DS_project1:这与“ Udacity数据科学”课程的第二课有关。这是为了使我们为课程中的项目1做好准备

DS_project1 分析了2016年的西雅图Airbnb房源数据 目录 装置 该代码将在python 3中顺利运行。如果尚未安装，请安装ipynb以使用笔记本中的自定义功能。 pip install ipynb 项目动机 在这个项目中，我使用Seattle清单和日历数据来回答以下问题： 在不同的社区中注册了多少个列表？ 不同地区的价格和清洁费有多少差异？ 不同物业类型的价格和清洁费会有多少差异？ 不同房型的价格和清洁费有多少不同？ 价格在一年中如何变化（月和价格） 价格在月中如何变化（星期几和价格） 从Seattle列表数据中选择的功能如何很好地预测Seattle的价格？ 档案说明 有5个笔记本可以回答上述问题。 数据预处理-估算缺失值并消除异常值。 Listings_EDA-回答问题1-4。 Calendar_analysis-回答问题5和6。 Predicting_pric