贝壳网武汉二手房数据分析———数据可视化

一、数据介绍：

数据来源于上篇文章获取的贝壳网近3000条二手房源数据
包括以下信息：

• 标题描述
• 楼盘信息
• 标签
• 总价
• 单价
• 楼层
• 建筑时间
• 户型
• 朝向
• 发布时间
• 关注人数

二、分析目的

1、了解武汉二手房屋信息概况；
2、探索小区、建房时间、房屋类型、面积、楼层、朝向等因素对房价的影响；

三、数据清洗

首先导入需要的工具包

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
plt.style.use('ggplot')
%matplotlib inline
plt.rcParams['font.sans-serif'] = ['Arial Unicode MS']
plt.rcParams['axes.unicode_minus'] = False

加载数据

df = pd.read_csv('beike.csv',sep=',')
df.head()

image.png

可以看到获取的数据中，楼层、建筑时间、户型、面积和朝向在info数据列，关注人数和发布日期在followinfo列，
首先使用正则表达式对字符串进行处理，将关键信息分别提取到对应列。

df['area'] = df['info'].str.extract(r'([0-9]*\.?[0-9]*)平米')
df['floor']=df['info'].str.extract(r'(.楼层)')
df['year']=df['info'].str.extract(r'([0-9]*)年建')
df['housestyle']=df['info'].str.extract(r'([0-9]室[0-9]厅)')
df['orientation']=df['info'].str.extract(r'米\|(.*)$')
df[['followinfo','time']] = df['followinfo'].str.split('|',expand=True)
df['follow']=df['followinfo'].str.extract(r'([0-9]*)')
df=df.drop(['info','followinfo'],axis=1)
df.head()

将需要的字段分别展示出来，再看就比较清晰了

image.png

df.info()

image.png

df.isnull().sum()

image.png

观察数据：
1、面积和关注人数需要转换为数字格式，方便后续计算；
2、有490套房源没有标签信息，292套房源没有标记建筑时间，缺失量较大，可能会影响后面的结果展示，暂时不做处理。

df.describe()

数据概况：

image.png

• 房屋总价最高4800万，最低11万，均价180万，中位数158万，极值较大，对均值有一定影响，需剔除；
• 单价最高9万/平方米，最低3千/平方米，均价1.8万，中位数1.7万；
• 面积最大509平方米，最小12平方米，面积平均数为95，中位数为90；
• 贝壳网用户中，最热门房源有474人关注。

#看一下最贵和最受关注的房子
df.loc[df['follow']==474]

最受关注的房源：

image.png

最受关注的房源，面积和价格都在均值之下

df.loc[df['totalprice']==4800]

总价最高的房源：

image.png

武汉天地是房屋总价极值最高的小区

观察房价数据整体分布：

plt.rcParams['figure.figsize']=(10,9)
fig, axes = plt.subplots(1, 2)
fig.subplots_adjust(wspace=0.5)  #为子图保留宽度
df.boxplot(column="totalprice", ax=axes[0])
df.boxplot(column="unitprice", ax=axes[1])
plt.show()

总价和单价线箱图：

image.png

二手房总价和单价均有个别极值，分析数据时将房价大于1000万或单价大于4万/平米归为异常值。

house = df[(df.totalprice<=1000) & (df.unitprice<=40000)]
house.shape
#(2954, 12)

剔除极值后，共有2954套房源数据

四、分析数据

1、武汉二手房概况

house.describe()

image.png

• 房屋总价最高930万元，最低11万元，总价均值172万元，中位数158万元；
• 房屋单价最高39892元/平方米（已剔除），最低3095元/平方米，均值17819元/平方米，中位数与均值接近；
• 面积最大320平方米（已剔除），最小12平方米，平均数为95平方米，中位数为91平方米。

2、房屋单价影响分析
（1）小区

location_price = house.groupby(['location']).agg({'unitprice':'mean'})
location_price.describe()

image.png

sns.distplot(location_price['unitprice'])

image.png

• 数据中共有1141个小区，单价均值最高的达到39722元/平米，最低的均价3521元/平米，差距很大；
• 单价15000-20000元/平方米的小区数量最多，35000左右的数量最少。
  （ 注意：这里有个问题未解决，数据中小区分组不准确，未将同盘不同期进行合并）

location_rank = location_price.sort_values('unitprice',ascending=False)
location_rank.head(10)

