初学者也能懂！用Python做房屋销售数据分析，从0到1上手实战(附源码和数据)

初学者也能懂！用Python做房屋销售数据分析，从0到1上手实战

大家好！今天带大家做一个超实用的数据分析小demo——房屋销售数据分析。不管你是刚学Python的新手，还是想入门数据分析的同学，跟着这篇文章走，你不仅能看懂代码，还能亲手跑出属于自己的分析结果，甚至能从数据里挖出关于房价的小秘密～

一、先搞懂：我们要做什么？用什么做？

1. 目标

我们有一份房屋销售的CSV数据（比如包含房屋面积、卧室数、价格、销售日期等信息），要通过Python完成：

• 加载数据并看看数据长啥样（有没有问题）
• 清理数据（补漏洞、加新信息）
• 画图表看规律（比如房价分布、哪个区房子贵）
• 分析影响房价的因素（面积？卧室数？）
• 看销售趋势（哪个月卖得多？）

2. 用到的“工具库”

就像做饭需要锅碗瓢盆，数据分析也需要专门的Python库，我们这次用4个核心库：

二、第一步：环境准备（新手必看）

在写代码前，得先把“工具”装好。打开你的Python编辑器（比如PyCharm、VS Code,没有的同学可以百度下载一下就行），有python环境后，先执行下面的命令安装需要的库：

pip install pandas numpy matplotlib seaborn

安装完成后，我们先写一段“准备代码”，避免后续出小问题（比如图表中文乱码）：

# 导入所有需要的库
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
from datetime import datetime
import os

# 关键！设置中文字体（不然图表里的中文会变成乱码方框）
plt.rcParams['font.sans-serif'] = ['SimHei']  # 用“黑体”显示中文
plt.rcParams['axes.unicode_minus'] = False    # 解决负号显示问题

三、第二步：加载数据，先“摸透”数据长啥样

拿到数据第一步，不是直接分析，而是先看看数据“健康”吗？有多少行多少列？有没有缺数据？这一步我们写个load_and_explore_data()函数来搞定。

1. 代码拆解：加载数据并检查

def load_and_explore_data():
    print("=== 房屋销售数据分析案例 ===\n")
    
    # 1. 先确认数据文件在不在
    csv_file = 'house_sales_data.csv'  # 你的数据文件名
    if not os.path.exists(csv_file):
        print(f"错误: 找不到数据文件 {csv_file}")
        print("请准备这样的CSV文件，必须包含这些列：")
        print("house_id(房屋ID), area(面积), bedrooms(卧室数), bathrooms(卫生间数),")
        print("location(区域), age(房龄), price(价格), sale_date(销售日期), sale_status(销售状态)")
        return None  # 文件不在就退出，避免报错
    
    # 2. 读取CSV数据（pandas的核心功能！）
    try:
        df = pd.read_csv(csv_file)  # df是“DataFrame”，像Excel表格一样的结构
        
        # 把“销售日期”转成日期格式（方便后续按日期分析）
        if 'sale_date' in df.columns:
            df['sale_date'] = pd.to_datetime(df['sale_date'])
        
        # 3. 打印数据概览，让我们“眼见为实”
        print("1. 数据概览:")
        print(f"数据集形状: {df.shape}")  # (行数, 列数)，比如(1000,9)就是1000条数据，9个字段
        print("\n前5行数据（看看长啥样）:")
        print(df.head())  # 显示前5行，避免数据太多看不过来
        
        print("\n2. 数据基本信息（有没有缺失值、数据类型）:")
        print(df.info())  # 重点看“Non-Null Count”，如果比总行数少，就是有缺失值
        
        print("\n3. 数值型数据统计（平均值、最大值这些）:")
        print(df.describe())  # 只对数字列生效，比如面积的平均值、房价的最大值
        
        print("\n4. 分类数据统计（比如哪个区房子多）:")
        if 'location' in df.columns:
            print("各区房屋数量:")
            print(df['location'].value_counts())  # 统计每个区域有多少套房子
        if 'sale_status' in df.columns:
            print("\n销售状态统计（比如已售/待售）:")
            print(df['sale_status'].value_counts())
        
        return df  # 返回清洗好的“表格”，给后续步骤用
    
    except Exception as e:
        print(f"读文件出错了: {e}")  # 万一格式错了，告诉我们哪里错了
        return None

