请选择 进入手机版 | 继续访问电脑版
楼主: CDA网校
3508 20

帝都房价回调?带你用Python了解北京二手房市场现状—CDA人工智能学院 [推广有奖]

  • 4关注
  • 96粉丝

管理员

大师

60%

还不是VIP/贵宾

-

威望
3
论坛币
26308 个
通用积分
2983.1599
学术水平
259 点
热心指数
267 点
信用等级
234 点
经验
193541 点
帖子
5031
精华
19
在线时间
3669 小时
注册时间
2019-9-13
最后登录
2024-3-28

初级热心勋章

CDA网校 学生认证  发表于 2020-8-10 17:24:19 |显示全部楼层 |坛友微信交流群

+2 论坛币
k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群
赵安豆老师微信:zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

感谢您参与论坛问题回答

经管之家送您两个论坛币!

+2 论坛币
CDA人工智能学院致力于以优质的人工智能在线教育资源助力学员的DT职业梦想!课程内容涵盖数据分析、机器学习、深度学习、人工智能、TensorFlow、PyTorch、知识图谱等众多核心技术及行业案例,让每一个学员都可以在线灵活学习,快速掌握AI时代的前沿技术。PS:私信我即可获取《银牌会员》1个月免费试听机会

CDA数据分析师 出品  

作者:Mika

数据:真达  

后期:泽龙

【导读】

今天让我们来聊一聊北京的二手房市场现状。

代码链接:https://edu.cda.cn/group/19/thread/241​

Show me data,用数据说话

今天我们聊一聊 北京二手房数据

点击下方视频,先睹为快:

  点击观看

对于许多在一线城市打拼的人群而言,能够在大城市安家,扎根下来都是为止奋斗的梦想。但一线城市的突破天际房价也让很多人望而却步。

转眼间2020年已经过半,大家买房子、买房子的愿望实现了吗?你关注的房子降价了吗?

之前DT财经的《我只有300万预算,能在上海买到什么样的房子?》分析了上海二手房的房价,引起了很多人的反响。

那么帝都的二手房市场又是怎样的呢?这次我们用Python来分析下北京的二手房数据。

我们使用Python获取了链家网上北京市16个区的二手房数据。首先导入要使用的数据处理包pandas,可视化工具pyecharts和plotly。

  1. # 导入所需包
  2. import numpy as np
  3. import pandas as pd
  4. import matplotlib.pyplot as plt
  5. import os  

  6. from pyecharts.charts import Pie, Map, Bar, Line, Grid, Page
  7. from pyecharts import options as opts

  8. import plotly as py
  9. import plotly.graph_objs as go
  10. import plotly.express as px
复制代码

01数据读入

使用循环读入数据集,然后进行去重处理,查看一下数据集大小,可以看到去重之后一共有4403条数据。

  1. # 读入数据
  2. file_list = os.listdir('../data/')

  3. df_all = pd.DataFrame()
  4. for file in file_list:
  5.     file_name = file.split('.')[0]
  6.     df = pd.read_csv(f'../data/{file}')
  7.     df['region_name'] = file_name
  8.     df_all = df_all.append(df, ignore_index=True)

  9. # 去重
  10. df_all = df_all.drop_duplicates()
  11. print(df_all.shape)
复制代码
  1. (33509, 9)
复制代码
  1. df_all.head(2)
复制代码

预览以下数据:

df_all.head(2)

02数据预处理

我们对数据集的各个特征进行提取和处理,以便后续的数据分析工作,主要处理工作包含:

  • title:无需分析,删除

  • detail_url:无需分析,删除

  • position:维度过细、删除

  • houseInfo:提取室、厅、面积、方位、装修、楼层(高中低)、建筑年份、板塔

  • followInfo:无需分析,删除

  • tag_info:提取是否靠近地铁

  • total_price:提取房屋总价

  • unitPrice:房屋单价

  • region_name:无需处理



  1. # 删除列
  2. df_all = df_all.drop(['title', 'detail_url', 'position', 'followInfo'], axis=1)  

