数据分析三部曲，探究北京房租状况

那些昨天幻想着海边别墅的年轻人今天可能会对租金感到绝望。八月初，有网友在“水木论坛”上发帖指责长租公寓涨价抢房引起关注。据说一位业主打算租一间位于天通苑的三居室，预计租金为7500元/月。结果，二方中介互相提价，硬生生提高到10800元。在过去的一个月里，全国热点城市的租金就像一匹脱缰的野马。一线房租同比增长近20%。一夜醒来，无产青年甚至悬在立锥之地。从2018年下半年开始，租金海啸汹汹，资本狂欢，官方沉默，房东纠结，房客尖叫。这不是一方的过错，更像是整个社会的“集体谋杀”。最令人不安的是，过去房地产的玩法和上涨逻辑今天正在转移到租金上。北京不仅是房租飙升的地方。数据显示，7月份，北京、上海、广州、深圳、天津、武汉、重庆、南京、杭州和成都的租金环比上涨。其中，北京、上海、深圳租金涨幅最大，7月份北京租金同比涨幅3.1%，部分社区甚至涨幅超过30%。接下来，我们通过Python大法获取某网数万条北京租房数据，告诉大家真实的租房情况。还是老规矩，老套路(是否有熟悉的味道)，我们常用的三部曲:数据采集、数据清洗预览、数据分析可视化，和你一起探索最近的租金情况。1、今天，数据获取将以市场份额最高的住房中介公司为目标，在北京和上海获取租赁信息。目标链接：https://bj.lianjia.com/zufang/总体思路是:先爬取每个区域的url和名称，与主url拼接成一个完整的url，循环url列表，依次爬取每个区域的租赁信息。在爬每个区域的租赁信息时，找到最大的页码，遍历页码，依次爬取每个页面的二手房信息。post代码之前简单说一下这里用的几个爬虫Python包:requests:用于请求访问链家网的包lxml:分析网页，用xpath表达式和正则表达式获取网页信息，比bs4更快的详细代码如下：importrequestsimporttimeimportrefromlxmlimportetree#在某个城市区域获取所有链接defget_areas(url):print(‘startgrabingareas’)headers={‘User-Agent’:‘Mozilla/5.0(X11;Linuxx86_64AppleWebKit/537.36(KHTML,likeGecko)Chrome/63.0.Safari/537.36"339.108resposne=requests.get(url,headers=headers)content=etree.HTML(resposne.text)areas=content.xpath(“//dd[@data-index=‘0’]//div[@class=’option-list’]/a/text()”)areas_link=content.xpath(“//dd[@data-index=‘0’]//div[@class=’option-list’]/a/@href”)foriinrange(1,len(areas)):area=areas[i]area_link=areas_link[i]link=‘https://bj.lianjia.com’ area_linkprint(“开始抓取页面”)get_pages(area,link)#通过获取某一区域的页数，将某一页的链接defget拼接_pages(area,area_link):headers={‘User-Agent’:‘Mozilla/5.0(X11;Linuxx86_64AppleWebKit/537.36(KHTML,likeGecko)Chrome/63.0.3239.108Safari/537.36resposne=requests.get(area_link,headers=headers)pages=int(re.findall(“page-data='{“totalPage”:(d ),”curPage””,resposne.text)[0])print(“这个区域有” str(pages) “页”)forpageinrange(1,pages 1):url=‘https://bj.lianjia.com/zufang/dongcheng/pg’ str(page)print(“开始抓取” str(page) "信息")get_house_info(area,url)#获取某一区域某一页的详细租金信息defget_house_info(area,url):headers={‘User-Agent’:‘Mozilla/5.0(X11;Linuxx86_64AppleWebKit/537.36(KHTML,likeGecko)Chrome/63.0.3239.108Safari/537.′}time.sleep(2)try:resposne=requests.get(url,headers=headers)content=etree.HTML(resposne.text)info=[]foriinrange(30):title=content.xpath(“//div[@class=’where’]/a/span/text()”)[i]room_type=content.xpath(“//div[@class=’where’]/span[1]/span/text()”)[i]square=re.findall(“(d )”,content.xpath(“//div[@class=’where’]/span[2]/text()”)[i])[0]position=content.xpath(“//div[@class=’where’]/span[3]/text()”)[i].replace(”“,“”)try:detail_place=re.findall([u4E00-u9FA5] )租房”,content.xpath(“//div[@class=’other’]/div/a/text()”)[i])[0]exceptExceptionase:detail_place=“”floor=re.findall([u4E00-u9FA5] )(“,content.xpath(“//div[@class=’other’]/div/text()[1])[i])[0]total_floor=re.findall(“(d )”,content.xpath(“//div[@class=’other’]/div/text()[1])[i])[0]try:house_year=re.findall(“(d )”,content.xpath(“//div[@class=’other’]/div/text()[2])[i])[0]exceptExceptionase:house_year=“”price=content.xpath(“//div[@class=’col-3′]/div/span/text()”)[i]withopen(‘链家北京租房.txt’,’a’,encoding=’utf-8′)asf:f.write(area ‘,’ title ‘,’ room_type ‘,’ square ‘,’ position ‘,’ detail_place ’,’ floor ’,’ total_floor ’,’ price ’,’ house_year ’n’)print(‘writingworkhasdone!continuethenextpage’)exceptExceptionase:print(‘ooops!continuethenextpage’)exceptExceptionase:print(‘ooops!connectingerror,retrying…..’)time.sleep(20)returnget_house_info(area,url)defmain():print(‘start!’)url=‘https://bj.lianjia.com/zufang’get_areas(url)if__name__==___=main__’:main()二、数据清洗预览数据共14038条，10个维度，从上图可以看出，北京平均房价为9590元/月，中位数为7000元。一半的房价在7000以下，所有房价在[1000，25000]之间，价格差异太大。第三，数据分析可视化四维——北京租金均价。接下来，我们将北京各地区、各路段、各楼盘的房屋数量和均价分布在同一张图上，更直观地看待租金。从图中可以看出，近期北京各地区租金均在6000元/月以上，其中东城区最高，均价为12463元/月。但由于房屋信息过多，房屋位置、面积、楼层、朝向等对价格影响较大，需要进一步分析价格维度。从上图可以看出，每个路段的平均价格基本在6000以上，其中海淀北部新区的房屋数量最多，但平均价格最低，为3308元/月。这可能与海淀北部生态科技新区作为高新技术产业的承载区、原创创新政策来源的研发基地、科技园区集聚区有关，目前已入驻华为、联想、百度、腾讯IBM、国内外近2000家知名科技创新型企业，如Oracle。另一方面，海淀紫竹桥的房价一起飙升。以博物馆、体育场馆为特色，交通便利，配套设施完善，平均价格高是合理的。另一方面，海淀紫竹桥的房价一起飙升。以博物馆、体育场馆为特色，交通便利，配套设施完善，平均价格高是合理的。可以看出，不同房地产的平均价格波动很大，但都在6000/月以上。最高甚至达到17516/月。由于每栋楼的户型差别很大，地理位置也比较分散，所以平均价格波动很大。每栋楼的具体情况也需要具体分析。详情代码：#北京路段_房屋均价分布图detail_place=df.groupby([‘detail_place’])house_com=detail_place[‘price’].agg([‘mean’,’count’])house_com.reset_index(inplace=True)detail_place_main=house_com.sort_values(‘count’,ascending=False)[0:20]attr=detail_place_main[‘detail_place’]v1=detail_place_main[‘count’]v2=detail_place_main[‘mean’]line=Line(北京主要路段租金均价)line.add(“路段”，attr,v2,is_stack=True,xaxis_rotate=30,yaxix_min=4.2,mark_point=[‘min’,’max’],xaxis_interval=0,line_color=’lightblue’,line_width=4,mark_point_textcolor=’black’,mark_point_color=’lightblue’,is_splitline_show=False)bar=Bar(“北京主要路段房屋数量”)bar.add(“路段”，attr,v1,is_stack=True,xaxis_rotate=30,yaxix_min=4.2,xaxis_interval=0,is_splitline_show=False)overlap=Overlap()overlap.add(bar)overlap.add(line,yaxis_index=1,is_add_yaxis=True)overlap.render(北京路段_房屋均价分布图.html从上图可以看出，平均价格在8000-10000之间的房屋数量最多，而1500-2000之间的房屋数量较少。据北京市统计局统计，2017年全市居民月人均可支配收入4769元。根据北京市统计局的数据，2017年该市居民的月人均可支配收入为4769元。此外，根据58个城市和市场网络发布的报告，2017年北京人均月租金为2795元。北京租房者的租金收入比惊人地接近60%。很多人一半的收入都花在租房上，生活就这样锁定在贫困线上。统计数据还显示，北京租房者整体收入较低。47%的租房人年薪在10万以下。在北京，每月能负担得起5000元左右的房间

以上就是关于数据分析三部曲，探究北京房租状况的相关介绍，更多数据分析三部曲，探究北京房租状况相关内容可以咨询我们或者浏览页面上的推荐内容。我们将让你对数据分析三部曲，探究北京房租状况有更深的了解和认识。