数据项目总结 -- 深圳租房数据分析！

在获得了相应的数据之后，利用Python的第三方库pandas进行前期的数据清洗工作，最后可视化库plotly绘制了相应的可视化图形进行了展示，并且得到了一些租房的结论，供租房者参考，自己对深圳的租房也有了一定的认识。

• 爬虫数据获取
• 数据清洗处理
• 数据可视化展示
• 得到结论

一、数据爬取

本文中获得的数据是自己通过爬虫从网上获取的。这个房源没有太多的反爬虫措施，所以爬取的过程没有遇到困难，比较顺利。数据集已打包，后台回复关键词 租房 下载。以下代码供参考。

1.1 导入各种库

首先，我们需要导入各种库，具体如下：

1.2 代码

下面?是整个爬虫的源代码，主要是包含了以下几方面的信息：

• 在爬虫过程中需要设置请求头，伪装成浏览器的操作
• 如何利用Xpath进行数据解析
• 如何将Python中的字典类型数据转成json类型数据，主要是掌握json包的使用
• 获取到数据后，使用xlwt进行数据的保存

二、数据处理

2.1 数据的读取

上面的数据保存成了excel数据，我们直接通过pandas的read_excel来进行数据的读取

2.2 字段含义

下面?对每个爬取的每个字段对应的含义进行了解释：

"""
name: 小区的名字
layout：户型
location：朝向
size：房子建筑面积大小
sizeInside：套内面积大小
zhuangxiu：精装、豪装、普装、毛坯
numberFloor：楼层数
time：建成时间
zone：区
position：所在区的具体位置
money：价格
way：出租方式（整租或者合租）
"""

2.3 原始数据信息

首先我们查看下数据的原始信息：

• 数据类型
• 是否有缺失值

2.4 删除缺失值

使用的是dropna函数，两个重要的参数：

• axis：0表示行，1表示列
• how：any表示至少有一个缺失值，all表示必须全部为缺失值

三、字段处理

3.1 为何处理

对于我们已经获取到的数据字段，针对其中的某些字段，我们处理的只是其中某些信息，所以我们需要将它们从原始数据中提取出来再处理

3.2 处理方法

在这里介绍3种方法来处理数据：

1. 通过向apply方法传入我们处理的函数或者方法
2. 通过正则表达式来处理
3. 通过replace方法来处理

3.3 处理前后对比

我们看下处理前的前5条数据：

处理之后我们增加了一个room字段，表示的是多少个房间

在经过处理之后，数据的类型也发生了变化：

四、基于单个特征的分析

4.1 租房方式-way

首先对整个租房方式进行了处理和可视化展示，从下面的饼图中直接看出来：接近100%的房东选择整租的方式。

结论1：房东更愿意整租

4.2 区域-zone

第二，我们对比每个区的房源情况，从下面的饼图中，可以得到以下 结论2：

1. 福田区作为深圳的CBD，平安大厦所在地，房源是最多的
2. 龙华和龙岗两个区是老的工业区，房源也非常多，听说价格也相对便宜
3. 南山区作为互联网科技中心，房源紧随其后，价格相对就较高
4. 坪山、盐田、光明这3个去相对落后，房源相对少些

4.3 装修方式-zhuangxiu

接下来对各种装修方式的房源进行对比分析。其中颜色表示的是各个区的房源数量，数量越多越接近蓝色

很明显：房子的装修风格还是在精装和普装上

4.4 房子方位-location

接下来我们统计房源中每个房子的朝向，找出哪些朝向的房子更受欢迎。

通过饼图我们可以得到如下结论。

“

结论3：朝南、朝南北、朝北3种方位的朝向显然更受欢迎。

”

4.5 居室个数-room

在房东提供的房源中，每个房子的房间数量不尽相同，分析统计每个房子的房间数量。

很明显的结论4：

“

房子中房间数量为3，2，1的房子是非常多的

”

五、行政区对房价的影响

接下来我们通过人力图来分析不同的行政区对房价的影响。通过热力图得到如下的结论5：

1. 南山区作为互联网科技中心，福田区作为CBD中心，房价偏高
2. 光明、坪山、盐田3个区相对落后，房价偏低

以上两个结论和实际情况也是符合的

六、房价与时间关系

在不同年份建成的房子，价格肯定是不同的，也造成了房子的出租价格不同。本节中分析房子的老旧（建成时间）对房租的影响

6.1 关内和关外

在很多年之前，深圳的行政区从区的城市建设风貌、市政管理、繁华程度等分为有关内和关外的说法

• 关内：福田、南山、罗湖、盐田
• 关外：宝安、龙岗、龙华、光明新区、坪山、大鹏

这种叫法目前是不存在了，但是每个区的经济实力不尽相同是不争的事实。

6.2 关内

通过观察关内的数据分布，可以看到：

• 南山和福田两个区的价格是明显高于盐田和罗湖的
• 南山的平均价格在2w左右
• 盐田区的整体价格偏低
• 罗湖区的价格较稳定，波动很小

6.3 关外

• 关外的价格明显是低于关内的
• 龙岗和宝安会偶尔出现高价的房源
• 光明和坪山的价格整体偏低

七、多特征的可视化

在这里以南山区进行分析，具体过程为：

1. 得到我们绘图的数据
2. 做出散点图和其他多特征的图形

7.1 作图数据

先处理绘图需要的数据

7.2 多特征-多图

为了分析某个区中房源分布、价格分布、楼层数等多因素对房租价格的影响，我们选择了南山区进行分析：

得到如下几点结论：

1. 南山区的后海和南油、蛇口是南山区的租房热门地点
2. 南山区的房子个数中2个最多，3个和1个其次

3. 价格在10k左右的房源数量是最多的

后台回复关键词【实践项目】可进Datawhale项目实践群，和作者一起学习交流。