2022年度データサイエンス実践A　第３回レポート課題（問１）

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import japanize_matplotlib

%matplotlib inline
%config InlineBackend.figure_format = 'retina'

#df0 = pd.read_excel(r'D:\users\desktop\estate_tokyo.xlsx')
url = "https://www.ces-alpha.org/course/file_serve/5669506760310784/estate_tokyo.xlsx"
df0 = pd.read_excel(url)
df0

	駅名	建物構造	徒歩分	専有面積	間取り	部屋数	築年	所在階	成約価格
0	大門	SRC	5	66	K	1	200003	33	81000000
1	汐留	RC	8	55	R	1	201708	16	81600000
2	赤坂見附	SRC	4	60	DK	1	198300	30	77600000
3	六本木一丁目	RC	8	53	DK	1	201204	44	75500000
4	表参道	RC	6	35	R	1	200510	2	47700000
...	...	...	...	...	...	...	...	...	...
39946	外苑前	RC	4	54	K	1	197105	3	45000000
39947	青山一丁目	SRC	4	47	K	2	200510	9	56200000
39948	神谷町	RC	11	76	K	1	197103	17	65700000
39949	六本木	RC	3	76	DK	1	201005	21	153800000
39950	六本木一丁目	RC	14	47	R	1	200906	18	61700000

39951 rows × 9 columns

データサイズの取得

len(df0)

39951

df0.shape

(39951, 9)

基本統計量

df0.describe()

	徒歩分	専有面積	部屋数	築年	所在階	成約価格
count	39951.000000	39951.000000	39951.000000	39951.000000	39951.000000	3.995100e+04
mean	6.198643	58.419889	1.645816	199918.872469	10.315837	6.735336e+07
std	3.584662	28.615531	0.753337	1356.434417	9.504253	4.260659e+07
min	1.000000	12.000000	1.000000	195901.000000	1.000000	5.800000e+06
25%	3.000000	37.000000	1.000000	199201.000000	4.000000	3.730000e+07
50%	6.000000	57.000000	1.000000	200501.000000	7.000000	5.900000e+07
75%	8.000000	75.000000	2.000000	200804.000000	13.000000	8.530000e+07
max	20.000000	349.000000	6.000000	201902.000000	49.000000	5.411000e+08

df0.所在階.unique()

array([33, 16, 30, 44,  2, 13,  4,  6,  3, 32, 29, 22,  1,  7,  5, 12, 46,
       36, 19, 25, 21, 17, 10, 34,  8, 24, 11, 14, 15, 35, 27,  9, 26, 28,
       43, 40, 23, 37, 39, 18, 49, 38, 20, 48, 31, 42, 47, 45, 41],
      dtype=int64)

df0.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 39951 entries, 0 to 39950
Data columns (total 9 columns):
 #   Column  Non-Null Count  Dtype 
---  ------  --------------  ----- 
 0   駅名      39951 non-null  object
 1   建物構造    39951 non-null  object
 2   徒歩分     39951 non-null  int64 
 3   専有面積    39951 non-null  int64 
 4   間取り     39951 non-null  object
 5   部屋数     39951 non-null  int64 
 6   築年      39951 non-null  int64 
 7   所在階     39951 non-null  int64 
 8   成約価格    39951 non-null  int64 
dtypes: int64(6), object(3)
memory usage: 2.7+ MB

建築構造と築年の列を削除（上書き）

df0.drop(['建物構造', '築年'], axis=1, inplace=True)
df0

	駅名	徒歩分	専有面積	間取り	部屋数	所在階	成約価格
0	大門	5	66	K	1	33	81000000
1	汐留	8	55	R	1	16	81600000
2	赤坂見附	4	60	DK	1	30	77600000
3	六本木一丁目	8	53	DK	1	44	75500000
4	表参道	6	35	R	1	2	47700000
...	...	...	...	...	...	...	...
39946	外苑前	4	54	K	1	3	45000000
39947	青山一丁目	4	47	K	2	9	56200000
39948	神谷町	11	76	K	1	17	65700000
39949	六本木	3	76	DK	1	21	153800000
39950	六本木一丁目	14	47	R	1	18	61700000

