"PyCharm绘制城区房价柱状图及房源价格预测"

1. 使用柱状图完成各城区的平均单价分布情况： ```python import matplotlib.pyplot as plt import numpy as np # 假设已有数据 city_areas = ['朝阳', '东坝', '海淀', '五棵松'] average_prices = [6000, 5500, 7000, 6500] plt.bar(city_areas, average_prices) plt.xlabel('城区') plt.ylabel('平均单价（元/平方米）') plt.title('各城区平均单价分布情况') plt.show() ``` 2. 预测80平方米、2室1厅1卫、朝阳、东坝、品质小区、朝南的房价预测值（元/平方米）： ```python from sklearn.linear_model import LinearRegression # 假设已有训练数据和模型 X_train = [[80, 2, 1, 1, 1, 0], [90, 3, 2, 2, 1, 1]] # 面积，室数，厅数，卫数，朝向，品质小区 y_train = [6000, 7000] # 房价（元/平方米） model = LinearRegression().fit(X_train, y_train) # 预测80平方米、2室1厅1卫、朝阳、东坝、品质小区、朝南的房价 X_test = [[80, 2, 1, 1, 1, 0]] predicted_price = model.predict(X_test) print("预测80平方米、2室1厅1卫、朝阳、东坝、品质小区、朝南的房价预测值（元/平方米）：", predicted_price[0]) ``` 3. 预测100平方米、3室1厅1卫、海淀、五棵松、品质小区、朝南的房价预测值（元/平方米）： ```python # 预测100平方米、3室1厅1卫、海淀、五棵松、品质小区、朝南的房价 X_test = [[100, 3, 1, 1, 0, 1]] predicted_price = model.predict(X_test) print("预测100平方米、3室1厅1卫、海淀、五棵松、品质小区、朝南的房价预测值（元/平方米）：", predicted_price[0]) ```