美文网首页数据分析数据分析成长之路
一线城市租房有多贵,我爬取了深圳自如所有的房子告你诉答案

一线城市租房有多贵,我爬取了深圳自如所有的房子告你诉答案

作者: 闪亮的日子hp | 来源:发表于2017-11-07 20:04 被阅读155次

    项目说明

    通过对深圳自如网站上的房源情况进行探索分析,进而了解深圳自如房租的相关情况。

    探索的问题

    1. 房租的分布情况
    2. 哪种户型的房源最多
    3. 哪条地铁线附近的房租比较贵
    4. 哪个区的房租更贵
    5. 房源的面积分布情况

    数据说明

    • 数据来源深圳自如网站(仅包含可出租状态的合租房源)
    • 采用集搜客工具爬取
    • house_area: 表示房间的面积
    • house_toom: 表示出租房屋的户型
    • house_price: 表示每月的房租
    • house_name: 表示房源所处的小区
    • house_located: 表示房源所处的区
    • subway_info: 表示房源附近是否有地铁站

    数据清洗

    数据预览

    # coding: utf-8
    import pandas as pd
    import numpy as np
    import matplotlib.pyplot as plt
    plt.rcParams['font.sans-serif']=['Microsoft YaHei'] # 使图形能够正常显示中文
    %pylab inline
    
    df_sz_ziroom = pd.read_csv('ziroom_sz.csv') # 加载数据
    df_sz_ziroom.head(2) # 预览数据
    
    2017110415097835031332.png
    df_sz_ziroom = df_sz_ziroom.drop('Unnamed: 0', axis=1) # 删掉无用的列
    df_sz_ziroom.head(5) # 预览前五条数据
    
    20171104150978359927452.png
    df_sz_ziroom.tail(5) # 预览后5条数据
    
    20171104150978361728373.png

    需要清洗的字段

    除了 house_room 字段外,剩下的字段都需要清洗,为了便于分析还需要新增字段,工作量有点大,挺好,又可以练手。

    1. house_area 字段有 "15.2 $m^2$" 和 "约9.5 $m^2$" 两种格式,需要转换成纯数字格式。

    def remove_m2(area):
        '''提取 house_area 字段中的数字'''
        if str(area).split()[0].decode('utf-8')[0].isdigit(): # 若字段中无“约”直接取 split 后的列表中的第一个子元素
            area = area.split()[0]
        else:
            area = str(area).split()[0].decode('utf-8')[1:] # 若字段中有“约”则从 split 后列表中的第一个子元素的第二个位置开始取
        return float(area)
    df_sz_ziroom['house_area'] = df_sz_ziroom['house_area'].apply(remove_m2)
    df_sz_ziroom['house_area'].head(5) # 预览后15条数据
    
    0    15.5
    1    24.0
    2    15.0
    3     6.3
    4     7.8
    Name: house_area, dtype: float64
    

    2. house_price 字段目前格式为 "¥1490 (每月)",要把其修改为纯数字格式

    def remove_rmb(price):
        '''提取 house_price 字段中的数字'''
        return int(price.split()[1])
    df_sz_ziroom['house_price'] = df_sz_ziroom['house_price'].apply(remove_rmb)
    df_sz_ziroom['house_price'].head()
    
    0    1660
    1    2230
    2    1830
    3    1860
    4    1930
    Name: house_price, dtype: int64
    

    3. house_name 字段目前的格式类似为 "桦润馨居4居室-南卧",需要把小区名字提取出来,如 "桦润馨居"

    def get_house_name(name):
        '''提取 house_name 字段中的小区名字'''
        return name.decode('utf-8').split('-')[0][:-3].encode('utf-8')
    df_sz_ziroom['house_name'] = df_sz_ziroom['house_name'].apply(get_house_name)
    df_sz_ziroom['house_name'].head()
    
    0       龙园山庄
    1    塘朗城广场东区
    2       龙园山庄
    3    塘朗城广场东区
    4      桃源村一期
    Name: house_name, dtype: object
    

