4 Pandas 数据分析入门¶

学习目标¶

掌握在Pandas中计算常用统计量的方法
熟练使用pandas进行简单排序、分组、聚合等计算

1 计算常用统计值¶

加载数据之后，可以通过计算最大值，最小值，平均值，分位数，方差等方式对数据的分布情况做基本了解

college = pd.read_csv('data/college.csv')
college.head()

输出结果

INSTNM CITY STABBR HBCU MENONLY WOMENONLY RELAFFIL SATVRMID SATMTMID DISTANCEONLY ... UGDS_2MOR UGDS_NRA UGDS_UNKN PPTUG_EF CURROPER PCTPELL PCTFLOAN UG25ABV MD_EARN_WNE_P10 GRAD_DEBT_MDN_SUPP

0 Alabama A & M University Normal AL 1.0 0.0 0.0 0 424.0 420.0 0.0 ... 0.0000 0.0059 0.0138 0.0656 1 0.7356 0.8284 0.1049 30300 33888

1 University of Alabama at Birmingham Birmingham AL 0.0 0.0 0.0 0 570.0 565.0 0.0 ... 0.0368 0.0179 0.0100 0.2607 1 0.3460 0.5214 0.2422 39700 21941.5

2 Amridge University Montgomery AL 0.0 0.0 0.0 1 NaN NaN 1.0 ... 0.0000 0.0000 0.2715 0.4536 1 0.6801 0.7795 0.8540 40100 23370

3 University of Alabama in Huntsville Huntsville AL 0.0 0.0 0.0 0 595.0 590.0 0.0 ... 0.0172 0.0332 0.0350 0.2146 1 0.3072 0.4596 0.2640 45500 24097

4 Alabama State University Montgomery AL 1.0 0.0 0.0 0 425.0 430.0 0.0 ... 0.0098 0.0243 0.0137 0.0892 1 0.7347 0.7554 0.1270 26600 33118.5

5 rows × 27 columns

数据字段

college.columns

输出结果

Index(['INSTNM', 'CITY', 'STABBR', 'HBCU', 'MENONLY', 'WOMENONLY', 'RELAFFIL',
      'SATVRMID', 'SATMTMID', 'DISTANCEONLY', 'UGDS', 'UGDS_WHITE',
      'UGDS_BLACK', 'UGDS_HISP', 'UGDS_ASIAN', 'UGDS_AIAN', 'UGDS_NHPI',
      'UGDS_2MOR', 'UGDS_NRA', 'UGDS_UNKN', 'PPTUG_EF', 'CURROPER', 'PCTPELL',
      'PCTFLOAN', 'UG25ABV', 'MD_EARN_WNE_P10', 'GRAD_DEBT_MDN_SUPP'],
     dtype='object')

查看数据行列数

college.shape

输出结果
(7535, 27)

