美文网首页量化
链家网房源数据

链家网房源数据

作者: cnkai | 来源:发表于2017-11-23 12:34 被阅读0次

    针对抓取到的南京市链家网的房源数据进行一次简单的数据可视化

    首先导入必要的库。

    import pandas as pd
    import numpy as np
    import matplotlib.pyplot as plt
    import seaborn as sns
    %matplotlib inline
    
    plt.rcParams['font.sans-serif'] = ['SimHei']
    plt.rcParams['axes.unicode_minus'] = False
    

    读取链家网房源数据的csv文件。

    df = pd.read_csv('lianjia.csv', encoding='utf-8')
    del df['href']
    df.head()
    
    image

    原文件中有每一个房源的链接信息,在这里我们不需要,所以就可以直接删除。

    上面表格中的列分别是南京市的行政区划,房源名称,房屋设置,面积,朝向,装修情况的描述,电梯与否,楼层高度,建造时间,在网站上眠的注册时间,总价(万),单价(元),地铁情况。

    首先来看一下基本我们获得的信息的基本情况。

    df.info()
    
    image

    可以看到,数据一共是11170条,包括了每个字段的数据类型。

    针对以上的数据,我们首先来看一下每个区划房源的平均价格,需要按照行政区划进行分组,在对单价单价进行平均。

    mean_price_per_region = df.groupby(df.region)
    
    fig = plt.figure(figsize=(12,7))
    ax = fig.add_subplot(111)
    
    ax.set_title('南京各区域二手房平均价格')
    mean_price_per_region.unit_price.mean().plot.bar()
    plt.savefig('mean_price.jpg')
    plt.show()
    
    image

    鼓楼区作为南京市的核心地带,拥有众多的购物广场,其均价相对较高。

    在来看一下南京市个行政区划房源的平均面积,首选需要将area字段的格式进行一下简单的转换。

    df.area = df.area.apply(lambda x: x.replace('平米', ''))
    df.area = df.area.astype(np.float)
    
    fig = plt.figure(figsize=(12,7))
    ax = fig.add_subplot(111)
    df.groupby('region').area.mean().plot.bar()
    
    image

    同样的,鼓楼区的平均面积也是最小的。

    下面,我们看一下房屋的建造时间,同样的,先要对数据进行格式转换,将对象格式转换成数值类型,我们使用正则表达式,将房屋价格中的数字保留下来,将其余的汉字删除掉。
    下面的代码中,我们使用了pandas库里面非常好用并且常用的一个方法apply()来对某一列进行全部应用,并且将将其图形化,由于建造时间五花八门,因此我们只是去其中出现次数最多的前20个进行画图。

    import re
    def number(x):
        a = re.findall('\d+', x)
        if len(a) == 0:
            return None
        else:
            return a[0]
    df['year'] = df.build_year.apply(number)
    
    fig = plt.figure(figsize=(8,8))
    ax = fig.add_subplot(111)
    ax.set_title('南京地区二手房建造时间分布情况')
    df.year.value_counts()[:20].plot.pie(cmap=plt.cm.rainbow)
    plt.savefig('建造时间分布饼图.jpg')
    
    image

    从以上的结果可以看出,占据绝对数量的建造时间依然是上个世纪九十年代,新建房屋相对偏少。
    下面是以上数据直方图的分布情况。

    df.year.fillna(df.year.median(), inplace=True)
    df.year = df.year.astype(np.int)
    
    fig = plt.figure(figsize=(12,7))
    ax = fig.add_subplot(111)
    ax.set_title('南京地区二手房建造时间分布直方图')
    df.year.plot.hist(bins=8)
    plt.xlim((1950,2020))
    plt.savefig('建造时间直方图.jpg')
    
    image

    下面是建造时间的一个分布情况。

    df.year.fillna(df.year.median(), inplace=True)
    df.year = df.year.astype(np.int)
    
    fig = plt.figure(figsize=(12,7))
    ax = fig.add_subplot(111)
    ax.set_title('南京地区二手房建造时间分布直方图')
    df.year.plot.hist(bins=8)
    plt.xlim((1950,2020))
    plt.savefig('建造时间直方图.jpg')
    

    下面是对房屋建造类型的一个描述,我们首先使用正则表达式将数字等信息删除,目的是保留房屋的结构类型,比如是楼板房还是平房这样的信息。

    def clean_build(x):
        x = re.sub('\d+', '', x)
        a = x.replace('年', '').replace('建', '')
        return a 
    
    df['build_type'] = df.build_year.apply(clean_build)
    build_type = df.build_type.value_counts()
    del build_type['无']
    
    fig = plt.figure(figsize=(6,6))
    ax = fig.add_subplot(111)
    build_type.plot.pie()
    
    image

    板楼类型的房屋是最多的,这也和建造时间有关,毕竟建造时间整体偏向于上个世纪。

    下面看一下装修情况。

    def strip(x):
        return x.strip()
    df.decoration = df.decoration.apply(strip)
    df.decoration.unique()
    
    decoration = df.decoration.value_counts()
    del decoration['其他']
    
    plt.figure(figsize=(10,6))
    decoration.plot.bar()
    plt.title('南京地区二手房装修情况')
    plt.savefig('装修.jpg')
    
    image

    下面看一下哪几个街区的均价是最高的,先对数据做一些预处理。

    df.unit_price = df.unit_price.astype(np.int)
    
    unit_price = df.sort_values(by='unit_price', ascending=False)[:10]
    unit_price.set_index(unit_price.name, inplace=True)
    
    def clean__(x):
        return x.replace('平米', '')
    
    unit_price.area = unit_price.area.apply(clean__)
    unit_price.area = unit_price.area.astype(np.float)
    
    area_price = unit_price['unit_price']
    area_price
    
    plt.figure(figsize=(12,7))
    area_price.plot.bar()
    plt.title('单价最高Top10')
    plt.savefig('单价最高前十.jpg')
    plt.show()
    
    image

    接下来在看一下,房屋整体结构的占比情况。

    fig = plt.figure(figsize=(8,8))
    ax = fig.add_subplot(111)
    
    df['style'].value_counts()[:6].plot.pie(cmap=plt.cm.rainbow)
    plt.title('房屋整体结构占比情况')
    
    image

    两室一厅作为标准配置,占比接近一半。

    最后再来看一下房源朝向分布情况。

    fig = plt.figure(figsize=(12,7))
    ax = fig.add_subplot(111)
    df.orientation.value_counts()[:10].plot.bar()
    plt.title('房源朝向分布情况')
    
    image

    相关文章

      网友评论

        本文标题:链家网房源数据

        本文链接:https://www.haomeiwen.com/subject/gfkzvxtx.html