    4. house_located 字段格式为 "[龙华区龙华中心] 4号线(龙华线)龙华" 包含所在的区和地铁两项信息,现需要把这两项信息提取并设置为两个字段
    4.1 提取地铁信息

    def get_subway(house_located):
        '''从 house_located 中提取地铁信息'''
        info = house_located.decode('utf-8').replace('[', ' ').replace(']', ' ').split()
        if len(info) > 1: # 判断 house_located 字段中是否包含地铁信息
            if info[1][:2].isdigit(): # 判断地铁号是否为两位数 如 11号线
                subway_info = info[1][:4].encode('utf-8') # 若地铁号为两位数,则取 split 后的列表中的第二个元素的前四位
            else:
                subway_info = info[1][:3].encode('utf-8') # 若地铁号为1位数,则取 split 后的列表中的第二个元素的前三位
        else:
            subway_info = None # 若无地铁信息则返回 None
        return subway_info
    df_sz_ziroom['subway_info'] = df_sz_ziroom['house_located'].apply(get_subway) # 新建 subway 字段
    df_sz_ziroom['subway_info'].head()
    
    0    3号线
    1    5号线
    2    3号线
    3    5号线
    4    7号线
    Name: subway_info, dtype: object
    

    4.2 提取所在的区的信息

    def house_located(house_located):
        '''从 house_located 中提取区信息'''
        info = house_located.decode('utf-8').replace('[', ' ').replace(']', ' ').split()
        return info[0][:3].encode('utf-8')
    df_sz_ziroom['house_located'] = df_sz_ziroom['house_located'].apply(house_located)
    df_sz_ziroom['house_located'].head()
    
    0    罗湖区
    1    南山区
    2    罗湖区
    3    南山区
    4    南山区
    Name: house_located, dtype: object
    
    df_sz_ziroom.sort_values(by='house_area').head(5) # house_area 列有异常值
    
    20171104150978371258832.png
    df_sz_ziroom = df_sz_ziroom.drop(df_sz_ziroom[df_sz_ziroom['house_area']==0.1].index)
    df_sz_ziroom.sort_values(by='house_area').head(5)
    
    20171104150978380757720.png
    df_sz_ziroom.to_csv('cleaned_sz_ziroom.csv') # 清洗后的数据保存为新的 csv 文件
    

    数据探索

    1 单维度分析

    1.1 房租分布情况

    df_sz_ziroom['house_price'].describe()
    
    count     899.000000
    mean     2068.787542
    std       465.815828
    min      1130.000000
    25%      1760.000000
    50%      1930.000000
    75%      2290.000000
    max      4360.000000
    Name: house_price, dtype: float64
    
    • 最低的房租为 1130 元每月,最贵的房租为 4360 元每月,土豪专属。
    • 平均房租为 2068 元每月,75% 的房租超过 1760 元每月。

    接下来看看最高房租和最低房租的是什么房子

    df_sz_ziroom[df_sz_ziroom['house_price'] == 1130]
    
    20171104150978386171585.png
    df_sz_ziroom[df_sz_ziroom['house_price'] == 4360]
    
    20171104150978390632339.png
    • 房租最低的房子位于龙岗区,龙岗区比较偏僻,且该套房源为6室1厅,房租最低也正常。
    • 房租最贵的房子位于南山区在二号线旁边,2号线经过的基本都是深圳最繁华的地带,房租这么高也正常。
    def delete_spines():
        ax = plt.gca()
        ax.spines['top'].set_visible(False)
        ax.spines['left'].set_visible(False)
        ax.spines['right'].set_visible(False)
    
    plt.style.use('seaborn-talk')
    x = df_sz_ziroom['house_price']
    plt.hist(x, bins=26, edgecolor='black')
    new_xticks = np.linspace(1000, 4500, 15)
    plt.xticks(new_xticks)
    plt.xlabel("house_price rmb/month")
    plt.ylabel("count")
    plt.title(u"深圳自如房租直方图")
    ax = plt.gca()
    ax.spines['top'].set_visible(False)
    ax.spines['left'].set_visible(False)
    ax.spines['right'].set_visible(False)
    ax.yaxis.grid(True)
    plt.show()
    
    20171104150978395343863.png

    大部分的房价集中在 1625 到 2250 元每月,其中 1750 到 2000 元每月的房源最多。超过 3500 元每月的房源很少。因为本次分析的都是合租房源,看来深圳自如的房租还是比较贵。

    1.2 面积分布情况

    df_sz_ziroom['house_area'].describe()
    
    count    899.000000
    mean      11.462803
    std        3.322627
    min        5.360000
    25%        9.200000
    50%       11.100000
    75%       13.300000
    max       30.900000
    Name: house_area, dtype: float64
    

