parisHousesV2.py

#!/usr/bin/env python
# coding: utf-8

# # Imports & Params
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from sklearn import linear_model
import seaborn as sns
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression


get_ipython().run_line_magic('matplotlib', 'inline')


# On charge le dataset
house_data = pd.read_csv('house.csv').rename(columns={"price" : "loyer"}).dropna().reset_index(drop = True)
house_data = house_data[house_data['loyer'] < 8000]

#print(house_data['arrondissement'].unique()) : On voit que tous les arrondissement ne sont pas présents

ax = house_data.plot(x="loyer", y="surface", kind="scatter", c="arrondissement", colormap='viridis', title="Prix des loyers en fonction de la surface, colorés par arrondissement")

ax1 = sns.violinplot(x="arrondissement", y="loyer", hue='arrondissement', data=house_data, scale="count",gridsize=200,dodge=False)
ax1.set_title("Violinplot représentant le loyer par arrondissement")
ax1.set_xlabel('Arrondissement')
ax1.set_ylabel('Loyer')


#from mpl_toolkits.mplot3d import Axes3D

fig = plt.figure(figsize=(8,8)).gca(projection='3d')
# Pour faciliter la visualisation, on va changer la valeur de l'arrondissement (10), il sera rennomé en 5
house_data['arrondissement'][house_data['arrondissement'] == 10] = 5


fig.set_title("Evolution du loyer en fonction de la surface et de l'arrondissement")
fig.set_xlim(0, 5)
fig.set_xlabel('Arrondissement')
fig.set_ylabel('Surface')
fig.set_zlabel('Loyer')


fig.scatter(house_data['arrondissement'],house_data['surface'],  house_data['loyer'], c=house_data['arrondissement'], cmap="viridis")
plt.show()


# ### One hot encoding : 
#Utilisiation du one hot encoding, pour retraiter les données catégorielles du numéro de l'arrondissement :

one_hot = pd.get_dummies(house_data['arrondissement'],prefix='arr')
house_data = house_data.drop('arrondissement',axis = 1)
house_data = house_data.join(one_hot)

house_data.head()
#house_data.describe()


# ### Découpage en train et en test set : 

xtrain, xtest, ytrain, ytest = train_test_split(house_data.drop('loyer',axis = 1), house_data['loyer'], train_size=0.8, test_size = 0.2)


# ### Entrainement du modèle : 

def customPrediction(surface, arrondissement):
    
    lr = LinearRegression()
    lr.fit(xtrain, ytrain)
    erreur = 1-lr.score(xtrain, ytrain)
    print('Taux d\'erreurs : %f' % erreur)
    g = np.matrix([surface,arrondissement==1,arrondissement==2,arrondissement==3,arrondissement==4,arrondissement==10])
    return lr.predict(g)[0]


# ### Prédictions :

superficie = 31
arrondissement = 1
print("Pour un logement de",superficie,"m² au",arrondissement,"arrondissement, le loyer selon le modèle est de : ",round(customPrediction(superficie,arrondissement)),"€")

superficie = 31
arrondissement = 10
print("Pour un logement de",superficie,"m² au",arrondissement,"arrondissement, le loyer selon le modèle est de : ",round(customPrediction(superficie,arrondissement)),"€")