统计数值列，并进行转置

college.describe().T

输出结果

count mean std min 25% 50% 75% max

HBCU 7164.0 0.014238 0.118478 0.0 0.000000 0.00000 0.000000 1.0000

MENONLY 7164.0 0.009213 0.095546 0.0 0.000000 0.00000 0.000000 1.0000

WOMENONLY 7164.0 0.005304 0.072642 0.0 0.000000 0.00000 0.000000 1.0000

RELAFFIL 7535.0 0.190975 0.393096 0.0 0.000000 0.00000 0.000000 1.0000

SATVRMID 1185.0 522.819409 68.578862 290.0 475.000000 510.00000 555.000000 765.0000

SATMTMID 1196.0 530.765050 73.469767 310.0 482.000000 520.00000 565.000000 785.0000

DISTANCEONLY 7164.0 0.005583 0.074519 0.0 0.000000 0.00000 0.000000 1.0000

UGDS 6874.0 2356.837940 5474.275871 0.0 117.000000 412.50000 1929.500000 151558.0000

UGDS_WHITE 6874.0 0.510207 0.286958 0.0 0.267500 0.55570 0.747875 1.0000

UGDS_BLACK 6874.0 0.189997 0.224587 0.0 0.036125 0.10005 0.257700 1.0000

UGDS_HISP 6874.0 0.161635 0.221854 0.0 0.027600 0.07140 0.198875 1.0000

UGDS_ASIAN 6874.0 0.033544 0.073777 0.0 0.002500 0.01290 0.032700 0.9727

UGDS_AIAN 6874.0 0.013813 0.070196 0.0 0.000000 0.00260 0.007300 1.0000

UGDS_NHPI 6874.0 0.004569 0.033125 0.0 0.000000 0.00000 0.002500 0.9983

UGDS_2MOR 6874.0 0.023950 0.031288 0.0 0.000000 0.01750 0.033900 0.5333

UGDS_NRA 6874.0 0.016086 0.050172 0.0 0.000000 0.00000 0.011700 0.9286

UGDS_UNKN 6874.0 0.045181 0.093440 0.0 0.000000 0.01430 0.045400 0.9027

PPTUG_EF 6853.0 0.226639 0.246470 0.0 0.000000 0.15040 0.376900 1.0000

CURROPER 7535.0 0.923291 0.266146 0.0 1.000000 1.00000 1.000000 1.0000

PCTPELL 6849.0 0.530643 0.225544 0.0 0.357800 0.52150 0.712900 1.0000

PCTFLOAN 6849.0 0.522211 0.283616 0.0 0.332900 0.58330 0.745000 1.0000

UG25ABV 6718.0 0.410021 0.228939 0.0 0.241500 0.40075 0.572275 1.0000

统计对象和类型列
- pandas 基于 numpy，numpy支持的数据类型，pandas都支持
- np.object 字符串类型

import numpy as np

college.describe(include='all') # 统计所有的列 包括数值列和类别类型 字符串类型
college.describe(include=object) # 类别类型 字符串类型

输出结果

count unique top freq

INSTNM 7535 7535 Institute of American Indian and Alaska Native... 1

CITY 7535 2514 New York 87

STABBR 7535 59 CA 773

MD_EARN_WNE_P10 6413 598 PrivacySuppressed 822

GRAD_DEBT_MDN_SUPP 7503 2038 PrivacySuppressed 1510

通过info 方法了解不同字段的条目数量，数据类型，是否缺失及内存占用情况

college.info()

输出结果

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 7535 entries, 0 to 7534
Data columns (total 27 columns):
INSTNM                7535 non-null object
CITY                  7535 non-null object
STABBR                7535 non-null object
HBCU                  7164 non-null float64
MENONLY               7164 non-null float64
WOMENONLY             7164 non-null float64
RELAFFIL              7535 non-null int64
SATVRMID              1185 non-null float64
SATMTMID              1196 non-null float64
DISTANCEONLY          7164 non-null float64
UGDS                  6874 non-null float64
UGDS_WHITE            6874 non-null float64
UGDS_BLACK            6874 non-null float64
UGDS_HISP             6874 non-null float64
UGDS_ASIAN            6874 non-null float64
UGDS_AIAN             6874 non-null float64
UGDS_NHPI             6874 non-null float64
UGDS_2MOR             6874 non-null float64
UGDS_NRA              6874 non-null float64
UGDS_UNKN             6874 non-null float64
PPTUG_EF              6853 non-null float64
CURROPER              7535 non-null int64
PCTPELL               6849 non-null float64
PCTFLOAN              6849 non-null float64
UG25ABV               6718 non-null float64
MD_EARN_WNE_P10       6413 non-null object
GRAD_DEBT_MDN_SUPP    7503 non-null object
dtypes: float64(20), int64(2), object(5)
memory usage: 1.6+ MB

2 常用排序方法¶

2.1 从最大的N个值中选取最小值——找到小成本高口碑电影¶

movie = pd.read_csv('data/movie.csv')
movie2 = movie[['movie_title', 'imdb_score', 'budget']]
movie2.head()