2. 新手必问：这步能得到什么？

举个例子，如果你的数据有1000条房屋记录，运行后会看到：

• 数据集形状：(1000, 9)（1000行数据，9列信息）
• 前5行能看到具体数据，比如某套房子面积120㎡，3个卧室，价格200万
• 从df.info()能发现：比如“age（房龄）”列有10个缺失值（需要后续处理）
• 从df.describe()能看到：房价平均180万，最高500万，最低80万
• 从区域统计能看到：“城东”区房子最多（300套），“城西”最少（150套）

四、第三步：数据清洗——“修bug”的关键一步

拿到的数据很少是“完美”的，比如有缺失值、重复值，或者需要加一些新信息（比如“每平米单价”）。这一步我们用clean_data()函数搞定。

1. 代码拆解：清洗数据

def clean_data(df):
    print("\n=== 数据清洗 ===")
    
    # 1. 检查缺失值（数据里的“空格子”）
    print("缺失值检查（每列有多少空值）:")
    print(df.isnull().sum())  # 比如age列有10个空值，这里就会显示10
    
    # 2. 检查重复值（完全一样的行，可能是录入错误）
    print(f"\n重复值数量: {df.duplicated().sum()}")  # 比如有5个重复行
    
    # 3. 新增有用的特征（让数据更有分析价值）
    # 新增“每平米单价”：总价/面积（买房时最关心的指标之一）
    if 'price' in df.columns and 'area' in df.columns:
        df['price_per_sqm'] = df['price'] / df['area']  # 自动新增一列
    
    # 新增“月份”“季度”：方便按时间分析（比如3月卖了多少套）
    if 'sale_date' in df.columns:
        df['month'] = df['sale_date'].dt.month  # 提取月份（1-12）
        df['quarter'] = df['sale_date'].dt.quarter  # 提取季度（1-4）
    
    # （新手拓展：如果有缺失值，怎么处理？）
    # 比如用“房龄的平均值”填充age列的空值：df['age'].fillna(df['age'].mean(), inplace=True)
    # 比如删除重复值：df.drop_duplicates(inplace=True)
    
    print("\n新增特征后的数据（看最后3列）:")
    print(df.head())  # 会看到多了price_per_sqm、month、quarter三列
    
    return df

2. 为什么要做数据清洗？

• 缺失值会导致后续画图或建模报错（比如算平均房价时，空值会让结果不准）
• 重复值会让数据“虚高”（比如1条数据重复5次，会误以为有5套房子）
• 新增特征能帮我们挖掘更多信息：比如“每平米单价”能直接对比不同区域的房价高低，比总价更直观

五、第四步：探索性数据分析——画图看规律！

数据分析的核心是“可视化”——用图表代替枯燥的数字，一眼看出规律。这一步exploratory_analysis()函数会生成2张综合图表，包含4个关键分析。

1. 代码拆解：画图表找规律

def exploratory_analysis(df):
    print("\n=== 探索性数据分析 ===")
    
    # 1. 画第一张图：包含4个子图（价格分布、面积分布、各区均价、面积vs价格）
    plt.figure(figsize=(15, 10))  # 设置图的大小（宽15，高10）
    
    # 子图1：房屋价格分布（直方图）
    plt.subplot(2, 2, 1)  # 2行2列的第1个位置
    plt.hist(df['price'], bins=20, alpha=0.7, color='skyblue', edgecolor='black')
    plt.title('房屋价格分布')  # 标题
    plt.xlabel('价格(元)')     # X轴标签
    plt.ylabel('频数')        # Y轴标签（有多少套房子在这个价格区间）
    