  3. # 提取室厅
  4. df_all['halls'] = df_all['houseInfo'].str.split('|').str[0].str.extract(r'(\d+)室')
  5. df_all['bedrooms'] = df_all['houseInfo'].str.split('|').str[0].str.extract(r'\d室(\d+)厅')
  6. # 提取面积
  7. df_all['area'] = df_all['houseInfo'].str.split('|').str[1].str.extract(r'(\d+.*\d+)平米')
  8. # 提取朝向
  9. df_all['orient'] = df_all['houseInfo'].str.split('|').str[2]
  10. # 提取装修类型
  11. df_all['decorate_type'] = df_all['houseInfo'].str.split('|').str[3]
  12. # 提取楼层
  13. df_all['floor'] = df_all['houseInfo'].str.split('|').str[4]
  14. # 提取建筑年份
  15. df_all['built_year'] = df_all['houseInfo'].str.split('|').str[5].str.extract(r'(\d+)')
  16. # 提取板塔
  17. df_all['banta'] = df_all['houseInfo'].str.split('|').str[6]
  18. # 删除houseInfo
  19. df_all = df_all.drop('houseInfo', axis=1)

  20. # 提取地铁
  21. df_all['subway'] = [1 if '地铁' in i else 0 for i in df_all['tag_info']]
  22. # 删除tag_info
  23. df_all = df_all.drop('tag_info', axis=1)

  24. # 提取总价
  25. df_all['total_price'] = df_all['total_price'].str.extract(r'(\d+)')
  26. df_all['unitPrice'] = df_all['unitPrice'].str.extract(r'(\d+)')

  27. # 空值-直接删除
  28. df_all = df_all.dropna()

  29. # 转换数据类型
  30. df_all['total_price'] = df_all['total_price'].astype('int')
  31. df_all['unitPrice'] = df_all['unitPrice'].astype('int')
  32. df_all['halls'] = df_all['halls'].astype('int')
  33. df_all['bedrooms'] = df_all['bedrooms'].astype('int')
  34. df_all['area'] = df_all['area'].astype('float')
  35. df_all['built_year'] = df_all['built_year'].astype('int')
  36. df_all['subway'] = df_all['subway'].astype('int')
  37. df_all.head()
复制代码

进一步处理楼层、建筑年份和房屋朝向字段。

  1. def transform_floor(x):
  2.     if x == '高楼层' or x == '顶层' or x == '上叠':
  3.         return '高层'
  4.     elif x == '低楼层' or x == '底层' or x == '下叠' or x == '1层' or x == '2层' or x == '3层':
  5.         return '低层'
  6.     elif x == '中楼层' or x == '4层' or x == '5层' or x == '6层':
  7.         return '中层'
  8.     elif x == '地下室':
  9.         return '地下室'
  10.     else:  # 其他归为高层
  11.         return '高层'  

  12. # floor一般化
  13. df_all['floor_type'] = df_all['floor'].str.replace(r'\(.*?\)', '').str.strip()
  14. df_all['floor_type'] = df_all.floor_type.apply(transform_floor)
  15. df_all = df_all.drop('floor', axis=1)

  16. # orient-一般化
  17. df_all['orient'] = df_all['orient'].str.extract(r'([\u4e00-\u9fa5])')

  18. # bulit_year
  19. df_all['built_year'] = 2020 - df_all['built_year']

  20. # banta-一般化
  21. df_all['banta'] = df_all.banta.str.strip()
  22. df_all.head()
复制代码


03数据探索和可视化

以下仅列出关键部分数据可视化分析代码:

近一年北京二手房房价走势图


首先我们看到近一年来,北京二手房房价的走势图,可以看到有回调的趋势,目前的均价在每平方米57589的样子。

北京不同区域的二手房房源数量

那么北京各个区域的二手房源分布如何呢?