输出结果

movie_title imdb_score budget

0 Avatar 7.9 237000000.0

1 Pirates of the Caribbean: At World's End 7.1 300000000.0

2 Spectre 6.8 245000000.0

3 The Dark Knight Rises 8.5 250000000.0

4 Star Wars: Episode VII - The Force Awakens 7.1 NaN

用nlargest方法，选出imdb_score分数最高的100个

movie2.nlargest(100, 'imdb_score').head()

输出结果

movie_title imdb_score budget

2725 Towering Inferno 9.5 NaN

1920 The Shawshank Redemption 9.3 25000000.0

3402 The Godfather 9.2 6000000.0

2779 Dekalog 9.1 NaN

4312 Kickboxer: Vengeance 9.1 17000000.0

使用nsmallest方法再从中挑出预算最小的五部

movie2.nlargest(100, 'imdb_score').nsmallest(5, 'budget')

输出结果

movie_title imdb_score budget

4804 Butterfly Girl 8.7 180000.0

4801 Children of Heaven 8.5 180000.0

4706 12 Angry Men 8.9 350000.0

4550 A Separation 8.4 500000.0

4636 The Other Dream Team 8.4 500000.0

2.2 通过排序选取每组的最大值——找到每年imdb评分最高的电影¶

sort_values 按照年排序，ascending 升序排列

movie2 = movie[['movie_title', 'title_year', 'imdb_score']]
movie2.sort_values('title_year', ascending=False).head()

输出结果

movie_title title_year imdb_score

3884 The Veil 2016.0 4.7

2375 My Big Fat Greek Wedding 2 2016.0 6.1

2794 Miracles from Heaven 2016.0 6.8

92 Independence Day: Resurgence 2016.0 5.5

153 Kung Fu Panda 3 2016.0 7.2

同时对'title_year','imdb_score' 两列进行排序

movie3 = movie2.sort_values(['title_year','imdb_score'], ascending=False)
movie3.head()

输出结果

movie_title title_year imdb_score

4312 Kickboxer: Vengeance 2016.0 9.1

4277 A Beginner's Guide to Snuff 2016.0 8.7

3798 Airlift 2016.0 8.5

27 Captain America: Civil War 2016.0 8.2

98 Godzilla Resurgence 2016.0 8.2

用drop_duplicates去重，只保留每年的第一条数据

movie_top_year = movie3.drop_duplicates(subset='title_year')
movie_top_year.head()

输出结果

movie_title title_year imdb_score

4312 Kickboxer: Vengeance 2016.0 9.1

3745 Running Forever 2015.0 8.6

4369 Queen of the Mountains 2014.0 8.7

3935 Batman: The Dark Knight Returns, Part 2 2013.0 8.4

3 The Dark Knight Rises 2012.0 8.5

2.3 提取出每年，每种电影分级中预算少的电影——sort_values多列排序¶

多列排序时，ascending 参数传入一个列表，排序一一对应

movie4 = movie[['movie_title', 'title_year', 'content_rating', 'budget']]
# 多列排序，ascending=[False, False, True] 降序，降序，升序
movie4_sorted = movie4.sort_values(['title_year', 'content_rating', 'budget'], ascending=[False, False, True])
# 去重，删除'title_year', 'content_rating'相同的数据
movie4_sorted.drop_duplicates(subset=['title_year', 'content_rating']).head(10)

输出结果

movie_title title_year content_rating budget

4026 Compadres 2016.0 R 3000000.0

4658 Fight to the Finish 2016.0 PG-13 150000.0

4661 Rodeo Girl 2016.0 PG 500000.0

3252 The Wailing 2016.0 Not Rated NaN

4659 Alleluia! The Devil's Carnival 2016.0 NaN 500000.0

4731 Bizarre 2015.0 Unrated 500000.0

812 The Ridiculous 6 2015.0 TV-14 NaN

4831 The Gallows 2015.0 R 100000.0

4825 Romantic Schemer 2015.0 PG-13 125000.0

3796 R.L. Stine's Monsterville: The Cabinet of Souls 2015.0 PG 4400000.0

3 简单数据分析练习（租房数据）¶

载入数据

import pandas as pd
house_data = pd.read_csv('data/LJdata.csv')