    # 子图2：房屋面积分布（直方图）
    plt.subplot(2, 2, 2)  # 2行2列的第2个位置
    plt.hist(df['area'], bins=15, alpha=0.7, color='lightgreen', edgecolor='black')
    plt.title('房屋面积分布')
    plt.xlabel('面积(平方米)')
    plt.ylabel('频数')
    
    # 子图3：各区平均价格（柱状图）
    plt.subplot(2, 2, 3)  # 2行2列的第3个位置
    avg_price_by_location = df.groupby('location')['price'].mean().sort_values()  # 按区域算均价并排序
    avg_price_by_location.plot(kind='bar', color='orange', alpha=0.7)
    plt.title('各区平均房屋价格')
    plt.xlabel('区域')
    plt.ylabel('平均价格(元)')
    plt.xticks(rotation=45)  # 区域名旋转45度，避免重叠
    
    # 子图4：面积与价格的关系（散点图）
    plt.subplot(2, 2, 4)  # 2行2列的第4个位置
    plt.scatter(df['area'], df['price'], alpha=0.6, color='purple')  # 每个点代表一套房子
    plt.title('房屋面积与价格关系')
    plt.xlabel('面积(平方米)')
    plt.ylabel('价格(元)')
    
    plt.tight_layout()  # 自动调整子图位置，避免重叠
    plt.savefig('house_sales_analysis1.png', dpi=300, bbox_inches='tight')  # 保存图片（高清）
    plt.show()  # 显示图片
    
    # 2. 画第二张图：卧室数量影响、月度销售情况
    plt.figure(figsize=(12, 5))
    
    # 子图1：卧室数量对均价的影响（柱状图）
    plt.subplot(1, 2, 1)  # 1行2列的第1个位置
    avg_price_by_bedrooms = df.groupby('bedrooms')['price'].mean()  # 按卧室数算均价
    avg_price_by_bedrooms.plot(kind='bar', color='lightcoral', alpha=0.7)
    plt.title('卧室数量对平均价格的影响')
    plt.xlabel('卧室数量')
    plt.ylabel('平均价格(元)')
    plt.xticks(rotation=0)  # 卧室数少，不用旋转
    
    # 子图2：每月销售数量（折线图）
    plt.subplot(1, 2, 2)  # 1行2列的第2个位置
    sales_by_month = df.groupby('month').size()  # 按月份统计销售套数
    sales_by_month.plot(kind='line', marker='o', color='blue', linewidth=2)  # 折线图+圆点标记
    plt.title('每月房屋销售数量')
    plt.xlabel('月份')
    plt.ylabel('销售数量')
    plt.xticks(range(1, 13))  # X轴显示1-12月
    
    plt.tight_layout()
    plt.savefig('house_sales_analysis2.png', dpi=300, bbox_inches='tight')
    plt.show()

2. 这张图能告诉我们什么？（新手必看）

举个实际分析结果的例子：

• 价格分布：大部分房子价格在150-250万之间（直方图的“山峰”在这个区间），只有少数豪宅超过400万
• 面积分布：面积集中在90-130㎡（刚需户型为主），180㎡以上的大户型很少
• 各区均价：“城南”区均价最高（2.5万/㎡），“城北”最低（1.8万/㎡）（柱状图从低到高排，一眼看清）
• 面积与价格：散点图呈“斜向上”的趋势——面积越大，价格越高（正相关）
• 卧室数量影响：4卧室房子均价（280万）> 3卧室（200万）> 2卧室（150万）（卧室越多越贵）
• 月度销售：3月和9月销售高峰（可能是金三银九），1月销售最少（春节前后）

六、第五步：深入分析——找影响房价的关键因素

光看表面规律还不够，我们还要用“数据说话”：哪些因素对房价影响最大？用简单的机器学习模型（线性回归）来分析。

1. 代码拆解：深入分析（含机器学习入门）

def advanced_analysis(df):
    print("\n=== 深入分析 ===")
    
    # 1. 计算相关系数（看变量之间的“关系紧密程度”）
    numeric_cols = ['area', 'bedrooms', 'bathrooms', 'age', 'price', 'price_per_sqm']  # 数值型变量
    correlation_matrix = df[numeric_cols].corr()  # 生成相关系数矩阵
    
    print("数值变量相关系数矩阵（越接近1，关系越紧密）:")
    print(correlation_matrix.round(2))  # 保留2位小数，更易读
    