    最小面积为 5.36 $m^2$,最大面积为 30.9 $m^2$,平均面积为 11.46 $m^2$。看来大多数房间的面积都不是很大,真是面积又小,价格又贵。

    x = df_sz_ziroom['house_area']
    plt.hist(x, bins=16, edgecolor='black')
    plt.xlabel('house_area $m^2$')
    plt.ylabel('count')
    plt.title(u'深圳自如房间面积直方图')
    ax = plt.gca()
    ax.spines['top'].set_visible(False)
    ax.spines['left'].set_visible(False)
    ax.spines['right'].set_visible(False)
    ax.yaxis.grid(True)
    plt.show()
    
    20171104150978431822795.png

    绝大多数房间的面积集中在 6.3 到 12.7 $m^2$ 之间,其中 10 到 12.7 $m^2$ 之间的房源最多。超过 20 $m^2$ 的房源很少,租房形式真严峻。

    1.3 户型分布情况

    def add_text(x, y):
        for a, b in zip(x, y):
            plt.text(a, b+0.05, '%.0f' % b, ha='center', va='bottom', fontsize=15)
    
    x = np.arange(len(df_sz_ziroom['house_room'].unique()))
    y = df_sz_ziroom['house_room'].value_counts()
    x_ticks = [room.decode('utf-8') for room in df_sz_ziroom['house_room'].unique()]
    plt.bar(x, y)
    plt.xticks(x, x_ticks)
    plt.xlabel('house_room')
    plt.ylabel('count')
    plt.title(u'深圳自如户型分布图')
    delete_spines()
    add_text(x, y)
    
    20171104150978400433286.png

    户型最多的为4室1厅,其次为3室1厅,最少的为2室1厅。
    户型太大,住的人太多,租客不愿意租,户型太小,自如估计赚不了多少钱,大量推出4室1厅的房源可以兼顾两方面。

    1.4 区域房源分布情况

    x = np.arange(len(df_sz_ziroom['house_located'].unique()))
    y = df_sz_ziroom['house_located'].value_counts()
    plt.bar(x, y)
    x_ticks = [located.decode('utf-8') for located in df_sz_ziroom['house_located'].unique()]
    plt.xticks(x, x_ticks)
    plt.xlabel('house_located')
    plt.ylabel('count')
    plt.title(u'深圳自如房源区域分布图')
    delete_spines()
    add_text(x, y)
    
    20171104150978441167949.png

    罗湖区的房源最多,其次是南山区,最少的是福田区。在福田上班的话不妨去罗湖租房,房源比较多。

    1.5 地铁附近房源分布图

    x = np.arange(len(df_sz_ziroom['subway_info'].dropna().unique()))
    y = df_sz_ziroom['subway_info'].value_counts()
    plt.bar(x, y)
    x_ticks = [subway.decode('utf-8') for subway in df_sz_ziroom['subway_info'].dropna().unique()]
    plt.xticks(x, x_ticks)
    plt.xlabel('subway_info')
    plt.ylabel('count')
    plt.title(u'深圳地铁附近自如房源分布图')
    delete_spines()
    add_text(x, y)
    
    20171104150978444422865.png

    3号线附近的房源最多,由于3号线终点和起点分别在罗湖和龙岗,在罗湖上班的话,沿着3号线租房最好,不仅房源多,而且龙岗的房租普遍比较便宜,上班地铁直达。
    5号线附近房源数量排在第二位,由于5号线横跨罗湖区、南山区、宝安区,中途换乘站非常多,不论在罗湖还是南山还是宝安区,沿着5号线附近租房也是不错的选择。

    1.6 小区数量分布图

    x = np.arange(len(df_sz_ziroom['house_name'].value_counts().head(5).index))
    y = df_sz_ziroom['house_name'].value_counts().head(5)
    plt.bar(x, y)
    x_ticks = [name.decode('utf-8') for name in df_sz_ziroom['house_name'].value_counts().head(5).index]
    plt.xticks(x, x_ticks)
    plt.xlabel('house_name')
    plt.ylabel('count')
    plt.title(u'深圳自如房源小区分布图')
    delete_spines()
    add_text(x, y)
    
    20171104150978449858953.png

    房源最多的小区为佳兆业城市广场三期,数量高达102套,其次为港铁天颂。
    佳兆业城市广场三期位于华为基地附近,在华为上班去该小区租房是个不错的选择。
    港铁天颂位于深圳北高铁站附近,需要经常坐高铁出差去该小区租房是个不错的选择。