把列名替换成英文

#查看原始列名
house_data.columns

输出结果

Index(['区域', '地址', '标题', '户型', '面积', '价格', '楼层', '建造时间', '朝向', '更新时间', '看房人数','备注', '链接地址'],dtype='object')

house_data.columns = ['district', 'address', 'title', 'house_type', 'area', 'price', 'floor', 'build_time', 'direction', 'update_time', 'view_num', 'extra_info', 'link']

查看数据基本情况

house_data.head()

输出结果

district address title house_type area price floor build_time direction update_time view_num extra_info link

0 燕莎租房新源街亮马桥新源街精装两居交通便利看房方便随时入住 2室1厅 50平米 5800 中楼层(共6层) 1981年建板楼南 2017.07.21 26 随时看房精装修集中供暖 https://bj.lianjia.com/zufang/101101803342.html

1 望京租房澳洲康都澳洲康都东向精致两居室........... 2室1厅 79平米 7800 中楼层(共28层) 2005年建板塔结合东 2017.07.23 33 距离14号线(东段)东湖渠站731米随时看房精装修集中供暖 https://bj.lianjia.com/zufang/101101753126.html

2 广安门租房远见名苑远见名苑东向两居室独立小区环境适合居家 2室1厅 86平米 8000 低楼层(共25层) 2006年建塔楼东 2017.07.20 34 距离7号线达官营站684米随时看房精装修自供暖 https://bj.lianjia.com/zufang/101101756753.html

3 天通苑租房天通苑北一区北一区简装两居，采光好，视野美，出行方便 2室1厅 103平米 5300 低楼层(共13层) 2004年建板楼东南 2017.07.25 30 距离5号线天通苑站927米随时看房精装修集中供暖 https://bj.lianjia.com/zufang/101101780034.html

4 团结湖租房团结湖北口团结湖北口近地铁高楼层朝南向精装修正规两居室 2室1厅 63平米 6400 高楼层(共16层) 1982年建塔楼南 2017.07.26 30 距离10号线团结湖站88米随时看房精装修集中供暖 https://bj.lianjia.com/zufang/101101781083.html

house_data.info()

输出结果

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 2760 entries, 0 to 2759
Data columns (total 13 columns):
district       2760 non-null object
address        2760 non-null object
title          2760 non-null object
house_type     2760 non-null object
area           2760 non-null object
price          2760 non-null int64
floor          2760 non-null object
build_time     2758 non-null object
direction      2760 non-null object
update_time    2760 non-null object
view_num       2760 non-null int64
extra_info     2760 non-null object
link           2760 non-null object
dtypes: int64(2), object(11)
memory usage: 280.4+ KB

house_data.shape

输出结果
(2760, 13)

house_data.describe()

输出结果

price view_num

count 2760.000000 2760.000000

mean 7570.800725 13.448913

std 6316.204986 12.746202

min 1300.000000 0.000000

25% 4500.000000 4.000000

50% 6000.000000 10.000000

75% 8500.000000 19.000000

max 210000.000000 122.000000

找到租金最低，和租金最高的房子

house_data.loc[house_data['price']==210000]
house_data.loc[house_data['price']==1300]
house_data[house_data['price']==house_data['price'].min()]
house_data[house_data['price']==house_data['price'].max()]

sort_values按照值排序参数by 传入列名参数 ascending（升序）

house_data.sort_values(by='price').head(1)

输出结果

district address title house_type area price floor build_time direction update_time view_num extra_info link

2527 良乡租房伟业嘉园西里半地下室家电齐全集中供暖简单装修 1室1厅 46平米 1300 地下室(共5层) 2005年建南 2017.07.19 14 随时看房集中供暖

house_data.sort_values(by='price').tail(1)