    # 画相关系数热力图（更直观）
    plt.figure(figsize=(10, 8))
    sns.heatmap(correlation_matrix, annot=True, cmap='coolwarm', center=0,
                square=True, fmt='.2f', cbar_kws={'shrink': .8})
    plt.title('变量间相关系数热力图')
    plt.tight_layout()
    plt.savefig('correlation_heatmap.png', dpi=300, bbox_inches='tight')
    plt.show()
    
    # 2. 各区每平米均价分析（比总价更公平）
    print("\n各区每平米均价（含标准差和数量）:")
    price_per_sqm_by_location = df.groupby('location')['price_per_sqm'].agg(['mean', 'std', 'count'])
    # mean=均价，std=标准差（价格波动大小），count=房子数量
    print(price_per_sqm_by_location.round(2))
    
    # 3. 简单房价预测模型（线性回归）
    from sklearn.linear_model import LinearRegression  # 导入线性回归模型
    from sklearn.model_selection import train_test_split  # 拆分训练/测试数据
    from sklearn.metrics import mean_squared_error, r2_score  # 模型评估指标
    
    # 选择“特征”（用来预测的因素）和“目标”（要预测的结果）
    X = df[['area', 'bedrooms', 'bathrooms', 'age']]  # 特征：面积、卧室数、卫生间数、房龄
    y = df['price']  # 目标：房价
    
    # 拆分数据：80%用来训练模型，20%用来测试模型准不准
    X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
    
    # 训练模型（让电脑从数据里学规律）
    model = LinearRegression()
    model.fit(X_train, y_train)
    
    # 用模型预测测试集的房价
    y_pred = model.predict(X_test)
    
    # 评估模型（看预测得准不准）
    print(f"\n模型评估结果:")
    print(f"R²分数: {r2_score(y_test, y_pred):.3f}")  # 越接近1，预测越准（0.7以上算不错）
    print(f"均方根误差(RMSE): {np.sqrt(mean_squared_error(y_test, y_pred)):.2f}")  # 平均误差（越小越好）
    
    # 分析“特征重要性”（哪个因素对房价影响最大）
    feature_importance = pd.DataFrame({
        'feature': X.columns,  # 特征名（面积、卧室数等）
        'coefficient': model.coef_,  # 系数（正负代表影响方向，绝对值代表影响大小）
        'abs_importance': abs(model.coef_)  # 系数绝对值（方便排序）
    }).sort_values('abs_importance', ascending=False)  # 按重要性从大到小排
    
    print("\n特征重要性（哪个因素对房价影响最大）:")
    print(feature_importance)

2. 新手能看懂的关键结论

• 相关系数：比如“area（面积）”和“price（房价）”的相关系数是0.85（接近1），说明面积对房价影响极大；“age（房龄）”和“price”相关系数是-0.3（负的），说明房龄越大，房价越低（符合常识）
• 热力图：红色代表正相关（越红越相关），蓝色代表负相关（越蓝越负相关），一眼看出面积和房价最红（关系最铁）
• 每平米均价：“城南”不仅总价高，每平米均价也高（2.5万/㎡），而且标准差小（价格稳定），说明城南房价坚挺
• 模型结果：比如R²=0.75，说明用面积、卧室数等4个特征，能解释75%的房价变化（算不错的模型）；RMSE=20万，说明预测房价时，平均误差约20万
• 特征重要性：面积的系数最大（比如10000），说明面积每增加1㎡，房价平均涨1万元；房龄系数是-5000，说明房龄每增加1年，房价平均降5000元

七、第六步：销售趋势分析——看时间规律

最后，我们分析销售的时间趋势，比如每周卖多少套，哪个季度房价最高。

1. 代码拆解：销售趋势

def sales_trend_analysis(df):
    print("\n=== 销售趋势分析 ===")
    
