（1）练习搭建Python开发环境。

（2）练习安装开发基于线性回归算法预测房价模型所依赖的Python模块。

（3）练习搭建和训练基于线性回归算法预测房价的机器学习模型。

import pandas as pd
data = pd.read_csv('house_price.csv')
print("数据集中的前10条记录:")
print(data.head(10))
print("")
# 数据进行可视化
from matplotlib import pyplot as plt
fig = plt.figure(figsize=(20,5))
fig1 = plt.subplot(131)
plt.scatter(data.loc[:,'面积'],data.loc[:,'价格'])
plt.title('Price VS Size')

fig2 = plt.subplot(132)
plt.scatter(data.loc[:,'人均收入'],data.loc[:,'价格'])
plt.title('Price VS Income')

fig3 = plt.subplot(133)
plt.scatter(data.loc[:,'平均房龄'],data.loc[:,'价格'])
plt.title('Price VS House_age')
plt.show()

#数据预处理
import numpy as np
X = data.drop(['价格'],axis=1)
y = data.loc[:,'价格']

X = np.array(X)
y = np.array(y)
print(X.shape,y.shape)
y = y.reshape(-1,1)
print(X.shape,y.shape)
#建立多因子回归模型 并且训练
from sklearn.linear_model import LinearRegression
model_multi = LinearRegression()
model_multi.fit(X,y)
#房价预测
X_test = np.array([[150,60000,5]])
y_test_predict = model_multi.predict(X_test)
print(y_test_predict)