Étude sur Tokyo Rent en utilisant Python (3-2)

Extrait de résultat

Publié simultanément sur le blog: https://leoluistudio.com/blog/24/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%b6-4%e3%81%ae2/

Méthode statistique 1

Collecte de données

--Source des données: https://suumo.jp --Bibliothèque utilisée: requêtes, BeautifulSoup, re, time, sqlite3

• Le code est omis car la partie collection est juste une demande et la place dans la base de données.

Base de données

Structure de la base de données

Première 5e ligne pour chaque table

Programmes et résultats

Installez d'abord les bibliothèques nécessaires

import sqlite3
import pandas as pd

import plotly.express as px
import plotly.graph_objects as go
from plotly.offline import plot

from sklearn.decomposition import PCA

Connectez la base de données

#Si le résultat est sorti uniquement
conn = sqlite3.connect(‘info.db’)
c = conn.cursor()
cursor = c.execute("Code SQL")
for row in cursor:
    print(résultat)
conn.close()

#Pour traitement en sauvegardant le résultat
conn = sqlite3.connect(‘info.db’)
df = pd.read_sql_query("Code SQL", conn)
conn.close()

Premier regard sur la distribution des données

#Nombre de lignes d'informations
SELECT COUNT(id) FROM info
#Résultat: 82,812

#Nombre de lignes dans le prix
SELECT COUNT(id) FROM price
#Résultat: 624,499

#Nombre d '"appartements" et "appartements"
SELECT type,COUNT(type) FROM info GROUP BY type
#Résultat: Appartement 33,110 /Manoir 49,702

Répartition des dates d'achèvement

# SQL
SELECT date AS year,COUNT(date) AS count FROM info WHERE date > 0 GROUP BY date

#Graphique
fig = px.bar(df, x=’year’, y=’count’, height=500, width=1000)

Répartition de la structure du bâtiment

# SQL
SELECT structure,COUNT(structure) AS count FROM info WHERE structure != 0 GROUP BY structure

#Graphique
fig = px.bar(df, x=structure, y=’count’, height=500, width=1000)

Répartition des sols

# SQL
SELECT floor,COUNT(floor) AS count FROM info WHERE floor != 0 GROUP BY floor

#Graphique
fig = px.bar(df, x=floor, y=’count’, height=500, width=1000)

Dans le tableau ci-dessus, la distribution au 20e étage et au-dessus ne peut pas du tout être vue, alors regardons de plus près ici.

# SQL
SELECT floor,COUNT(floor) AS count FROM info WHERE floor > 20 GROUP BY floor

#Graphique
fig = px.bar(df, x=floor, y=’count’, height=500, width=1000)

Les variables continues (par exemple le prix) doivent être regroupées avant de pouvoir être analysées.

def pricegroup(df):
    if df[‘price’] < 30000:
      return ‘<30,000’
    elif df[‘price’] < 60000:
      return ‘30,000-60,000’
    ……
    else:
      return ‘>270,000’

pricegroup_list = [‘<30,000’,
    ‘30,000-60,000’,
    ‘60,000-90,000’,
    ……
    ‘240,000-270,000’,
    ‘>270,000’]

Répartition des prix

# SQL
SELECT price FROM price

#Traitement des trames de données df[‘pricegroup’] = df.apply(pricegroup, axis=1)
dfcount = df.groupby([‘pricegroup’]).count()

#Graphique
fig = px.bar(dfcount, x=dfcount.index, y=’price’, height=500, width=1000)
fig.update_layout(xaxis={‘categoryorder’:’array’, ‘categoryarray’:pricegroup_list}, yaxis_title=’count’)

La répartition de la zone est la même

def pricegroup(df):
    if df[‘area’] < 5:
      return ‘<5’
    elif df[‘area’] < 10:
      return ‘5-10’
    ……
    else:
      return ‘>45’

pricegroup_list = [‘<5′, ’5-10′, ’10-15′, ’15-20′,
    ’20-25′, ’25-30′, ’30-35′, ’35-40′,
    ’40-45′,’>45′]

# SQL
SELECT area FROM price

#Traitement des trames de données
df[‘areagroup’] = df.apply(areagroup, axis=1)
dfcount = df.groupby([‘areagroup’]).count()

#Graphique
fig = px.bar(dfcount, x=dfcount.index, y=’area’, height=500, width=1000)
fig.update_layout(xaxis={‘categoryorder’:’array’, ‘categoryarray’:areagroup_list}, yaxis_title=’count’)

Distribution directionnelle

# SQL
SELECT direction,COUNT(direction) AS count FROM price WHERE direction != ‘-‘ GROUP BY direction

#Graphique
fig = px.bar(df, x=direction, y=’count’, height=500, width=1000)

Avant d'analyser les quartiers, les villes, les villes et les villages, divisez-les en 23 quartiers et villes.

m23_list = [«Chiyoda Ward»,«Chuo-ku»,«Minato-ku»,«Quartier Shinjuku»,«Bunkyo Ward»,«Taito»,«Sumida Ward»,
«Koto Ward»,«Quartier Shinagawa»,«Meguro»,«Ota-ku»,«Setagaya»,«Quartier de Shibuya»,«Nakano»,
«Suginami»,«Quartier de Toshima»,«Kita Ward»,«Arakawa»,«Itabashi Ward»,«Nerima Ward»,«Adachi Ward»,
«Katsushika»,«Edogawa Ward»]

municipal_dict = {}
conn = sqlite3.connect(‘info.db’)
c = conn.cursor()
cursor = c.execute(“SELECT id,municipal FROM info”)
for row in cursor:
    municipal_dict.update({row[0]:row[1]})
conn.close()

def municipal(df):
    return municipal_dict[df[‘pid’]]

def municipal23(df):
    if df[‘municipal’] in m23_list:
      return ‘Special Wards’
    else:
      return ‘Non Special Wards’

Relation entre le prix et la superficie (divisé en 23 quartiers et zones urbaines)

# SQL
SELECT pid,price,area FROM price

#Traitement des trames de données
df[‘municipal’] = df.apply(municipal, axis=1)
df[‘municipal23’] = df.apply(municipal23, axis=1)
dfmedian = df.groupby([‘pid’, ‘municipal23’])[‘price’, ‘area’].median()
dfmedian_reset = dfmedian.reset_index(level=’municipal23′)

#Graphique
fig = px.scatter(dfmedian_reset, x=’area’, y=’price’, color=’municipal23′, labels={‘municipal23’: ‘Special Wards’}, height=500, width=1000)