再次运行 df.isna().sum()检查

✅ 说明：

• origin_url 对分析无用，直接删；
• dropna() 保守策略：只要任一列缺失就整行删（因关键字段如 price/unit 不能估算）；
• 虽然损失部分数据，但保证了质量。

  # 检查是否有重复值df.duplicated().sum()# 删除重复数据df.drop_duplicates(inplace=True)

🔢 第四步：类型转换 —— 将字符串转为数值

# 处理 area（面积）：去掉 '㎡' 并转 floatdf['area'] = df['area'].str.replace('㎡', '').astype(float)# 处理 price（总价，单位：万元）df['price'] = df['price'].astype(float)# 处理 unit（单价，单位：元/㎡）df['unit'] = df['unit'].str.replace('元/平', '').astype(float)# 处理 year（建造年份）df['year'] = df['year'].astype(int)

✅ 注意：

• 原始数据中 unit 列为 "89234元/平"，必须先用 str.replace() 清洗；
• 若存在非数字字符（如“未知”），上述代码会报错，说明你数据已较干净。

⚠️ 第五步：异常值处理 —— 使用 IQR 方法剔除离群点

# 定义函数：用 IQR 剔除离群值defremove_outliers_iqr(df, column):    Q1 = df[column].quantile(0.25)    Q3 = df[column].quantile(0.75)    IQR = Q3 - Q1    lower_bound = Q1 - 1.5 * IQR    upper_bound = Q3 + 1.5 * IQRreturn df[(df[column] >= lower_bound) & (df[column] <= upper_bound)]# 对 price 和 area 分别处理print(f"处理前数据量：{len(df)}")df = remove_outliers_iqr(df, 'price')df = remove_outliers_iqr(df, 'area')print(f"处理后数据量：{len(df)}")

【此处插入处理前后数据量，例如：98420 → 92156】

✅ 为什么用 IQR？

• 房价天然右偏，均值±3σ会误删大量高价房；
• IQR 更稳健，只剔除极端异常（如 1㎡ 卖 1 亿）。

# 房屋面积的异常处理df = df[ (df['area']<600) & (df['area']>20)]

🛠️ 第六步：特征工程 —— 提取新变量

6.1 提取卧室数、客厅数

# 从 'rooms' 列（如 "3室2厅1卫"）提取卧室数df['bedrooms'] = df['rooms'].str.extract(r'(\d+)室').astype(int)df['livingrooms'] = df['rooms'].str.extract(r'(\d+)厅').astype(int)

【此处插入 df[['rooms', 'bedrooms', 'livingrooms']].head() 输出】

6.2 构造楼龄（假设当前年份为 2025）

df['building_age'] = 2026 - df['year']

6.3 解析楼层信息（高/中/低）

defclassify_floor(floor_str):if'高'in floor_str:return'高楼层'elif'中'in floor_str:return'中楼层'elif'低'in floor_str:return'低楼层'else:return'未知'df['floor_type'] = df['floor'].apply(classify_floor)

6.4 价格分层（用于后续分类分析）

df['price_level'] = pd.cut(    df['price'],    bins=[0, 100, 300, 600, df['price'].max()],    labels=['低价(<100万)', '中价(100-300万)', '高价(300-600万)', '豪华(>600万)'],    include_lowest=True)

📈 第七步：核心分析与可视化

7.1 相关性分析