🧑 博主简介：曾任某智慧城市类企业算法总监，目前在美国市场的物流公司从事高级算法工程师一职，深耕人工智能领域，精通python数据挖掘、可视化、机器学习等，发表过AI相关的专利并多次在AI类比赛中获奖。CSDN人工智能领域的优质创作者，提供AI相关的技术咨询、项目开发和个性化解决方案等服务，如有需要请站内私信或者联系任意文章底部的的VX名片（ID：xf982831907）

💬 博主粉丝群介绍：① 群内初中生、高中生、本科生、研究生、博士生遍布，可互相学习，交流困惑。② 热榜top10的常客也在群里，也有数不清的万粉大佬，可以交流写作技巧，上榜经验，涨粉秘籍。③ 群内也有职场精英，大厂大佬，可交流技术、面试、找工作的经验。④ 进群免费赠送写作秘籍一份，助你由写作小白晋升为创作大佬。⑤ 进群赠送CSDN评论防封脚本，送真活跃粉丝，助你提升文章热度。有兴趣的加文末联系方式，备注自己的CSDN昵称，拉你进群，互相学习共同进步。

一、引言

  数据可视化是探索和理解复杂数据集的强大工具。通过可视化分析，我们可以揭示全球住房市场的变化趋势、影响住房负担能力的因素以及各变量之间的关系。本文将基于包含丰富信息的全球住房市场数据集，从多个维度进行可视化探索，帮助大家更直观地了解住房市场动态。

二、数据探索

2.1 数据集介绍

  本数据集包含以下变量：

• Country：记录住房市场数据的国家
• Year：观测年份
• House Price Index：房屋平均价格（美元）
• Rent Index：房产中位月租金（美元）
• Affordability Ratio：中位房价与中位收入的比率
• Mortgage Rate (%)：平均抵押贷款利率百分比
• Inflation Rate (%)：年通货膨胀率百分比
• GDP Growth (%)：年GDP增长率百分比
• Population Growth (%)：年人口增长率百分比
• Urbanization Rate (%)：城市化率百分比（居住在城市地区的人口比例）

2.2 数据清洗与探索

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

# 加载数据
df = pd.read_csv('global_housing_market.csv')  # 请替换为实际文件路径

# 查看数据基本信息
print(df.info())
print(df.describe())

# 查看各列唯一值数量
print(df.nunique())

df.isnull().sum()

  从数据的基本信息中，我们可以发现：

• 数据集包含多种类型变量，包括类别型（如Country）和数值型（如House Price Index、Mortgage Rate (%)等）
• 一个有200个样本，而且无缺失值

三、单维度特征可视化

3.1 房屋价格指数分布

plt.figure(figsize=(12, 6))
sns.histplot(df['House Price Index'], kde=True, color='teal', bins=30)
plt.title('House Price Index Distribution')
plt.xlabel('House Price Index (USD)')
plt.tight_layout()
plt.show()

  观察结果：房屋价格指数呈现右偏分布，大部分国家的房价集中在中等水平。

3.2 租金指数分布

plt.figure(figsize=(12, 6))
sns.histplot(df['Rent Index'], kde=True, color='coral', bins=30)
plt.title('Rent Index Distribution')
plt.xlabel('Rent Index (USD)')
plt.tight_layout()
plt.show()

  观察结果：租金指数同样呈现右偏分布，中位月租金在多数国家处于较低水平。

3.3 抵押贷款利率分布

plt.figure(figsize=(12, 6))
sns.histplot(df['Mortgage Rate (%)'], kde=True, color='purple', bins=30)
plt.title('Mortgage Rate Distribution')
plt.xlabel('Mortgage Rate (%)')
plt.tight_layout()
plt.show()

  观察结果：抵押贷款利率在不同国家差异显著，多数集中在3%到6%之间。

3.4 通货膨胀率分布

plt.figure(figsize=(12, 6))
sns.histplot(df['Inflation Rate (%)'], kde=True, color='orange', bins=30)
plt.title('Inflation Rate Distribution')
plt.xlabel('Inflation Rate (%)')
plt.tight_layout()
plt.show()

  观察结果：通货膨胀率呈现近似正态分布，多数国家的年通胀率在-2%到4%之间。

四、多维度关系可视化

4.1 房屋价格指数与租金指数的关系

plt.figure(figsize=(12, 8))
sns.scatterplot(x='House Price Index', y='Rent Index', hue='Country', data=df, palette='husl', alpha=0.6)
plt.title('House Price Index vs Rent Index Relationship')
plt.xlabel('House Price Index (USD)')
plt.ylabel('Rent Index (USD)')
plt.legend(title='Country', bbox_to_anchor=(1, 1), loc='upper left')
plt.tight_layout()
plt.show()