输出结果

district address title house_type area price floor build_time direction update_time view_num extra_info link

2658 和平里租房雍和家园二期雍和家园底商出租使用面积720米 6室3厅 720平米 210000 低楼层(共6层) 2005年建板楼南 2017.07.26 21 距离2号线雍和宫站293米随时看房集中供暖

找到最近新上的10套房源

house_data.sort_values(by='update_time', ascending=False).head(10)

输出结果

district address title house_type area price floor build_time direction update_time view_num extra_info link

347 劲松租房武圣西里武圣西里正规三居室,低楼层,看房方便 3室1厅 73平米 6500 低楼层(共6层) 1986年建板楼东南北 2017.07.27 0 距离10号线潘家园站965米随时看房 https://bj.lianjia.com/zufang/101101862495.html

1790 广安门租房恒昌花园广安门恒昌花园西向三居室集中供暖 3室2厅 159平米 13500 高楼层(共28层) 1999年建塔楼西 2017.07.27 12 距离7号线达官营站292米随时看房集中供暖 https://bj.lianjia.com/zufang/101101692254.html

2405 武夷花园租房月亮城堡月亮城堡精装修正规一居南北通透户型好 1室1厅 102平米 4500 低楼层(共11层) 2005年建板塔结合南北 2017.07.27 28 随时看房精装修集中供暖 https://bj.lianjia.com/zufang/101101495373.html

2639 常营租房北京像素南区北京像素地铁6号线草房北向开间 1房间1卫 48平米 3750 低楼层(共23层) 2012年建板塔结合北 2017.07.27 3 距离6号线草房站66米随时看房精装修集中供暖 https://bj.lianjia.com/zufang/101101852394.html

2366 马甸租房北太平庄路牡丹园精装一居室可当两居 350米到10号线南北通透 1室1厅 33平米 4000 低楼层(共5层) 1985年建板楼南 2017.07.27 24 距离10号线牡丹园站335米随时看房精装修集中供暖 https://bj.lianjia.com/zufang/101101622752.html

查看所有更新时间

#查看所有更新时间
house_data['update_time'].unique()

输出结果

array(['2017.07.21', '2017.07.23', '2017.07.20', '2017.07.25',
      '2017.07.26', '2017.07.16', '2017.07.22', '2017.07.24',
      '2017.07.27', '2017.07.19', '2017.07.14', '2017.07.15',
      '2017.07.17', '2017.07.18'], dtype=object)

看房人数

house_data['view_num'].mean() #平均值
house_data['view_num'].median() #中位数
# 通过describe()可以查看到

不同看房人数的房源数量，as_index = False 分组字段不作为行索引（默认为True)

tmp_df = house_data.groupby('view_num',as_index=False)['district'].count()
tmp_df.columns = ['view_num', 'count']
tmp_df.head()

输出结果

view_num count

0 0 152

1 1 149

2 2 143

3 3 129

4 4 147

画图 %matplotlib inline 功能是在jupyter notebook中内嵌绘图，并且可以省略掉 plt.show()

%matplotlib inline
tmp_df['count'].plot(kind='bar',figsize=(20,10))

输出结果

<matplotlib.axes._subplots.AxesSubplot at 0x14e1763fc88>

房租价格的分布

print(house_data['price'].mean())   #平均值
print(house_data['price'].std())    #标准差
print(house_data['price'].median())  #中位数

输出结果

7570.800724637681
6316.204986067457
6000.0

看房人数最多的朝向

popular_direction = house_data.groupby('direction',as_index=False)[['view_num']].sum()
popular_direction[popular_direction['view_num']==popular_direction['view_num'].max()]

输出结果

direction view_num

23 南北 11785

房型分布情况

# 设置正常显示汉字和负号
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei'] # 正常显示汉字
plt.rcParams['axes.unicode_minus'] = False # 正常显示负号

house_type_dis = house_data.groupby(['house_type']).count()
%matplotlib inline
house_type_dis['district'].plot(kind='bar') #柱状图