单价排名前十的小区名单：

image.png

location_rank.tail(10)

单价排名后十位的小区名单:

image.png

分析：

可以看出不同小区的房价差别比较大

• 房屋单价最高的五个小区分别是：复地东湖国际、华润置地公馆、桃山村、万达御湖世家、常阳永清城，价格在37000-40000元/平方米；
• 单价最低的五个小区是：武汉SOHO、江景花园、汉口北1号公馆、怡馨花园、锦绣家园，价格在3500-5000元/平米；

（2）建房时间

#只有两套房源建造日期是2020年，这里将他们剔除
year_price = house.loc[df['year']!='2020'].groupby(['year']).agg({'unitprice':'mean'})
plt.xticks(rotation=270)
plt.rcParams['figure.figsize']=(5,10)
sns.lineplot(x=year_price.index,y='unitprice',data=year_price)

image.png

分析

可以看出，建房时间对房价有一定影响，其中：

• 1994年建造的楼房销售均价最高，在20000元/平米以上；(经检查94年只有9套房源，样本量过少，这里的结果不够准确）
• 1994年之前的房屋均价相对较低，其中1991年建造的楼房交易均价最低，在11000元/平米左右；
• 1994-1999年随着建房年份的增加，房屋均价呈下跌趋势，1999-2008年，随着建房年份的增加，房价呈上涨趋势，后续年度房价变化此起彼伏。

（3）房屋类型

housestyle_price = house.groupby(['housestyle']).agg({'unitprice':'mean'})
housestyle_price.describe()

image.png

sns.barplot(x=housestyle_price.index,y='unitprice',data=housestyle_price)

image.png

分析：

户型对房价有一定的影响

• 4室和5室的房屋均价大部分高于其他户型，其中4室3厅和5室2厅户型均价最贵，为21800元/平米左右；
• 相同厅数，卧室数量5个以内时，随着卧室数量的增加，房屋单价基本呈上升趋势，超过5个时，则情况相反。
• 相同卧室数量的房屋，随着厅数的增加，房屋单价也呈上升趋势；

发现的问题：

• 数据显示5室3厅均价最低，为13000元/平米左右，经过检查发现此户型只有两个样本数据，统计值不准确；
• 3室3厅价格也偏低，经过检查发现此户型只有一个样本数据，统计值同样不准确；

（4）面积

house['area'].describe()

image.png

#房屋面积最小为12平方米，最大509平方米，均值95平方米，75%在109平米以内
#根据面积的分布设置（10，50],(50,80],(80,100],(100,130],(130,510] 5个区间
bins=[10,50,80,100,130,510]
area_price=house.groupby(pd.cut(house['area'],bins)).agg({'unitprice':'mean'})
area_price=area_price.reset_index()
a = sns.barplot(x='area',y='unitprice',data=area_price)
for index,value in enumerate(area_price.unitprice):
    a.text(index,value+100,round(value,2),ha="center")

image.png

分析：

• 如图可见，房屋面积与销售单价成正向相关，房屋面积越大，房屋单价均值越高；
• 50平方米以下的房屋均价15441元/平方米；
• 130平方米以上的房屋均价20328元/平方米；

（5）楼层

floor_price = house.groupby(['floor']).agg({'unitprice':'mean'})
floor_price.describe()

image.png

floor_price=floor_price.reset_index()
plt.rcParams['figure.figsize']=(8,5)
a = sns.barplot(x='floor',y='unitprice',data=floor_price)
for index,value in enumerate(floor_price['unitprice']):
        a.text(index,value+100,round(value,2),ha="center")

image.png

a = house[['floor','unitprice']].set_index('floor')
a['低楼层']=a['unitprice']
a['中楼层']=a['unitprice']
a['高楼层']=a['unitprice']
a.loc[['中楼层','高楼层'],['低楼层']]=np.nan
a.loc[['低楼层','高楼层'],['中楼层']]=np.nan
a.loc[['低楼层','中楼层'],['高楼层']]=np.nan
a = a.reset_index()
a.drop(['unitprice','floor'],axis=1,inplace=True)
plt.rcParams['figure.figsize']=(5,5)
sns.boxplot(data=a)

image.png

线箱图可以更直观的看出不同楼层房屋单价的对比

分析：

• 低楼层销售均价最高，为18241元/平米,单价中位数也最高；
• 高楼层销售均价最低，为17318元/平米，中楼层居中，为17922元/平米；
• 剔除离群点，中楼层的房屋单价最大值是三种类型中价格最高的，最小值也是三种类型中价格最低的，房屋单价差值范围最大，高楼层的房屋单价价差范围最小；
• 低楼层和中楼层房屋单价上四分位数值相近，高楼层相对较低。