39951 rows × 7 columns

面積単価の列を追加

ここでは、面積単価を 成約価格 / 専有面積　として定義するものとする。

df0['面積単価'] = df0['成約価格'] / df0['専有面積']
df0

	駅名	徒歩分	専有面積	間取り	部屋数	所在階	成約価格	面積単価
0	大門	5	66	K	1	33	81000000	1.227273e+06
1	汐留	8	55	R	1	16	81600000	1.483636e+06
2	赤坂見附	4	60	DK	1	30	77600000	1.293333e+06
3	六本木一丁目	8	53	DK	1	44	75500000	1.424528e+06
4	表参道	6	35	R	1	2	47700000	1.362857e+06
...	...	...	...	...	...	...	...	...
39946	外苑前	4	54	K	1	3	45000000	8.333333e+05
39947	青山一丁目	4	47	K	2	9	56200000	1.195745e+06
39948	神谷町	11	76	K	1	17	65700000	8.644737e+05
39949	六本木	3	76	DK	1	21	153800000	2.023684e+06
39950	六本木一丁目	14	47	R	1	18	61700000	1.312766e+06

39951 rows × 8 columns

面積単価の平均値、標準偏差の取得

print(f"面積単価の平均値: {int(df0['面積単価'].mean()): ,}円")
print(f"面積単価の標準偏差: {int(df0['面積単価'].std()): ,}円")

面積単価の平均値:  1,137,124円
面積単価の標準偏差:  327,823円

条件抽出

専有面積が300以上の物件を抽出

# 真偽値でTrueを抽出する場合
df0[df0['専有面積']>= 300].head()

	駅名	徒歩分	専有面積	間取り	部屋数	所在階	成約価格	面積単価
4078	大門	3	312	K	2	31	250600000	8.032051e+05
4177	赤羽橋	14	312	R	2	23	231500000	7.419872e+05
6494	麻布十番	6	312	R	2	3	344300000	1.103526e+06
6692	赤羽橋	1	312	K	2	5	368200000	1.180128e+06
8520	赤羽橋	5	349	K	1	9	157900000	4.524355e+05

# queryを使う場合
df0.query("専有面積 >= 300").head()

	駅名	徒歩分	専有面積	間取り	部屋数	所在階	成約価格	面積単価
4078	大門	3	312	K	2	31	250600000	8.032051e+05
4177	赤羽橋	14	312	R	2	23	231500000	7.419872e+05
6494	麻布十番	6	312	R	2	3	344300000	1.103526e+06
6692	赤羽橋	1	312	K	2	5	368200000	1.180128e+06
8520	赤羽橋	5	349	K	1	9	157900000	4.524355e+05

最寄り駅が麻布十番か大門で、徒歩10分以内、部屋が3部屋以上である物件の抽出

# 真偽値でTrueを抽出する場合
cond1 = df0['駅名'] == '麻布十番'
cond2 = df0['駅名'] == '大門'
cond3 = df0['徒歩分'] < 10
cond4 = df0['部屋数'] >= 3
cond = (cond1 | cond2) & cond3 & cond4
df0[cond][:10]

	駅名	徒歩分	専有面積	間取り	部屋数	所在階	成約価格	面積単価
22	麻布十番	5	58	K	3	7	85800000	1.479310e+06
157	麻布十番	1	91	K	3	4	138200000	1.518681e+06
459	大門	2	51	R	3	10	42300000	8.294118e+05
727	大門	8	81	R	3	4	101100000	1.248148e+06
816	大門	7	63	K	4	33	115600000	1.834921e+06
950	大門	3	66	R	3	9	82900000	1.256061e+06
1282	麻布十番	8	35	K	3	7	31200000	8.914286e+05
1397	麻布十番	1	24	K	3	9	21100000	8.791667e+05
1485	大門	5	87	K	3	8	100400000	1.154023e+06
1511	大門	8	97	R	3	33	90500000	9.329897e+05