输出结果

<matplotlib.axes._subplots.AxesSubplot at 0x14e17db17b8>

最受欢迎的房型

tmp = house_data.groupby('house_type',as_index=False).agg({'view_num':'sum'})
tmp[tmp['view_num']==tmp['view_num'].max()]

输出结果

house_type view_num

5 2室1厅 17589

房子的平均租房价格（元/平米）

house_data.loc[:,'price_per_m2'] = house_data['price']/house_data['area']
house_data['price_per_m2'].mean()

输出结果
87.72268429900454

热门小区

address_df = house_data[['address','view_num']].groupby(['address'],as_index=False).sum()
address_df.sort_values(by='view_num', ascending=False).head()

输出结果

address view_num

951 清芷园 246

369 卡布其诺 245

938 润枫水尚 217

1149 芍药居北里 194

743 新康园 186

出租房源最多的小区

tmp_df2 = house_data[['address','view_num']].groupby(['address'],as_index=False).count()
tmp_df2.columns =  ['address','count']
tmp_df2.nlargest(columns='count', n=1)

输出结果

address count

1288 远洋山水 19

小结¶

掌握在Pandas中计算常用统计量的方法
info 了解不同字段的条目数量，数据类型，是否缺失及内存占用情况
describe 计算数值类型数据的常用统计量
熟练使用pandas进行简单排序、分组、聚合等计算
nlargest 返回指定字段的前n个最大值
nsmallest 返回指定字段的前n个最小值
sort_values 指定字段，按值排序
groupby 按字段分组
agg 分组之后聚合

	INSTNM	CITY	STABBR	HBCU	RELAFFIL	SATVRMID	SATMTMID	DISTANCEONLY	...	UGDS_2MOR	UGDS_NRA	UGDS_UNKN	PPTUG_EF	CURROPER	PCTPELL	PCTFLOAN	UG25ABV	MD_EARN_WNE_P10	GRAD_DEBT_MDN_SUPP
0	Alabama A & M University	Normal	AL	1.0	0	424.0	420.0	0.0	...	0.0000	0.0059	0.0138	0.0656	1	0.7356	0.8284	0.1049	30300	33888
1	University of Alabama at Birmingham	Birmingham	AL	0.0	0	570.0	565.0	0.0	...	0.0368	0.0179	0.0100	0.2607	1	0.3460	0.5214	0.2422	39700	21941.5
2	Amridge University	Montgomery	AL	0.0	1	NaN	NaN	1.0	...	0.0000	0.0000	0.2715	0.4536	1	0.6801	0.7795	0.8540	40100	23370
3	University of Alabama in Huntsville	Huntsville	AL	0.0	0	595.0	590.0	0.0	...	0.0172	0.0332	0.0350	0.2146	1	0.3072	0.4596	0.2640	45500	24097
4	Alabama State University	Montgomery	AL	1.0	0	425.0	430.0	0.0	...	0.0098	0.0243	0.0137	0.0892	1	0.7347	0.7554	0.1270	26600	33118.5