    # 新增“周数”列（按年份的周数，1-52周）
    df['week'] = df['sale_date'].dt.isocalendar().week
    
    # 画趋势图（2个子图）
    plt.figure(figsize=(12, 5))
    
    # 子图1：每周销售趋势（折线图）
    plt.subplot(1, 2, 1)
    weekly_sales = df.groupby('week').size()  # 按周统计销售套数
    weekly_sales.plot(kind='line', marker='o', color='green', linewidth=2)
    plt.title('每周房屋销售趋势')
    plt.xlabel('周数')
    plt.ylabel('销售数量')
    plt.grid(True, alpha=0.3)  # 加网格，方便看数值
    
    # 子图2：各季度平均房价（柱状图）
    plt.subplot(1, 2, 2)
    quarterly_avg_price = df.groupby('quarter')['price'].mean()  # 按季度算均价
    quarterly_avg_price.plot(kind='bar', color='lightblue', alpha=0.7)
    plt.title('各季度平均房屋价格')
    plt.xlabel('季度')
    plt.ylabel('平均价格(元)')
    plt.xticks(rotation=0)
    
    plt.tight_layout()
    plt.savefig('sales_trend_analysis.png', dpi=300, bbox_inches='tight')
    plt.show()

2. 趋势结论

比如你可能会发现：

• 每周销售：第10周（3月）和第36周（9月）是销售高峰，第52周（12月底）是低谷
• 季度均价：第2季度（4-6月）和第3季度（7-9月）均价最高，第1季度（1-3月）最低

八、最后一步：把所有功能串起来，一键运行！

前面我们写了很多“小功能”，现在用main()函数把它们串起来，一键完成整个分析流程：

def main():
    try:
        # 1. 加载和探索数据
        df = load_and_explore_data()
        if df is None:  # 数据加载失败就退出
            return
        
        # 2. 数据清洗
        df_clean = clean_data(df)
        
        # 3. 探索性分析
        exploratory_analysis(df_clean)
        
        # 4. 深入分析
        advanced_analysis(df_clean)
        
        # 5. 销售趋势分析
        sales_trend_analysis(df_clean)
        
        # 分析完成！告诉用户生成了哪些文件
        print("\n=== 分析完成 ===")
        print("已生成4张分析图表:")
        print("- house_sales_analysis1.png: 价格/面积分布+各区均价+面积vs价格")
        print("- house_sales_analysis2.png: 卧室数量影响+月度销售")
        print("- correlation_heatmap.png: 变量相关系数热力图")
        print("- sales_trend_analysis.png: 每周销售+季度均价")
        
        # 保存清洗后的数据（方便后续复用）
        df_clean.to_csv('cleaned_house_sales_data.csv', index=False, encoding='utf-8-sig')
        print("\n清洗后的数据已保存到: cleaned_house_sales_data.csv")
        
    except Exception as e:
        print(f"分析过程中出错: {e}")

# 只有运行这个文件时，才执行main()函数
if __name__ == "__main__":
    main()

九、源代码获取

代码复制即可运行：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
from datetime import datetime
import os

# 设置中文字体显示
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

# 数据加载和初步探索
def load_and_explore_data():
    print("=== 房屋销售数据分析案例 ===\n")
    
    # 从CSV文件读取数据
    csv_file = 'house_sales_data.csv'
    
    if not os.path.exists(csv_file):
        print(f"错误: 找不到数据文件 {csv_file}")
        print("请确保house_sales_data.csv文件存在于当前目录")
        print("文件应包含以下列: house_id, area, bedrooms, bathrooms, location, age, price, sale_date, sale_status")
        return None
    
    try:
        # 读取CSV文件
        df = pd.read_csv(csv_file)
        
