Python采集3000条北京二手房数据,看我都分析出了啥?

最近呢,对链家平台上的北京二手房数据做了个可视化分析,对目前北京的二手房交易情况有了个大致了解,最终得到一个很实在的结论:奋斗一辈子也买不到一个厕所这句话不是骗人的,是真的;关于具体分析内容请看下文

1、工具说明

本文用到的 Python 库有

Python采集3000条北京二手房数据,看我都分析出了啥?_第1张图片

外加百度地图 API

2、数据采集

所有数据来源于链家二手房交易平台,上面每页排列 30 条二手房数据,本文采集了前 100 页 数据,每条二手房交易数据中提取 标题、单价、价格、地址、年份、房间样式 等字段作为可视化分析的数据来源

Python采集3000条北京二手房数据,看我都分析出了啥?_第2张图片

网站没有设置很强的反爬机制, 爬取时用的是 requests + Cookies+ PyQuery 组合即可,最好在爬取时加条 time.sleep() 命令,隔几秒休眠一次,部分代码如下:

Python采集3000条北京二手房数据,看我都分析出了啥?_第3张图片

最终一共采集到 3000 条数据:

Python采集3000条北京二手房数据,看我都分析出了啥?_第4张图片

3、地址经纬度坐标转换

获取到的数据是地址是字符串形式(例如梵谷水郡*酒仙桥),后面地图位置标记时需要经纬度数据,需要把所有地址转化为经纬度坐标,这里借助了百度地图 API 完成这步操作

1、百度地图 AK 申请

API 的使用需要在百度地图开放平台申请一个 AK 效验码,登录自己的百度账号,在控制台创建一个应用,

控制台面板-> 我的应用-> 创建应用

Python采集3000条北京二手房数据,看我都分析出了啥?_第5张图片

其他参数默认,应用名称自定义命名即可,IP 白名单填入 0.0.0.0/0,点击提交

Python采集3000条北京二手房数据,看我都分析出了啥?_第6张图片

以上步骤操作完之后,控制台面板会多出一个应用,就是刚刚我们建立的,

2、地址经纬度坐标转换

获取到你的 AK 参数之后,把 AK 和 address(中文地址) 作为参数传入下面函数中,就能获取到对应的经纬度坐标

defget_location(address,AK):#根据地址转化为经纬度try:        url ='http://api.map.baidu.com/geocoding/v3/?address={}&output=json&ak={}&callback=showLocation'.format(address,AK)        res_test = requests.get(url).text        res = re.search('\((.*?)\)', res_test).group(0).strip('(').strip(')')        lng = json.loads(res)['result']['location']['lng']        lat = json.loads(res)['result']['location']['lat']        print(lng, lat)returnlng, latexceptExceptionase:        print('error ---------\n')returnNone

百度地图 API 的 地址经纬度转换 功能 定位不仅仅局限于省、市,还能定位到门牌号,只要你提供的地址越详细,获取的经纬度信息越准确

Python采集3000条北京二手房数据,看我都分析出了啥?_第7张图片

4、可视化分析

这一部分进入可视化分析内容,城市毕竟是北京么所以首要的就是关注房价问题,在抓取的数据中,最高的将近19万+/每平方,最低的仅有 1.5 万/每平方

Python采集3000条北京二手房数据,看我都分析出了啥?_第8张图片

我看到 1.5 万每平方就不淡定了,这数据肯定有猫腻(北京房价按常理不可能这么低);为了验证想法,首先做了房产地段标记

先看一下排名前十的:

Python采集3000条北京二手房数据,看我都分析出了啥?_第9张图片
Python采集3000条北京二手房数据,看我都分析出了啥?_第10张图片

上面是房价最高 Top10 的地段位置,看起来地理位置还行,都是在三环四环之内、分布在市中心附件,如果单看这张图的地图的话得不到有用的信息,可以对比一下 房价最低 Top10

下面是排名倒数前十的

Python采集3000条北京二手房数据,看我都分析出了啥?_第11张图片
Python采集3000条北京二手房数据,看我都分析出了啥?_第12张图片

上面北京二手房房价排名后十 地段分布,房价在 1.5万-3万 不等,没看到这个分布图之前仅仅认为上面价格是卖家标错了,看完这个图后才发现卖家是 挂着羊头卖狗肉,挂着北京的名号,卖着北京以外的房子(有的房子已经位于河北境内),这可能就是卖房的套路之一吧

事出反常必有妖,无论买房还是买其他商品也好,卖家不会平白无故地给我们优惠,当价格远低于市场价之前交易需慎重、慎重、再慎重!

房价我分为 5 个区间,分别为 0-3万、3-8万、8-12万、12-15万,15万+ 五段,看一下各自的占比分布

Python采集3000条北京二手房数据,看我都分析出了啥?_第13张图片

其中房价位于 3-8万 占比最大达 76 %占比,次之就是8-12万、12-15万,依次占比为16.38%、3.46%,而房价位于 15 万 + 占比最少,仅有1.12% 左右;

接下来我们再看一下,不同价位二手房在北京的分布

15万+的

12-15万

8-12万

3-8万

从地段分布来看北京房价以8万作为分水岭,8万+和8万以内房产分布明显变化,价格越高,越靠市中心以外;从地图信息来看,想在北京买一套地段不错的房子,预期房价最低也要在8万+,8 万是什么概念,也就说如果你想在北京买一套50平米的房子,最低也要 400万!

关于15万+ 的房产,大致都分布两个区域,一个是高校区(周围是人大、北航、清华等高校),另一个位于右下角,也就是北京朝阳区

北京卖的二手房不一定都是装修之后的,有可能也是毛坯(刚建造交付之后,未进行任何装修);参考下图,北京二手房中毛坯占比约1.39%共41套,户主买来这些房子大概率用于资产增值而不是作为刚需;

Python采集3000条北京二手房数据,看我都分析出了啥?_第14张图片

借助 Treemap 图再看一下北京二手房建筑时间分布,大部分都集中于2002-2010 这 9 年,北京房产也是在这段期间迅速发展, 到 2015 年之后明显收缓,源于可建筑地段已经达到饱和再加上国家相关政策的施压

Python采集3000条北京二手房数据,看我都分析出了啥?_第15张图片

最后贴张词云图作为本文的结束,选取的文本信息为3000条房产信息的标题,从图中来看,标题中高频词汇有 南北通透、高楼层、精装修、采光好 等,也可以说这几个特点也是大多数房源的最大卖点(抛去价格、地段等因素)

Python采集3000条北京二手房数据,看我都分析出了啥?_第16张图片

5、小总结

本文针对北京二手房的分析角度并不全面,仅仅围绕着房价、地段、修建年份等几个维度做了简单分析,分析结果仅供学习,其数据真实性有考察

好了以上就是本文的全部内容,最后感谢大家的阅读,我们下期见~

你可能感兴趣的:(Python采集3000条北京二手房数据,看我都分析出了啥?)