听说大数据很火，最近业余时间也在看python-数据分析 的学习课程，从最初的mac运行程序都不利索（见第一篇文章-装机辛酸史），经过几周的学习勉强能打开电脑根据程序画几个小图。
上面就是画图的基本操作，每次都可以无脑复制进去，然后把boston的房价数据导入到pandas，生成如下Dataframe以便分析（抬头名称解释见最后面）
说到房价的影响因素，所在地区的犯罪率肯定是考虑的首要因素（感谢祖国的和平与稳定，这个因素基本不再考虑范围），但是波士顿昨晚资本主义国家的一个城市，我们还是来看看其中的问题：
有个谚语说：强盗都不喜欢跟强盗住一起。你看下面房价高的（左侧）基本上犯罪率都极低
题目的影响要素专门提到了Charles River（查尔斯河），特别去了解了下：
查尔斯河从波士顿市中心延伸到剑桥市。河流蜿蜒曲折，河面宽阔，两岸排列着哈佛、麻省理工学院和波士顿大学等名校以及摩天大楼，因此俨然成为波士顿的平面地标，风景极佳。
水不仅仅是一个城市的点缀，更多时候是一个城市的灵魂，你能想象杭州若是没有西湖将要逊色多少。下图（查尔斯河）
那么问题来了：与湖距离远近跟房价的关系呢：
湖景房（右）跟非湖景房（左）比不仅平均价格高不少，最关键是最贵的房子就在湖边上！
接下来在看看其他因素对价格的影响，先挑出最贵的那部分房子来分析：
从左到右：犯罪率／氮氧化污染物／房龄／低收入群比例，红色虚线是城市平均水平
说到这个犯罪率，看样子不怕贼偷，就怕贼惦记啊，可能就盗窃案还真可能富人区发生的概率更高，毕竟随手顺走点东西搞不好就是值钱货；而作为氮氧化污染物，若是一个城市整体的空气质量不佳，钱再多装啥新风系统也作用不是很大，看起来的确保护环境人人有责；而房龄这个因素，发现高房价区域很大部分房龄超过50年了（哥，拆迁办不给力啊）；最后一个因素低收入人群比例这个区域远远低于平均数，说明一个问题：能买得起房子的都是有钱人，特别是贵的房子。（这不是废话吗？）好吧，为了证明我很穷，我暂时不准备买房子了，等将来有钱了，去买个湖景房／海景房／学区房／山景房......
（完）