  观察结果：房屋价格指数与租金指数存在一定的正相关关系，房价较高的国家通常租金也较高。

4.2 房屋价格指数与负担能力比率的关系

plt.figure(figsize=(12, 8))
sns.scatterplot(x='Affordability Ratio', y='House Price Index', hue='Country', data=df, palette='viridis', alpha=0.6)
plt.title('House Price Index vs Affordability Ratio Relationship')
plt.xlabel('Affordability Ratio')
plt.ylabel('House Price Index (USD)')
plt.legend(title='Country', bbox_to_anchor=(1, 1), loc='upper left')
plt.tight_layout()
plt.show()

  观察结果：负担能力比率与房价呈负相关关系，房价越高，负担能力比率通常越低，反映住房负担能力的差异。

4.3 抵押贷款利率与房屋价格指数的关系

plt.figure(figsize=(12, 8))
sns.scatterplot(x='Mortgage Rate (%)', y='House Price Index', hue='Country', data=df, palette='coolwarm', alpha=0.6)
plt.title('House Price Index vs Mortgage Rate Relationship')
plt.xlabel('Mortgage Rate (%)')
plt.ylabel('House Price Index (USD)')
plt.legend(title='Country', bbox_to_anchor=(1, 1), loc='upper left')
plt.tight_layout()
plt.show()

  观察结果：抵押贷款利率与房价的关系因国家而异，但总体上高利率国家房价相对较低。

4.4 通货膨胀率与房屋价格指数的关系

plt.figure(figsize=(12, 8))
sns.scatterplot(x='Inflation Rate (%)', y='House Price Index', hue='Country', data=df, palette='muted', alpha=0.6)
plt.title('House Price Index vs Inflation Rate Relationship')
plt.xlabel('Inflation Rate (%)')
plt.ylabel('House Price Index (USD)')
plt.legend(title='Country', bbox_to_anchor=(1, 1), loc='upper left')
plt.tight_layout()
plt.show()

  观察结果：通货膨胀率与房价的关系不明显，部分高通胀国家房价较低，而部分低通胀国家房价较高。

4.5 GDP增长率与房屋价格指数的关系

plt.figure(figsize=(12, 8))
sns.scatterplot(x='GDP Growth (%)', y='House Price Index', hue='Country', data=df, palette='Set2', alpha=0.6)
plt.title('House Price Index vs GDP Growth Relationship')
plt.xlabel('GDP Growth (%)')
plt.ylabel('House Price Index (USD)')
plt.legend(title='Country', bbox_to_anchor=(1, 1), loc='upper left')
plt.tight_layout()
plt.show()

  观察结果：GDP增长率与房价的关系复杂，经济快速增长的国家房价不一定高，可能受多种因素影响。

4.6 城市化率与房屋价格指数的关系

plt.figure(figsize=(12, 8))
sns.scatterplot(x='Urbanization Rate (%)', y='House Price Index', hue='Country', data=df, palette='pastel', alpha=0.6)
plt.title('House Price Index vs Urbanization Rate Relationship')
plt.xlabel('Urbanization Rate (%)')
plt.ylabel('House Price Index (USD)')
plt.legend(title='Country', bbox_to_anchor=(1, 1), loc='upper left')
plt.tight_layout()
plt.show()

  观察结果：城市化率与房价存在一定的正相关关系，城市化程度高的国家通常房价较高。

五、总结与洞察

  通过以上多维度的可视化分析，我们得出以下关键洞察：

1. 房价与租金正相关：房屋价格指数与租金指数通常呈正相关关系，房价较高的国家租金也较高。

2. 负担能力差异显著：不同国家的住房负担能力差异明显，房价越高，负担能力比率通常越低。

3. 经济因素影响复杂：GDP增长率、通货膨胀率等经济因素与房价的关系复杂，受多种因素综合影响。

4. 城市化推动房价：城市化率与房价呈正相关关系，城市化程度高的国家通常房价较高。

5. 抵押贷款利率影响房价：高抵押贷款利率通常伴随较低的房价，反映出贷款成本对住房市场的影响。

  以上分析为理解全球住房市场的动态变化提供了多维度视角，揭示了各变量之间的潜在关系，为进一步的经济研究和政策制定提供了数据支持。