本文共 968 字，大约阅读时间需要 3 分钟。

数据分析部分

The purpose of the analysis is as follows:

1. Compare prices by region by looking at Airbnb on a New York City map.

2. Analyze whether there is a difference in price by room type.

第一步：将数据从kaggle上下载，并导入到excel, tableau。

第二步：熟悉数据

Id:房号

Name：房子的名称

Host Id:房主号

Neighborhood Group:社区组

Latitude:纬度

Longitude:经度

Room Type: 房型

Price：价格

Minimum Nights：最少住宿晚数

Number of Reviews:评论数

Last Review:最新的评论时间

Reviews Per Month:平均每月评论数

Calculated Host Listing Count:每个房主拥有的房间数

Availability_365：可以预定的天数

第三步：数据清洗——异常数据处理

因为用到的有价格和房型，先检查这两个数据有没有空值和异常值。

经检查发现，价格有0的情况，作为一个租房网，这种情况不太容易出现，删除。

房型没有空值，异常值，很好。

作为region的neiborhood_group,也没有异常值，完美。

在咱们的项目中，Host Name,Name,Id, Host Id,是用不到的，以及后边用不到的数据，进行隐藏。

第四步：进行数据可视化分析。

问题1:Compare prices by region by looking at Airbnb on a New York City

我们将Neighborhood_Group和Price进行分析，得到，Manhanttan地区房价最高的结论,如图。

问题2:Analyze whether there is a difference in price by room type.

如图，我们对同一地区的不同房型的价格进行分析，得出结论，不论在哪个地区，entire home/apt这种房型的价格总是要高一些。也就是说，房型跟价格有直接关系。

转载地址：https://blog.csdn.net/xxy_yinji/article/details/115664022 如侵犯您的版权，请留言回复原文章的地址，我们会给您删除此文章，给您带来不便请您谅解！