房價預測Task1
pandas：簡單的房價預測實例
我們使用pandas等工具，對於給出的.csv文件進行處理，完成要求的幾個Task。
利用sklearn的線性回歸，對於房價進行簡單的預測。
所有的要求，數據集等文件，請到我的GitHub倉庫自行下載：github.com/rongyupan/HousePricePred
如果你是pandas這類數據分析工具的新手，那這個項目很適合你。因為這個項目只需要用到最基本，最簡單的操作。
數據集描述
transactions.csv數據集是我們的主要數據集；agents.csv和agency.csv保存了agents和agency之間的關係，也就是每個agency下具體是哪幾個agents。
下面我們針對每個task，對於使用到的函數，以及解決的思路進行一下簡單的總結。
自己的經驗
1.盡量使用pandas自帶的函數進行處理
比如統計數量、平均、求和這種操作，使用自帶的函數比自己寫循環要靠譜。
可以這樣理解：pandas更像python版的excel。在使用excel要對行/列求和之類的操作時，你會自己重寫一個函數嗎？
基本上在excel里可以用滑鼠點擊完成的，大部分在pandas中有內置函數對應。
2. 先對數據表進行增刪改
如果想要遵照經驗1，你會發現有時候直接對原始的數據表操作不可行，這時候就要對數據表進行篩選。
在完成下面每個task之前，幾乎都需要對於數據表進行增刪改，增加/刪除/改動某幾列。
我們改動數據表的目的就是為了更好地完成經驗1。
數據集導入
import pandas as pd
df = df.read_csv('./transactions.csv')
Task 1
求出每個agency的交易總量，並降序排列。
思路：先獲取每個agent的交易總量，再計算每個agency的數量。
計算每個agency的交易總量
解決方案：（1）遍歷表中每行，根據agent來判斷加到具體哪個agency；最直接，但是最麻煩。
（2）使用df['xxx'].value_counts()，自動統計每列中，出現的元素的對應數量。
agt = df['AgentId'].value_counts()
print(agt)
# 獲取每個元素的數量
agt[0]
# return
3 93
2 88
4 76
1 74
5 44
0 39
Name: AgentId, dtype: int64
39
table顯示
我們可以使用pd.DataFrame()來以表格的形式顯示。
創建數據幀可以使用字典導入的方式，但一定要注意：字典的值的類型需要為list。
Agency = {'Agency Name':["Other","Your Estate","Lovely Housing"],\
'Numbers':[sum_agc[0],sum_agc[1],sum_agc[2]]}
res_1 = pd.DataFrame(Agency)
降序排列
使用res_1.sort_values("Numbers", ascending=False)，也就是對於'Numbers'這一列進行降序排列。
如果沒有ascending=False這個參數，默認為升序排列。
Task1其他方法
task1儘管簡單，但是思路很多。上面是間接法：先使用value_counts()函數得到了每個agent的數量，間接求得了agency的數量。
方法1：新增一列AgencyId
我們只有agent的資訊，那我們就先增加一列，整理出agency的資訊。這裡就是用到了上面說的經驗2。
得到了agency的資訊後，就能用value_counts()這個函數直接得到結果。
df_1 = df[['AgentId']] # （1）
df_1['AgencyId'] = 1 # （2）
for i in range(len(df_1)): # （3）
agtId = df_1.loc[i, 'AgentId'] # （4）
if agtId == 0:
df_1.loc[i, 'AgencyId'] = 0 # （5）
if agtId == 2 or agtId == 3 or agtId == 5:
df_1.loc[i, 'AgencyId'] = 1
if agtId == 1 or agtId == 4:
df_1.loc[i, 'AgencyId'] = 2
df_1['AgencyId'].value_counts()
# return
1 225
2 150
0 39
Name: AgencyId, dtype: int64
（1）截取第一列df_1 = df['AgentId']和df_1 = df[['AgentId']]有何不同？
是維度的不同。第一種為一維，可以理解成一個array或list；第二種是二維的表格，表頭為AgentId，每一列都有序號。
建議使用第二種寫法。
（2）如何新增一列？
直接用df_1['Col_name']=1就能新建一列名為Col_name，值全為1的列。
（3）len(df_1)是什麼意思？
獲取df_1的長度，也就是多少行，當然，不包括表頭的那一行。
等價的寫法是df_1.shape[0]。df_1.shape會返回(414, 2)這樣一個list，也就是取其第一個數。
（4）df_1.loc[i, 'AgentId']定位
第一個參數是第i行，從0開始；第二個位置是列位置。
（5）這裡為什麼不能先在前面設置一個參數，比如agcId，然後使用這個更短的參數不是寫起來更方便？
為了修改值，只能這麼寫。如果使用了第三個參數，實質上是把這個位置的值複製了一遍，修改的是這個複製的值，而不是真實值。
這種方法程式碼這麼多，沒有剛開始的方法簡潔，但是，如果後面有agency相關，那麼這裡的工作就是值得了。
方法2：數據表截取
為了獲取agency的資訊，有沒有更簡單的方法？
df_1 = df[['AgentId']]
df_1_0 = df_1[df_1['AgentId'] == 0]
df_1_0['AgencyId'] = 0
df_1_0
我們就得到了Agency0的所有數據。df_1['AgentId'] == 0會得到一列全是 True/False 的序列；
然後在加上df_1[df_1['AgentId'] == 0]就得到所有’AgentId’=0的內容；
最後在以上的基礎上新增一列AgencyId即可。使用for等循環語句即可自動化這個過程
同樣的，如果後面需要agency的資訊，這樣就會大大簡化後面的處理。