	count	mean	std	min	25%	50%	75%	max
HBCU	7164.0	0.014238	0.118478	0.0	0.000000	0.00000	0.000000	1.0000
MENONLY	7164.0	0.009213	0.095546	0.0	0.000000	0.00000	0.000000	1.0000
WOMENONLY	7164.0	0.005304	0.072642	0.0	0.000000	0.00000	0.000000	1.0000
RELAFFIL	7535.0	0.190975	0.393096	0.0	0.000000	0.00000	0.000000	1.0000
SATVRMID	1185.0	522.819409	68.578862	290.0	475.000000	510.00000	555.000000	765.0000
SATMTMID	1196.0	530.765050	73.469767	310.0	482.000000	520.00000	565.000000	785.0000
DISTANCEONLY	7164.0	0.005583	0.074519	0.0	0.000000	0.00000	0.000000	1.0000
UGDS	6874.0	2356.837940	5474.275871	0.0	117.000000	412.50000	1929.500000	151558.0000
UGDS_WHITE	6874.0	0.510207	0.286958	0.0	0.267500	0.55570	0.747875	1.0000
UGDS_BLACK	6874.0	0.189997	0.224587	0.0	0.036125	0.10005	0.257700	1.0000
UGDS_HISP	6874.0	0.161635	0.221854	0.0	0.027600	0.07140	0.198875	1.0000
UGDS_ASIAN	6874.0	0.033544	0.073777	0.0	0.002500	0.01290	0.032700	0.9727
UGDS_AIAN	6874.0	0.013813	0.070196	0.0	0.000000	0.00260	0.007300	1.0000
UGDS_NHPI	6874.0	0.004569	0.033125	0.0	0.000000	0.00000	0.002500	0.9983
UGDS_2MOR	6874.0	0.023950	0.031288	0.0	0.000000	0.01750	0.033900	0.5333
UGDS_NRA	6874.0	0.016086	0.050172	0.0	0.000000	0.00000	0.011700	0.9286
UGDS_UNKN	6874.0	0.045181	0.093440	0.0	0.000000	0.01430	0.045400	0.9027
PPTUG_EF	6853.0	0.226639	0.246470	0.0	0.000000	0.15040	0.376900	1.0000
CURROPER	7535.0	0.923291	0.266146	0.0	1.000000	1.00000	1.000000	1.0000
PCTPELL	6849.0	0.530643	0.225544	0.0	0.357800	0.52150	0.712900	1.0000
PCTFLOAN	6849.0	0.522211	0.283616	0.0	0.332900	0.58330	0.745000	1.0000
UG25ABV	6718.0	0.410021	0.228939	0.0	0.241500	0.40075	0.572275	1.0000

	count	unique	top	freq
INSTNM	7535	7535	Institute of American Indian and Alaska Native...	1
CITY	7535	2514	New York	87
STABBR	7535	59	CA	773
MD_EARN_WNE_P10	6413	598	PrivacySuppressed	822
GRAD_DEBT_MDN_SUPP	7503	2038	PrivacySuppressed	1510

	movie_title	imdb_score	budget
0	Avatar	7.9	237000000.0
1	Pirates of the Caribbean: At World's End	7.1	300000000.0
2	Spectre	6.8	245000000.0
3	The Dark Knight Rises	8.5	250000000.0
4	Star Wars: Episode VII - The Force Awakens	7.1	NaN

	movie_title	imdb_score	budget
2725	Towering Inferno	9.5	NaN
1920	The Shawshank Redemption	9.3	25000000.0
3402	The Godfather	9.2	6000000.0
2779	Dekalog	9.1	NaN
4312	Kickboxer: Vengeance	9.1	17000000.0

	movie_title	imdb_score	budget
4804	Butterfly Girl	8.7	180000.0
4801	Children of Heaven	8.5	180000.0
4706	12 Angry Men	8.9	350000.0
4550	A Separation	8.4	500000.0
4636	The Other Dream Team	8.4	500000.0

	movie_title	title_year	imdb_score
3884	The Veil	2016.0	4.7
2375	My Big Fat Greek Wedding 2	2016.0	6.1
2794	Miracles from Heaven	2016.0	6.8
92	Independence Day: Resurgence	2016.0	5.5
153	Kung Fu Panda 3	2016.0	7.2

	movie_title	title_year	content_rating	budget
4026	Compadres	2016.0	R	3000000.0
4658	Fight to the Finish	2016.0	PG-13	150000.0
4661	Rodeo Girl	2016.0	PG	500000.0
3252	The Wailing	2016.0	Not Rated	NaN
4659	Alleluia! The Devil's Carnival	2016.0	NaN	500000.0
4731	Bizarre	2015.0	Unrated	500000.0
812	The Ridiculous 6	2015.0	TV-14	NaN
4831	The Gallows	2015.0	R	100000.0
4825	Romantic Schemer	2015.0	PG-13	125000.0
3796	R.L. Stine's Monsterville: The Cabinet of Souls	2015.0	PG	4400000.0

