链家北京二手房数据分析

环境: R

研究对象：

1. 二手房数据的区域特征

2. 二手房数据的面积特征

1. 导入原始数据

setwd("/Users/mac/Desktop/lianjia/")
d = read.csv("/Users/mac/Desktop/lianjia/Lianjia.csv")

2. 数据清洗

- 将数据设置为数据框格式，并查看数据汇总信息

as.data.frame(d)
summary(d)

- 初步观察：一共有11个变量，目标变量为Price

- 移除第六列ID信息，不具有分析价值。添加新的特征每平米房价 PerPrice (总价/面积)，并调整列的顺序。

d <- d[,-6]
dp <- d$Price/d$Size
d2 <- transform(d,PerPrice=dp)

 3. 数据可视化

3.1 区域特征分析

#各大区二手房每平米房价对比
means1 <- aggregate(d2$PerPrice, by=list(d2$Region), FUN = mean)
#https://www.rdocumentation.org/packages/stats/versions/3.6.2/topics/aggregate 
means1 <- means1[order(means1$x, decreasing = T),]
a1 <- means1$x
bar1 <- barplot(a1, names.arg = means1$Group.1, family=‘STXihei‘, ylim = c(0,15), main = "各大区每平米房价")

• 二手房均价：西城区的房价最贵均价大约11万/平，因为西城在二环以里，且是热门学区房的聚集地。其次是东城大约10万/平，然后是海淀大约8.5万/平，其它均低于8万/平。
• 二手房房数量：从数量统计上来看，目前二手房市场上比较火热的区域。海淀区和朝阳区二手房数量最多，差不多都接近3000套，毕竟大区，需求量也大。然后是丰台区，近几年正在改造建设，有赶超之势。
• 二手房总价：通过箱型图看到，各大区域房屋总价中位数都都在1000万以下，且房屋总价离散值较高，西城最高达到了6000万，说明房屋价格特征不是理想的正太分布。

#各大区二手房数量
amount <- table(d2$Region)
bar2 <- barplot(sort(amount, decreasing = T), main = "各大区二手房数量", horiz = F, ylim = c(0,4000))