Kaggle房价预测代码195049

Kaggle房价预测代码 score=12% import numpy as np import pandas as pd import seaborn as sns import matplotlib.pyplot as plt

# -*- coding: utf-8 -*-
“““
Created on Mon Jan 14 11:51:02 2019

@author: TangYingjie 2018140083
“““

import numpy as np
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
from sklearn.preprocessing import LabelEncoder
from sklearn.preprocessing import OneHotEncoder
from sklearn.model_selection import train_test_split
import os

df_train = pd.read_csv（‘train.csv‘）
df_test = pd.read_csv（‘test.csv‘）
pd.set_option（‘display.width‘700）
df_train.head（5）# 影响房价的一些因素

# !!!----------------------数据可视化----------------------
# 数据尺寸
print（‘The train data shape : {}‘.format（df_train.shape））
print（‘The test data shape : {}‘.format（df_test.shape））

# 数据类型
print（df_train.dtypes）
df_train.describe（）

# 房价数据直方图
#plt.hist（df_train[‘SalePrice‘]）
sns.distplot（df_train[‘SalePrice‘]）

# CentralAir 与 房价关系
var = ‘CentralAir‘
data = pd.concat（[df_train[‘SalePrice‘] df_train[var]] axis=1）
fig = sns.boxplot（x=var y=‘SalePrice‘ data=data） 
fig.axis（ymin=0 ymax=800000）

# OverallQual 与 房价关系
var = ‘OverallQual‘
data = pd.concat（[df_train[‘SalePrice‘] df_train[var]] axis=1）
fig = sns.boxplot（x=var y=‘SalePrice‘ data=data） 
fig.axis（ymin=0 ymax=800000）

# YearBuilt 与 房价关系
var = ‘YearBuilt‘
data = pd.concat（[df_train[‘SalePrice‘] df_train[var]] axis=1）
fig = sns.boxplot（x=var y=‘SalePrice‘ data=data） 
fig.axis（ymin=0 ymax=800000）

# YearBuilt 与 房价关系 散点图
var = ‘YearBuilt‘
data = pd.concat（[df_train[‘SalePrice‘] df_train[var]] axis=1）
data.plot.scatter（x=var y=‘SalePrice‘ ylim=（0 800000））

# !!!----------------------数据清洗----------------------
df_train.drop（‘Id‘ inplace=True axis=1）
df_test.drop（‘Id‘ inplace=True axis=1）

#统计null数据的Frequency
count_nans = len（df_train） - df_train.count（）
df_count_nans = count_nans.to_frame（）
df_count_nans.columns = [‘train_nan_count‘]
df_count_nans[‘%_train_nans‘]= （df_count_nans [‘train_nan_count‘]/df_train.shape[0]）*100
# For test data
df_count_nans [‘test_nan_count‘] = len（df_test） - df_test.count （）
df_count_nans [‘%_test_nans‘] = （df_count_nans[‘test_nan_count‘]/df_test.shape[0]） * 100

df_count_nans.sort_values（“train_nan_count“ ascending=False inplace=True）
df_count_nans.query（‘train_nan_count > 0 or test_nan_count > 0‘）

# 整合数据
y_train = df_train.SalePrice.values
print（y_train）
df_train.drop（“SalePrice“ inplace=True axis=1）

df_all_data = pd.concat（[df_train df_test]）
df_all_data.reset_index（inplace=True drop=True）
print（df_all_data.shape）
df_all_data.columns
df_all_data.head（）

# 清洗掉缺失数据
df_all_data.drop（[‘PoolQC‘ ‘Alley‘ ‘MiscFeature‘ ‘Fence‘] axis=1 inplace=True）

# 因为FirplaceQu没有变化，又因为the NAs indicates NA=No Fireplace所以写成None
df_all_data[“FireplaceQu“].fillna（“None“ inplace=True）

# GarageCond GarageType GarageFinish GarageQual这些车库因素也处理成None
df_all_data[[“GarageCond“ “GarageType“ “GarageFinish“ “GarageQual“]].fillna（“None“ inplace=True）

# 把GarageYrBlt填上0. 假设车库不是available 
df_all_