本文用到的美国房屋数据：
链接：https://pan.baidu.com/s/1wrkzFF87A_Emgid_s7K3aA
提取码：2j77内含两个文件：
data_train.csv：训练集数据，包含房价等81个指标；
data_test.csv：测试集数据，不包含房价；
文章目录
前言
本篇文章研究的是影响房价的因素，数据是美国房屋数据，主要是通过分析各项指标的相关性，得出结论。
下一篇文章将是关于房价预测的相关内容。
一、数据预览
导入包：
import warnings
warnings.filterwarnings('ignore')
import numpy as np
import pandas as pd
import math
from scipy import stats
from scipy.stats import norm
import seaborn
import matplotlib.pyplot as plt
from matplotlib.font_manager import FontProperties
%matplotlib inline导入数据：
df_train = pd.read_csv('./data/data_train.csv',encoding='gbk')
df_train
显示81个指标，分别为住宅类型、地下室面积、屋顶类型、卧室数……
房价数据的分布：
打印各分位数和均值标准差，画出图像；
print(df_train['房价'].describe())
print("\nSkewness: %f" % df_train['房价'].skew())
print("Kurtosis: %f" % df_train['房价'].kurt())
myfont=FontProperties(fname=r'C:\Windows\Fonts\simhei.ttf')
seaborn.set(font=myfont.get_name())
plt.figure(figsize=(16, 8),dpi=600)
plt.ylabel('频数')
plt.title('房价分布')
seaborn.distplot(df_train['房价'],kde=False,hist_kws={"label":"频数"})
plt.legend()
#kde=Ture画出概率密度图像，概率分布是概率密度的积分 
图像为右偏，右边面积大，众数右侧的人数多就是右偏；
二、分析各指标与房价的相关性
1.主要指标与房价的相关性
1.1 居住面积
通过绘制散点图，观察到居住面积与房价大致成正比且相关性较强：
data = pd.concat([df_train['房价'], df_train['居住面积']], axis=1)
plt.figure(figsize=(16, 8),dpi=600)
seaborn.scatterplot(data['居住面积'],data['房价'])
1.2 地下室总面积
通过绘制散点图，观察到居住面积与房价大致成正比，有些房屋没有地下室：
data = pd.concat([df_train['房价'], df_train['地下室总面积']], axis=1)
plt.figure(figsize=(16, 8),dpi=600)
seaborn.scatterplot(data['地下室总面积'],data['房价'])
1.3 材料和质量
材料和质量是按照等级划分的，通过箱线图的展示，可以看到质量越高房价也越高；
箱线图从上到下的五条横线分别代表最大值，四分之三分位数、中位数、四分之一分位数和最小值。剩余的点是离群点。离群点是指比Q3大1.5倍的IQR（Q3-Q1）和比Q1小1.5倍的IQR的值。
data = pd.concat([df_train['房价'], df_train['材料和质量']], axis=1)
plt.figure(figsize=(16, 8),dpi=600)
seaborn.boxplot(data=data,x='材料和质量', y="房价")
1.4 所在街区
作箱线图，查看街区与房价的关系，不同街区的房子价格差异明显。
data = pd.concat([df_train['房价'], df_train['街区']], axis=1)
plt.figure(figsize=(16, 8),dpi=600)
plt.xticks(rotation=90)
seaborn.boxplot(data=data,x='街区', y="房价" )
1.5 施工日期
查看原施工日期与房价之间的关系，随原施工日期的变化，房价呈现两头高中间低的趋势。
# 拼接两列
data = pd.concat([df_train['房价'], df_train['原施工日期']], axis=1)
plt.figure(figsize=(16, 8),dpi=600)
# 横坐标90度旋转
plt.xticks(rotation=90)
# 绘制“房价”，“施工日期”箱线图
seaborn.boxplot(data=data,x='原施工日期', y="房价")
2. 查看各指标间的相关性（热力图）
通过热力图的展示，查看所有数值型特征之间的相关性，可以进行相关性对比，颜色越深相关性越强，指标与自身的相关性都是1，可以看到一楼面积、二楼面积、地下室面积间的相关性比较强，从热力图中可以分析出很多结果，例如：房价与材料和质量相关性强，与厨房数量相关性低。
corrmat = df_train.corr()
plt.figure(figsize=(16, 8),dpi=600)
plt.rcParams['axes.unicode_minus'] = False
#去除负号前面的小方框
seaborn.heatmap(corrmat,square=True,cmap='YlGnBu',xticklabels=True,yticklabels=True)
或许观察颜色并不很方便，所以直接把相关性数值标上去，更加直观；
从上述特征中，找出与房价的相关系数排名靠前的10个特征，画出这10个特征之间的热力图：
k = 10
cols = corrmat.nlargest(k, '房价')['房价'].index
cm = np.corrcoef(df_train[cols].values.T)
plt.figure(figsize=(16, 8),dpi=600)
hm = seaborn.heatmap(cm, annot=True, square=True, fmt='.2f', annot_kws={'size': 7},
yticklabels=cols.values, xticklabels=cols.values,cmap='YlGnBu')
上述结果：材料质量，居住面积，车库车位数量等特征与房价有较强的相关性。
总结
本文进行了一些可视化，通过图像查看指标间的相关性，可以分析出一些结果，接下来我会继续基于此数据集，进一步分析数据并进行房价预测。