        # 转换日期列
        if 'sale_date' in df.columns:
            df['sale_date'] = pd.to_datetime(df['sale_date'])
        
        print("1. 数据概览:")
        print(f"数据集形状: {df.shape}")
        print("\n前5行数据:")
        print(df.head())
        
        print("\n2. 数据基本信息:")
        print(df.info())
        
        print("\n3. 数值型数据描述性统计:")
        print(df.describe())
        
        print("\n4. 分类变量统计:")
        if 'location' in df.columns:
            print("各区房屋数量:")
            print(df['location'].value_counts())
        
        if 'sale_status' in df.columns:
            print("\n销售状态统计:")
            print(df['sale_status'].value_counts())
        
        return df
        
    except Exception as e:
        print(f"读取文件时出错: {e}")
        return None

# 数据清洗
def clean_data(df):
    print("\n=== 数据清洗 ===")
    
    # 检查缺失值
    print("缺失值检查:")
    print(df.isnull().sum())
    
    # 检查重复值
    print(f"\n重复值数量: {df.duplicated().sum()}")
    
    # 添加新特征
    if 'price' in df.columns and 'area' in df.columns:
        df['price_per_sqm'] = df['price'] / df['area']
    
    if 'sale_date' in df.columns:
        df['month'] = df['sale_date'].dt.month
        df['quarter'] = df['sale_date'].dt.quarter
    
    print("\n新增特征后的数据:")
    print(df.head())
    
    return df

# 探索性数据分析
def exploratory_analysis(df):
    print("\n=== 探索性数据分析 ===")
    
    # 1. 价格分布
    plt.figure(figsize=(15, 10))
    
    plt.subplot(2, 2, 1)
    plt.hist(df['price'], bins=20, alpha=0.7, color='skyblue', edgecolor='black')
    plt.title('房屋价格分布')
    plt.xlabel('价格(元)')
    plt.ylabel('频数')
    
    # 2. 面积分布
    plt.subplot(2, 2, 2)
    plt.hist(df['area'], bins=15, alpha=0.7, color='lightgreen', edgecolor='black')
    plt.title('房屋面积分布')
    plt.xlabel('面积(平方米)')
    plt.ylabel('频数')
    
    # 3. 各区平均价格
    plt.subplot(2, 2, 3)
    avg_price_by_location = df.groupby('location')['price'].mean().sort_values()
    avg_price_by_location.plot(kind='bar', color='orange', alpha=0.7)
    plt.title('各区平均房屋价格')
    plt.xlabel('区域')
    plt.ylabel('平均价格(元)')
    plt.xticks(rotation=45)
    
    # 4. 价格与面积关系
    plt.subplot(2, 2, 4)
    plt.scatter(df['area'], df['price'], alpha=0.6, color='purple')
    plt.title('房屋面积与价格关系')
    plt.xlabel('面积(平方米)')
    plt.ylabel('价格(元)')
    
    plt.tight_layout()
    plt.savefig('house_sales_analysis1.png', dpi=300, bbox_inches='tight')
    plt.show()
    
    # 5. 卧室数量对价格的影响
    plt.figure(figsize=(12, 5))
    
    plt.subplot(1, 2, 1)
    avg_price_by_bedrooms = df.groupby('bedrooms')['price'].mean()
    avg_price_by_bedrooms.plot(kind='bar', color='lightcoral', alpha=0.7)
    plt.title('卧室数量对平均价格的影响')
    plt.xlabel('卧室数量')
    plt.ylabel('平均价格(元)')
    plt.xticks(rotation=0)
    
    # 6. 每月销售情况
    plt.subplot(1, 2, 2)
    sales_by_month = df.groupby('month').size()
    sales_by_month.plot(kind='line', marker='o', color='blue', linewidth=2)
    plt.title('每月房屋销售数量')
    plt.xlabel('月份')
    plt.ylabel('销售数量')
    plt.xticks(range(1, 13))
    
    plt.tight_layout()
    plt.savefig('house_sales_analysis2.png', dpi=300, bbox_inches='tight')
    plt.show()

# 深入分析
def advanced_analysis(df):
    print("\n=== 深入分析 ===")
    
    # 1. 相关系数矩阵
    numeric_cols = ['area', 'bedrooms', 'bathrooms', 'age', 'price', 'price_per_sqm']
    correlation_matrix = df[numeric_cols].corr()
    
    print("数值变量相关系数矩阵:")
    print(correlation_matrix.round(2))
    