	district	address	title	house_type	area	price	floor	build_time	direction	update_time	view_num	extra_info	link
0	燕莎租房	新源街	亮马桥新源街精装两居交通便利看房方便随时入住	2室1厅	50平米	5800	中楼层(共6层)	1981年建板楼	南	2017.07.21	26	随时看房精装修集中供暖	https://bj.lianjia.com/zufang/101101803342.html
1	望京租房	澳洲康都	澳洲康都东向精致两居室...........	2室1厅	79平米	7800	中楼层(共28层)	2005年建板塔结合	东	2017.07.23	33	距离14号线(东段)东湖渠站731米随时看房精装修集中供暖	https://bj.lianjia.com/zufang/101101753126.html
2	广安门租房	远见名苑	远见名苑东向两居室独立小区环境适合居家	2室1厅	86平米	8000	低楼层(共25层)	2006年建塔楼	东	2017.07.20	34	距离7号线达官营站684米随时看房精装修自供暖	https://bj.lianjia.com/zufang/101101756753.html
3	天通苑租房	天通苑北一区	北一区简装两居，采光好，视野美，出行方便	2室1厅	103平米	5300	低楼层(共13层)	2004年建板楼	东南	2017.07.25	30	距离5号线天通苑站927米随时看房精装修集中供暖	https://bj.lianjia.com/zufang/101101780034.html
4	团结湖租房	团结湖北口	团结湖北口近地铁高楼层朝南向精装修正规两居室	2室1厅	63平米	6400	高楼层(共16层)	1982年建塔楼	南	2017.07.26	30	距离10号线团结湖站88米随时看房精装修集中供暖	https://bj.lianjia.com/zufang/101101781083.html

	price	view_num
count	2760.000000	2760.000000
mean	7570.800725	13.448913
std	6316.204986	12.746202
min	1300.000000	0.000000
25%	4500.000000	4.000000
50%	6000.000000	10.000000
75%	8500.000000	19.000000
max	210000.000000	122.000000

	district	address	title	house_type	area	price	floor	build_time	direction	update_time	view_num	extra_info	link
347	劲松租房	武圣西里	武圣西里正规三居室,低楼层,看房方便	3室1厅	73平米	6500	低楼层(共6层)	1986年建板楼	东南北	2017.07.27	0	距离10号线潘家园站965米随时看房	https://bj.lianjia.com/zufang/101101862495.html
1790	广安门租房	恒昌花园	广安门恒昌花园西向三居室集中供暖	3室2厅	159平米	13500	高楼层(共28层)	1999年建塔楼	西	2017.07.27	12	距离7号线达官营站292米随时看房集中供暖	https://bj.lianjia.com/zufang/101101692254.html
2405	武夷花园租房	月亮城堡	月亮城堡精装修正规一居南北通透户型好	1室1厅	102平米	4500	低楼层(共11层)	2005年建板塔结合	南北	2017.07.27	28	随时看房精装修集中供暖	https://bj.lianjia.com/zufang/101101495373.html
2639	常营租房	北京像素南区	北京像素地铁6号线草房北向开间	1房间1卫	48平米	3750	低楼层(共23层)	2012年建板塔结合	北	2017.07.27	3	距离6号线草房站66米随时看房精装修集中供暖	https://bj.lianjia.com/zufang/101101852394.html
2366	马甸租房	北太平庄路	牡丹园精装一居室可当两居 350米到10号线南北通透	1室1厅	33平米	4000	低楼层(共5层)	1985年建板楼	南	2017.07.27	24	距离10号线牡丹园站335米随时看房精装修集中供暖	https://bj.lianjia.com/zufang/101101622752.html

	address	view_num
951	清芷园	246
369	卡布其诺	245
938	润枫水尚	217
1149	芍药居北里	194
743	新康园	186