（6）朝向

orientation_price = house.groupby(['orientation']).agg({'unitprice':'mean'})
orientation_price.describe()

image.png

plt.xticks(rotation=270)
orientation_price.sort_values('unitprice',ascending=False,inplace=True)
sns.barplot(x=orientation_price.index,y='unitprice',data=orientation_price)

image.png

存在的问题：数据源朝向分类比较零散，这里自变量类别过多，未做合并同类

分析：

可以看出不同朝向房价差别较大

• 朝向西南北的房屋均价最贵，为36985元/平米，其次是东西北，为31400元/平米
• 朝向分类为南北东北的房屋均价最便宜，为13189元/平米
• 原因推测为西北方向房屋阳光最为充足，南东朝向接受阳光最少

（7）房屋标签

house['tag'].value_counts().plot.pie(autopct='%1.1f%%')

image.png

tag_price=house[['tag','unitprice']]
sns.stripplot(x='tag',y='unitprice',data=tag_price)

image.png

分析：

• 房屋标签中，51%的房源有近地铁的标记；
• 房屋价格较高的区域（35000-40000）主要出现在近地铁房源中；
  （存在的问题：采集数据时并未将每个房源所有标签获取出来，数据可靠性和可比性不高，暂不做进一步分析。）

五、总结：

1、武汉市二手房基本情况：

• 房屋总价最高4800万，最低11万，总价均值为172万元；
• 单价最高9万/平方米，最低3千/平方米，单价均值为1.78万元/平方米；
• 面积最大509平方米，最小12平方米，平均数为95平方米；

2、二手房单价情况分析：
（1）小区情况

• 不同小区之间房屋价格差距较大
• 房屋总价极值最高的小区是武汉天地，单价均值最高的小区是复地东湖国际；
• 房屋单价均值最低的楼盘是武汉SOHO公寓楼；
• 单价在15000-20000元/平方米的小区数量最多。

（2）建房时间

• 1994年之前的房屋均价相对较低，其中1991年建造的楼房交易均价最低，在11000元/平米左右；
• 1994-1999年随着建房年份的增加，房屋均价呈下跌趋势；
• 1999-2008年，随着建房年份的增加，房价呈上涨趋势，后续年度房价变化此起彼伏；
• 整体来看，近10年建造的房屋单价高于往年建造的房屋单价。

（3）房屋类型

• 卧室数量4-5个的房屋均价大部分高于其他户型，其中4室3厅和5室2厅户型均价最贵，为21800元/平米左右；
• 相同厅数，随着卧室数量的增加，房屋单价基本呈上升趋势；
• 相同卧室数量的房屋，随着厅数的增加，房屋单价也呈上升趋势。

（4）面积

• 房屋面积与销售单价成正向相关，房屋面积越大，房屋单价均值越高；
• 50平方米以下的房屋均价15441元/平方米；
• 130平方米以上的房屋均价20328元/平方米。

（5）楼层

• 低楼层单价均值最高，为18241元/平米；中楼层居中，高楼层单价均值最低，为17318元/平米；
• 中间楼层的房屋单价波动范围最大，最大值是三种类型中价格最高的，最小值也是三种类型中价格最低的；

（6）朝向

• 朝向西南北的房屋均价最贵，为36985元/平米，其次是东西北；
• 朝向分类为南东的房屋均价最便宜，为13189元/平米；
• 原因推测为西北方向房屋阳光最为充足，南东朝向接受阳光最少。

（7）标签

• 房屋标签中，51%的房源有近地铁的标记；
• 房屋价格较高的区域（35000-40000元/平方米）主要出现在近地铁房源中，是否有地铁，对房价影响较大。

3、出现的问题：

1. 数据量较小，在进行情况分组时，有个别组数据出现样本量过小情况，导致统计结果不准确；
2. 小区、朝向的分组有误，未合并同类项，标签数据采集不完整，数据可靠性和可比性不高。