Studie über die Miete in Tokio mit Python (3-1 von 3)
Ergebnisauszug
Gleichzeitig im Blog gepostet: https://leoluistudio.com/blog/10/python%E3%82%92%E4%BD%BF%E3%81%A3%E3%81%A6%E6%9D%B1%E4%BA%AC%E9%83%BD%E5%AE%B6%E8%B3%83%E3%81%AB%E3%81%A4%E3%81%84%E3%81%A6%E3%81%AE%E7%A0%94%E7%A9%B6-3%E3%81%AE1-%E7%B5%90%E6%9E%9C%E6%8A%9C/
Forschungsziele und -methoden
Ziel
――Ich möchte die Beziehung zwischen der Miete in Tokio und verwandten Attributen untersuchen
- Zeichnen und visualisieren Sie die Ergebnisse der Relevanz
Methode
- Automatische Erfassung von Mietdaten, die im August 2020 online nach Programm veröffentlicht wurden (Datenquelle: https://suumo.jp)
- Analyse basierend auf Daten von 82.812 Gebäuden und 624.499 Zimmern
Auszug aus Forschungsergebnissen
Verteilung der Mietpreise in Tokio
X ist die Miete in Gruppen (Yen), Y ist die Zahl (k ist 1.000)
Verhältnis zwischen Preis und Fläche (unterteilt in 23 Bezirke und Stadtgebiete)
Blaue Punkte sind 23 Bezirke, rote Punkte sind Stadtgebiete, X ist Fläche (Quadrate), Y ist Miete (M ist eine Million Yen)
Verteilung des Durchschnittspreises für jede Station (23 Stationen)
- X ist eine Zahl (k ist 1.000)
- Y ist 23 Stationen
- So lesen Sie das Box-Bart-Diagramm:
- Die Zeile ganz links ist der Mindestwert
- Die linke Seite der Box ist der erste Quadrant
- Die Linie in der Box ist der Median
- Die linke Seite der Box ist der 3. Quadrant
- Die Linie ganz rechts ist der Maximalwert
Richtung und Preis Heatmap von Gemeinde, Stadt, Dorf
- X ist 8 Richtungen
- Y ist 23 Stationen ―― Je heller die Farbe, desto höher der Preis
- Je dunkler die Farbe (blau), desto niedriger der Preis
Recommended Posts