马上注册,结交更多数据大咖,获取更多知识干货,轻松玩转大数据
您需要 登录 才可以下载或查看,没有帐号?立即注册
x
数据分析实战又来啦,今天我们进行的是北京高档酒店的价格因素分析,话不多说,直接上代码。 1. 导入所需要的包 importpandas aspd importmatplotlib.pyplot asplt importseaborn assns importnumpy asnp importwarnings warnings.filterwarnings("ignore") 2.读取文件 hotel=pd.read_csv('hoteldata.csv') #将四项评分的平均分作为总体评分 hotel['总体评分']=(hotel['卫生评分']+hotel['服务评分']+hotel['设施评分']+hotel['位置评分'])/4 #2015之前的旧装修,2015之后的为新装修 hotel['装修新旧']=pd.cut(hotel['装修时间'],[0,2015,2019],labels=['旧装修','新装修']) hotel.head 将各个酒店的情况进行评分,总体评分由卫生评分、服务评分、设施评分和位置评分构成,装修的新旧以装修时间来划分。 3 描述性统计分析 3.1 酒店房价分布直方图 price=hotel['房价'] plt.figure("hist",figsize=(15,7)) n, bins, patches = plt.hist(price, bins=20) plt.show 3.2 因变量数字特征 price=hotel['房价'] plt.figure("hist",figsize=(15,7)) n, bins, patches = plt.hist(price, bins=20) plt.show 1389.5 # 酒店房价平均值 hotel['房价'].mean 1655.5125899280577 3.3 酒店因素箱型图 #酒店房间类型 hotel['对数房价']=np.log(hotel['房价']) plt.figure(figsize=(7,7)) sns.boxplot(x='房间类型',y='对数房价',data=hotel) 符合一般的房价标准,按照标准间、商务间、豪华套间价格依次递增。 #酒店区域因素分析 plt.figure(figsize=(7,7)) sns.boxplot(x='地区',y='对数房价',data=hotel) 根据地区划分的箱型图展示,其中,东城区和朝阳区的房价最高,海淀区紧随其后。 #酒店装修时间 hotel['对数房价']=np.log(hotel['房价']) plt.figure(figsize=(7,7)) sns.boxplot(x='装修新旧',y='对数房价',data=hotel) 新装修的价格高于就旧装修,并且价格差异明显。 3.4 评分因素相关系数 grade=pd.DataFrame([hotel['卫生评分'],hotel['服务评分'],hotel['设施评分'],hotel['位置评分']]).transpose correlation=grade.corr plt.subplots(figsize=(9, 9)) # 设置画面大小 sns.heatmap(correlation, annot=True, vmax=1, square=True, cmap="Blues") #评分因素箱型图 hotel['评分分组']=pd.cut(hotel['总体评分'],[0,4.5,5.0],labels=['评分低','评分高']) sns.boxplot(x='评分分组',y='对数房价',data=hotel) 评分高的房价高于评分低的房价。 4 对数线性回归模型 4.1 特征处理 #特征选择与处理 features=['地区','房间类型','装修新旧','总体评分','校园生活','公司','出行住宿'] X=hotel[features] X['地区']=pd.get_dummies(X['地区']) X['房间类型']=pd.get_dummies(X['房间类型']) X['装修新旧']=pd.get_dummies(X['装修新旧']) # 对特征进行归一化处理 fromsklearn importpreprocessing X['总体评分']=preprocessing.scale(X['总体评分']) X['校园生活']=preprocessing.scale(X['校园生活']) X['公司']=preprocessing.scale(X['公司']) X['出行住宿']=preprocessing.scale(X['出行住宿']) 4.2 模型拟合 fromsklearn importlinear_model model=linear_model.LinearRegression model.fit(X,y) 4.3 计算残差 np.mean(abs(model.predict(X)-y)) 0.375942 4.4 查看模型拟合情况 import statsmodels.api assm est=sm.OLS(y,X).fit print(est.summary)
|