数学建模2022首届钉钉杯 （练习题a题简单实现）———— 练习（1）_2022届钉钉杯大学生大数据 初赛a

这几天实在是，有点困，，自己写的代码，可能有误！！

不过话说能运行就是王道。希望大佬们帮忙纠正纠正。作为菜鸡的我先行谢过！

一、a题背景介绍

 二、a题代码实现

import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签
plt.rcParams['axes.unicode_minus']=False #用来正常显示负号
 
 
# 导入数据
df = pd.read_csv(r'D:\钉钉杯\2022年首届钉钉杯大学生大数据挑战赛练习题目\练习题A\数据集\data.csv')
df = df.drop(columns = 'Unnamed: 0')
 
# 画图分析
 
df['总价'] = df['总价'].map(lambda x: float((str(x).replace('万',''))))
mean_df = df.groupby('区域')['总价'].agg([np.mean])
x = list(mean_df.index)
y = list(mean_df['mean'])
plt.title('区域二手房均价')
plt.bar(x,y)
 
plt.show()
count_df = df['区域'].value_counts()
count_df = pd.DataFrame(count_df)
count_df.columns = ['count']
count_df['count'].plot(kind ='pie',title = '区域二手房数据占比',autopct = '%1.2f%%')
 
plt.show()
zx_count_df = pd.DataFrame(df['装修'].value_counts())
zx_count_df.plot(kind = 'bar',title = '二手房装修程度分析',ylabel = '数量')
plt.show()
hx_df = df.groupby('户型')['总价'].agg([np.mean])
hx_df2 =df['户型'].value_counts().head(5)
hx = list(hx_df2.index)
hx_mean=[]
for i in hx:
    hx_mean.append(hx_df['mean'][i])
np.array(hx_mean)
hx_df = pd.DataFrame()
hx_df.index=hx
hx_df['均值'] = hx_mean
hx_df.plot(kind = 'bar',title='热门户型均价')
plt.show()
 
 
#建立房间定价模型，这里采用的较为简单的GBDT模型
# 模型有缺失值，需要对缺失值进行去除
df = df.dropna(axis=0,how='any')
# 采用GBDT模型进行回归预测分析 可以改进
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import LabelEncoder
from sklearn.ensemble import GradientBoostingRegressor
le =LabelEncoder()
 
# 对字符串数值化
df['户型']=le.fit_transform(df['户型'])
df['朝向']=le.fit_transform(df['朝向'])
df['楼层']=le.fit_transform(df['楼层'])
df['装修']=le.fit_transform(df['装修'])
df['区域']=le.fit_transform(df['区域'])
 
X = df.drop(columns=['小区名字','总价','建筑面积','单价'])
y = df['总价']
 
# 划分测试集和训练集
X_train,X_test,y_train,y_test = train_test_split(X,y,test_size=0.2,random_state=666)
 
# 拟合数据
model = GradientBoostingRegressor(random_state=666)
model.fit(X_train,y_train)
y_pred = model.predict(X_test)
a = pd.DataFrame()
 
a['预测值'] = list(y_pred)
a['实际值'] = list(y_test)
 
print(a)
 
score = model.score(X_test,y_test)
print('模型得分为：%s'%score)

 out:

模型得分为：0.6562596295598755

 在写完代码后发现一直报错，结果后面才发现是缺失值得原因，不过有点奇怪的是，用isnull检测也没有发现缺失值，但他就是有，可把我给气坏了，后来发现问题后，真的是想扎电脑。