# queryを使う場合
df0.query("駅名=='麻布十番' | 駅名=='大門' & 徒歩分 < 10 & 部屋数 >=3" )

	駅名	徒歩分	専有面積	間取り	部屋数	所在階	成約価格	面積単価
14	麻布十番	2	82	R	1	1	113400000	1.382927e+06
22	麻布十番	5	58	K	3	7	85800000	1.479310e+06
105	麻布十番	13	81	R	1	27	117200000	1.446914e+06
137	麻布十番	12	90	R	1	9	195400000	2.171111e+06
157	麻布十番	1	91	K	3	4	138200000	1.518681e+06
...	...	...	...	...	...	...	...	...
39712	麻布十番	12	59	R	1	6	44900000	7.610169e+05
39805	麻布十番	3	72	K	1	9	112400000	1.561111e+06
39814	麻布十番	2	53	R	1	13	108800000	2.052830e+06
39921	麻布十番	7	20	R	3	10	29500000	1.475000e+06
39936	大門	1	77	DK	3	33	127100000	1.650649e+06

1292 rows × 8 columns

cond5 = df0['所在階'] >= 35
add_cond = cond & cond5
df0[add_cond]

	駅名	徒歩分	専有面積	間取り	部屋数	所在階	成約価格	面積単価
5013	大門	9	60	K	3	40	69600000	1.160000e+06
13106	麻布十番	6	53	DK	3	37	46600000	8.792453e+05
13438	大門	7	64	K	3	38	55700000	8.703125e+05
13481	麻布十番	4	73	K	3	48	130700000	1.790411e+06
14592	大門	2	77	R	3	41	97800000	1.270130e+06
27062	麻布十番	5	68	R	3	38	123800000	1.820588e+06
35145	麻布十番	1	64	K	3	38	56900000	8.890625e+05
35162	麻布十番	6	26	K	3	35	72000000	2.769231e+06

面積単価の平均値

print(f"面積単価の平均値: {int(df0[add_cond]['面積単価'].mean()): ,}円")

面積単価の平均値:  1,431,122円

駅ごとの成約価格の平均値と分散

# 性別で各データ項目の傾向を比較
df0.groupby('駅名').mean()[:10]

	徒歩分	専有面積	部屋数	所在階	成約価格	面積単価
駅名
お台場海浜公園	6.220067	57.387858	1.643339	10.358347	5.332572e+07	9.292402e+05
三田	6.239130	58.626957	1.636522	10.226087	6.199939e+07	1.047361e+06
乃木坂	6.065048	57.107546	1.655681	10.320035	6.965273e+07	1.206465e+06
五反田	6.124478	57.562239	1.650794	10.039265	5.793033e+07	9.947552e+05
六本木	6.210615	59.262848	1.616681	9.951137	8.042325e+07	1.337702e+06
六本木一丁目	6.286980	56.870682	1.583702	10.062888	7.610496e+07	1.299156e+06
北品川	6.006114	58.236681	1.647162	10.511790	6.021624e+07	1.020898e+06
品川	6.106594	59.556459	1.638663	10.488708	6.582132e+07	1.101925e+06
外苑前	6.062818	58.224109	1.674873	10.332767	7.405874e+07	1.255164e+06
大門	6.250644	59.151073	1.670386	10.387983	6.229554e+07	1.047860e+06

df0.groupby('駅名').mean().sort_values('成約価格', ascending=False).head(10)

	徒歩分	専有面積	部屋数	所在階	成約価格	面積単価
駅名
表参道	6.022957	58.337006	1.675849	10.541781	8.549816e+07	1.432986e+06
六本木	6.210615	59.262848	1.616681	9.951137	8.042325e+07	1.337702e+06
赤坂	6.374441	58.562109	1.685433	10.694370	7.916399e+07	1.324179e+06
神谷町	6.021596	59.022535	1.685446	9.934272	7.816300e+07	1.290725e+06
麻布十番	6.192982	57.960526	1.621053	10.104386	7.731070e+07	1.304820e+06
広尾	6.158140	57.382326	1.680000	9.974884	7.674130e+07	1.287265e+06
六本木一丁目	6.286980	56.870682	1.583702	10.062888	7.610496e+07	1.299156e+06
青山一丁目	6.336966	59.383906	1.662196	9.932942	7.482984e+07	1.247617e+06
外苑前	6.062818	58.224109	1.674873	10.332767	7.405874e+07	1.255164e+06
白金台	6.345208	58.587786	1.655640	10.176421	7.368660e+07	1.244457e+06