经过统计可以看到,朝阳区的二手房数量遥遥领先,达到25648.其次是丰台,共11094。之后海淀、昌平、大兴紧随其后。

北京不同区域的二手房均

不同区域的二手房价又是怎样的呢?西城区一马当先,以114980元每平米的价格领跑北京的二手房市场。其次,东城区以97295每平米排在第二位。海淀区以85954每平米的价格排在第三位。

代码如下:

  1. # 产生数据
  2. s_region = df_all.groupby('region_name')['unitPrice'].mean().sort_values(ascending=False)
  3. x_data = [i+'区' for i in s_region.index.tolist()]
  4. y_data = [round(i) for i in s_region.values.tolist()]

  5. data_pair = [list(z) for z in zip(x_data, y_data)]

  6. # 地图
  7. map1 = Map(init_opts=opts.InitOpts(width='1350px', height='750px'))
  8. map1.add('', data_pair, maptype='北京')
  9. map1.set_global_opts(title_opts=opts.TitleOpts(title='北京不同区域的二手房均价(元/平米)'),
  10.                      visualmap_opts=opts.VisualMapOpts(max_=114979))
  11. map1.render()
复制代码


  1. # 条形图
  2. bar2 = Bar(init_opts=opts.InitOpts(width='1350px', height='750px'))
  3. bar2.add_xaxis(x_data)
  4. bar2.add_yaxis('', y_data)
  5. bar2.set_global_opts(title_opts=opts.TitleOpts(title='北京不同区域的二手房均价(元/平米)'),
  6.                      visualmap_opts=opts.VisualMapOpts(max_=114979))
  7. bar2.render()
复制代码

北京二手房都处在什么价位

那么在北京买一套二手房到底要花多少钱?接着我们分析了二手房的价位,从图中可以看到总价在300-500万内的最多,占比达到35.9%。500-800万的占比26.54%。300万以下的占比19.54%。

代码如下:

  1. bins = [74, 300, 500, 800, 1000, 8299]
  2. bins_label = ['300万及以下', '300-500万', '500-800万', '800-1000万', '1000万以上']

  3. # 新增字段
  4. df_all['price_cut'] = pd.cut(df_all['total_price'], bins=bins, labels=bins_label)

  5. price_num = df_all.price_cut.value_counts()
  6. # 数据对
  7. data_pair = [list(z) for z in zip(price_num.index.tolist(), price_num.values.tolist())]

  8. # 绘制饼图
  9. pie1 = Pie(init_opts=opts.InitOpts(width='1350px', height='750px'))
  10. pie1.add('', data_pair=data_pair, radius=['30%', '60%'], rosetype='radius')
  11. pie1.set_global_opts(title_opts=opts.TitleOpts(title='北京二手房都处在哪些价位?'),
  12.                      legend_opts=opts.LegendOpts(orient='vertical', pos_top='15%', pos_left='2%'))
  13. pie1.set_series_opts(label_opts=opts.LabelOpts(formatter="{b}:{d}%"))
  14. pie1.set_colors(['#FF7F0E', '#1F77B4', '#2CA02C', '#D62728', '#946C8B'])
  15. pie1.render()
复制代码

北京二手房房龄分布


那么这些二手房的房龄都有多久了呢?可以看到房龄在20年以上的最多,有10946套占比33.73%,其次房龄在15-20年的有7835套,占比24.15%。5年以内的仅有1441套,占比4.44%。


是否靠近地铁和房屋单价的关系


一般来说,靠近地铁越近的房子房价越高,从分布的箱线图可以看出,以中位数来看,靠近地铁的房子单价比不不靠近地铁的房子每平米高12317元。


不同朝向的房屋数量分布


房屋朝向方面,朝南的自然是最多的,占比达到68.97%。其次是朝东的,占比18.25%。

不同房屋结构的数量分布


房屋结构方面,板楼是最多的占比64.39%。其次是塔楼,占比16.85%。板楼塔楼结合的占比16.45%。

房屋面积和房屋价格的关系


从散点图可以看出,房屋的面积和房屋价格呈现正相关,计算皮尔逊相关系数的值为0.67,为强相关。


代码如下:

  1. # 添加轨迹
  2. fig = px.scatter(df_all, x='area', y='total_price')

  3. fig.update_layout(title='房屋面积和房屋价格的关系(万元)')
  4. py.offline.plot(fig, filename='房屋面积和房屋价格的关系.html')
复制代码

卧室数量和房屋价格的关系


从分布的箱线图可以看出,卧室数量越多,面积越大,则房屋总价越高。房价呈现右偏分布,且离群值较多。

客厅数量和房屋价格的关系


客厅和卧室一样反映在房屋的面积上,客厅 数越多,则房屋总价越高。

代码如下:

  1. # 合并
  2. df_all['halls'] = [i if i<=4 else '5及以上' for i in df_all['halls']]
  3. df_all['halls'] = df_all.halls.astype('str')

  4. # 添加数据
  5. y1 = df_all[df_all['halls']=='1']['total_price'].values
  6. y2 = df_all[df_all['halls']=='2']['total_price'].values
  7. y3 = df_all[df_all['halls']=='3']['total_price'].values
  8. y4 = df_all[df_all['halls']=='4']['total_price'].values
  9. y5 = df_all[df_all['halls']=='5及以上']['total_price'].values

  10. # 实例Figure
  11. fig = go.Figure()

  12. # 添加轨迹
  13. fig.add_trace(trace=go.Box(y=y1, name='1厅'))
  14. fig.add_trace(trace=go.Box(y=y2, name='2厅'))
  15. fig.add_trace(trace=go.Box(y=y3, name='3厅'))
  16. fig.add_trace(trace=go.Box(y=y4, name='4厅'))
  17. fig.add_trace(trace=go.Box(y=y5, name='5厅及以上'))

  18. # 配置项
  19. fig.update_layout(title='客厅数量和房屋价格的关系(万元)')
  20. py.offline.plot(fig, filename='客厅数量和房屋价格的关系.html')
复制代码

装修类型和房屋单价的关系


不同装修类型花费的成本不同,从装修类型看,精装的房子单价最高,然后是简装、毛坯。

点击链接即可获取代码:https://edu.cda.cn/group/19/thread/241​


关注“CDA人工智能学院”,回复“录播”获取更多人工智能精选直播视频!


二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

关键词:python 二手房市场 北京二手房 人工智能 CDA

已有 3 人评分经验 论坛币 收起 理由
xujingtang + 80 精彩帖子
zl89 + 20 精彩帖子
happy_287422301 + 100 精彩帖子

总评分: 经验 + 100  论坛币 + 100   查看全部评分

CDA网校 学生认证  发表于 2020-8-10 17:34:57 |显示全部楼层 |坛友微信交流群

使用道具

gudure 学生认证  发表于 2020-8-10 17:35:20 |显示全部楼层 |坛友微信交流群

使用道具

时光人 学生认证  发表于 2020-8-10 17:36:05 |显示全部楼层 |坛友微信交流群
感谢分享

使用道具

zoomivy 发表于 2020-8-10 19:02:50 |显示全部楼层 |坛友微信交流群
感谢分享

使用道具

三重虫 发表于 2020-8-10 20:07:50 |显示全部楼层 |坛友微信交流群

使用道具

刘沁峰 发表于 2020-8-10 22:58:06 |显示全部楼层 |坛友微信交流群
感谢分享

使用道具

三思而立 发表于 2020-8-11 07:35:48 |显示全部楼层 |坛友微信交流群

使用道具

cuht 发表于 2020-8-11 08:36:56 |显示全部楼层 |坛友微信交流群

使用道具

Ipub 在职认证  发表于 2020-8-11 09:05:55 |显示全部楼层 |坛友微信交流群
好消息啊,喜大普奔

使用道具

您需要登录后才可以回帖 登录 | 我要注册

本版微信群
加好友,备注cda
拉您进交流群

京ICP备16021002-2号 京B2-20170662号 京公网安备 11010802022788号 论坛法律顾问:王进律师 知识产权保护声明   免责及隐私声明

GMT+8, 2024-3-28 23:50