1 # 创建子视图对象
2 f,[ax1,ax2,ax3] = plt.subplots(3,1,figsize = (20,18))
3
4 # 设置绘图参数
5 sns.barplot(x='Region',y='PerPrice',palette='Blues_d',data=df_house_mean,ax=ax1)
6 ax1.set_title('北京各区二手房单位平米价格对比',fontsize=15)
7 ax1.set_xlabel('区域')
8 ax1.set_ylabel('单位平米价格')
9
10 sns.barplot(x='Region',y='Price',palette='Greens_d',data=df_house_count,ax=ax2)
11 ax2.set_title('北京各区二手房数量对比',fontsize=15)
12 ax2.set_xlabel('区域')
13 ax2.set_ylabel('数量')
14
15 sns.boxplot(x='Region',y='Price',data=df,ax=ax3)
16 ax3.set_title('北京各区二手房房屋总价',fontsize=15)
17 ax3.set_xlabel('区域')
18 ax3.set_ylabel('房屋总价')
19
20 # 展示
21 plt.show()
可以观察到：
二手房均价：西城区房价最贵均价大约11万/平，因为西城在二环以里，且是热门学区房聚集地。
其次是东城约10万/平，海淀约8.5万/平，其他均低于8万/平。
二手房数量：从数量统计来看，可以看到目前二手房市场比较火热的区域。海淀和朝阳区二手房数量最多，
差不多都接近3000套。然后是丰台区，近几年正在改造建设，有赶超之势。
二手房总价：通过箱型图看到，各大区房屋总价中位数都在1000万以下，而且房屋总价离散值较高，
西城最高达到了6000万，说明房屋价格不是理想的正态分布。2. Size特征分析
# 创建子视图
f,[ax1,ax2] = plt.subplots(1,2,figsize=(15,5))
# 房屋面积分布情况
sns.distplot(df['Size'],bins=20,ax=ax1,color='r')
sns.kdeplot(df['Size'],shade=True,ax=ax1)
# 房屋面积和出售价格的关系
sns.regplot(x='Size',y='Price',data=df,ax=ax2)
# 展示
plt.show()
注：下面的图是后面删除数据后绘制出的结果，这里的代码绘制出的图不一样，请各位留意，无需疑惑，接着往下看即可
通过 distplot 和 kdeplot 绘制柱状图观察 Size 特征的分布情况，属于长尾形的分布，
这说明有很多面积很大且超出正常范围的二手房。 Size 和 Price 的关系：
通过 regplot 绘制了 Size 和 Price 之间的散点图，发现 Size 特征基本与 Price 呈线性关系，
符合基本常识，即面积越大，价格越高。但是有两组明显的异常点：
1. 面积不到10平米，但是价格超过1000万；
2. 一个点面积超过了1000平米，但是价格很低。
需要查看是什么情况。
# 查看异常值
cond = df['Size'] < 10
df[cond]
