"北京二手房数据预处理与可视化：从数据清洗到图表展示"

首先，我们需要安装并导入所需的库，如pandas、numpy、matplotlib和openpyxl。然后按照要求完成数据预处理和可视化。 1. 数据预处理： ```python import pandas as pd import numpy as np import re # 读取数据 data = pd.read_excel("北京二手房数据.xlsx") # 提取字符串中的数值信息及统一信息格式 def extract_number(s): return float(re.findall(r"\d+\.?\d*", s)[0]) data["面积"] = data["面积"].apply(extract_number) data["总价"] = data["总价"].apply(extract_number) # 查找表格中的重复值并处理 data = data.drop_duplicates() # 将表格中的面积与总价进行连续数据的离散化 bins = [0, 50, 100, 150, 200, 250, 300, 350, 400, 450, 500, 550, 600, 650, 700, 750, 800, 850, 900, 950, 1000] data["面积分箱"] = pd.cut(data["面积"], bins=bins) data["总价分箱"] = pd.cut(data["总价"], bins=bins) # 对城区、朝向、区域、优点进行字符数据编码 data["城区编码"] = data["城区"].astype("category").cat.codes data["朝向编码"] = data["朝向"].astype("category").cat.codes data["区域编码"] = data["区域"].astype("category").cat.codes data["优点"] = data["优点"].fillna("其他") data["优点编码"] = data["优点"].astype("category").cat.codes # 生成“北京二手房数据预处理.xlsx” data.to_excel("北京二手房数据预处理.xlsx", index=False) ``` 2. 数据可视化： ```python import matplotlib.pyplot as plt # 导入“北京二手房数据预处理.xlsx” preprocessed_data = pd.read_excel("北京二手房数据预处理.xlsx") # 使用柱状图完成各城区的平均单价分布情况 average_price_per_area = preprocessed_data.groupby("城区")["总价"].mean().sort_values() plt.bar(average_price_per_area.index, average_price_per_area.values) plt.xlabel("城区") plt.ylabel("平均单价") plt.title("各城区的平均单价分布情况") plt.show() # 使用散点图完成绘制单价与面积的关系 plt.scatter(preprocessed_data["面积"], preprocessed_data["总价"]) plt.xlabel("面积") plt.ylabel("总价") plt.title("单价与面积的关系") plt.show() # 使用饼状图完成二手房总价区间 total_price_range = ["0-50万", "50-100万", "100-150万", "150-200万", "200-250万", "250-300万", "300-350万", "350-400万", "400-450万", "450-500万", "500-550万", "550-600万", "600-650万", "650-700万", "700-750万", "750-800万", "800-850万", "850-900万", "900-950万", "950-1000万"] counts = [len(preprocessed_data[(preprocessed_data["总价"] >= i * 50) & (preprocessed_data["总价"] < (i + 1) * 50)]) for i in range(21)] plt.pie(counts, labels=total_price_range, autopct="%1.1f%%") plt.title("二手房总价区间") plt.show() ```