    # 热力图
    plt.figure(figsize=(10, 8))
    sns.heatmap(correlation_matrix, annot=True, cmap='coolwarm', center=0,
                square=True, fmt='.2f', cbar_kws={'shrink': .8})
    plt.title('变量间相关系数热力图')
    plt.tight_layout()
    plt.savefig('correlation_heatmap.png', dpi=300, bbox_inches='tight')
    plt.show()
    
    # 2. 单价分析
    print("\n各区每平方米均价:")
    price_per_sqm_by_location = df.groupby('location')['price_per_sqm'].agg(['mean', 'std', 'count'])
    print(price_per_sqm_by_location.round(2))
    
    # 3. 房价预测模型（简单线性回归）
    from sklearn.linear_model import LinearRegression
    from sklearn.model_selection import train_test_split
    from sklearn.metrics import mean_squared_error, r2_score
    
    # 选择特征和目标变量
    X = df[['area', 'bedrooms', 'bathrooms', 'age']]
    y = df['price']
    
    # 划分训练测试集
    X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
    
    # 训练模型
    model = LinearRegression()
    model.fit(X_train, y_train)
    
    # 预测和评估
    y_pred = model.predict(X_test)
    
    print(f"\n模型评估结果:")
    print(f"R²分数: {r2_score(y_test, y_pred):.3f}")
    print(f"均方根误差: {np.sqrt(mean_squared_error(y_test, y_pred)):.2f}")
    
    # 特征重要性
    feature_importance = pd.DataFrame({
        'feature': X.columns,
        'coefficient': model.coef_,
        'abs_importance': abs(model.coef_)
    }).sort_values('abs_importance', ascending=False)
    
    print("\n特征重要性:")
    print(feature_importance)

# 销售趋势分析
def sales_trend_analysis(df):
    print("\n=== 销售趋势分析 ===")
    
    # 按周统计销售数量
    df['week'] = df['sale_date'].dt.isocalendar().week
    weekly_sales = df.groupby('week').size()
    
    plt.figure(figsize=(12, 5))
    
    plt.subplot(1, 2, 1)
    weekly_sales.plot(kind='line', marker='o', color='green', linewidth=2)
    plt.title('每周房屋销售趋势')
    plt.xlabel('周数')
    plt.ylabel('销售数量')
    plt.grid(True, alpha=0.3)
    
    # 按季度分析
    plt.subplot(1, 2, 2)
    quarterly_avg_price = df.groupby('quarter')['price'].mean()
    quarterly_avg_price.plot(kind='bar', color='lightblue', alpha=0.7)
    plt.title('各季度平均房屋价格')
    plt.xlabel('季度')
    plt.ylabel('平均价格(元)')
    plt.xticks(rotation=0)
    
    plt.tight_layout()
    plt.savefig('sales_trend_analysis.png', dpi=300, bbox_inches='tight')
    plt.show()

# 主函数
def main():
    try:
        # 加载和探索数据
        df = load_and_explore_data()
        
        # 数据清洗
        df_clean = clean_data(df)
        
        # 探索性分析
        exploratory_analysis(df_clean)
        
        # 深入分析
        advanced_analysis(df_clean)
        
        # 销售趋势分析
        sales_trend_analysis(df_clean)
        
        print("\n=== 分析完成 ===")
        print("已生成以下分析图表:")
        print("- house_sales_analysis1.png: 基础分布分析")
        print("- house_sales_analysis2.png: 卧室和月度销售分析")
        print("- correlation_heatmap.png: 相关系数热力图")
        print("- sales_trend_analysis.png: 销售趋势分析")
        
        # 保存处理后的数据
        df_clean.to_csv('cleaned_house_sales_data.csv', index=False, encoding='utf-8-sig')
        print("\n清洗后的数据已保存到: cleaned_house_sales_data.csv")
        
    except Exception as e:
        print(f"分析过程中出现错误: {e}")

if __name__ == "__main__":
    main()

数据样例（house_sales_data.csv）：复制表格数据就行