    2 双维度分析

    2.1 面积和房租

    x = df_sz_ziroom['house_price']
    y = df_sz_ziroom['house_area']
    fig = plt.figure()
    ax1 = fig.add_subplot(1, 2, 1)
    ax2 = fig.add_subplot(1, 2, 2)
    
    ax1.scatter(x, y)
    ax1.set_xlabel('house_price')
    ax1.set_ylabel('house_area')
    ax1.set_title(u'房租面积散点图')
    
    ax2.scatter(sqrt(x), log10(y))
    ax2.set_xlabel('sqrt_house_price')
    ax2.set_ylabel('log10_house_area')
    ax2.set_title(u'房租面积散点图')
    plt.show()
    
    20171104150978406294026.png
    • 图1为房子的面积和房租的关系图
    • 图2为对面积和房租分别取平方根和对数的关系图
      从图2中发现面积和房租并没有呈现出明显的线性关系,并不是房间面积越大,房租越贵。

    2.2 区域和房租

    df_located_price = df_sz_ziroom.loc[:,['house_located', 'house_price']]
    df_located_price = df_located_price.groupby('house_located')['house_price']\
                                    .apply(pd.Series.reset_index, drop=True).unstack()
    df_located_price.head()
    
    20171104150978413921838.png
    xs = [x[~np.isnan(x)] for x in df_located_price.values]
    plt.boxplot(xs)
    x_ticks = [tick.decode('utf-8') for tick in df_located_price.index]
    plt.xticks(arange(1, len(xs)+1), x_ticks)
    y_ticks = np.linspace(1000, 4500, 8)
    plt.yticks(y_ticks)
    plt.xlabel('house_located')
    plt.ylabel('price')
    plt.title(u'房源所在区域和房租箱线图')
    plt.gca().yaxis.grid(True)
    delete_spines()
    plt.show()
    
    20171104150978415732396.png

    南山区的房租贵,75%的房租高于2000元每月,其箱体也最长。南山区积聚了大量互联网企业,薪资水平在深圳相对来说也非常高。
    福田区的房租紧随南山区之后,龙岗区和罗湖区的房租最低。
    如果在南山区工作,去宝安租房是个不错的选择,地铁方便,房租也比南山便宜。
    在福田区工作,去罗湖和龙华租房是个不错的选择,地铁方便,房租也比福田便宜很多。

    2.2 地铁沿线房租情况

    df_subway_price = df_sz_ziroom.loc[:,['subway_info', 'house_price']]
    df_subway_price.head()
    df_subway_price = df_subway_price.groupby('subway_info')['house_price']\
                                    .apply(pd.Series.reset_index, drop=True).unstack()
    df_subway_price.head()
    
    2017110415097841914742.png
    xs = [x[~np.isnan(x)] for x in df_subway_price.values]
    plt.boxplot(xs)
    x_ticks = [tick.decode('utf-8') for tick in df_subway_price.index]
    plt.xticks(arange(1, len(xs)+1), x_ticks)
    plt.gca().yaxis.grid(True)
    plt.xlabel('subway_info')
    plt.ylabel('price')
    plt.title(u'地铁沿线房租箱线图')
    delete_spines()
    plt.show()
    
    20171104150978420919718.png

    2号线沿线的房租最贵,绝大部分都超过2000元每月,2号线沿线都是比较繁华的地方,房租自然比较高。1号线和11号线沿线的房租紧随2号线其后。
    3号线和5号线沿线的房租比较低。

    3 多维度分析

    3.1 面积,房租,区域,地铁沿线

    import sys
    default_stdout = sys.stdout
    default_stderr = sys.stderr
    reload(sys)
    sys.stdout = default_stdout
    sys.stderr= default_stderr
    sys.setdefaultencoding('utf8')
    import seaborn as sns
    sns.set_style("darkgrid",{"font.sans-serif":['Microsoft YaHei']})
    sns.FacetGrid(df_sz_ziroom, col='house_located', col_wrap= 3,
                            hue='subway_info',size=3, aspect=1)\
                        .map(plt.scatter, "house_area", "house_price")\
                        .add_legend()  
    plt.show()
    
    20171104150978456730936.png

    2号线沿线的房子最贵,主要分布在南山区和福田区,绝大多数房租均超过2000元每月。
    5号线和3号线沿线的房子主要分布在罗湖区和龙岗区,且绝大多数房价低于2000元每月。5号线沿线少量的大面积房源分布子在龙华区。
    7号线和9号线沿线的房子主要分布在福田区和罗湖区,且价格大多数超过2000元每月。
    4号线沿线的房子绝大部分分布在龙华区,绝大部分价格比较高的分布在福田区。
    1号线和11号线沿线的房子主要分布南山区和宝安区,分布在宝安区的房租相对来说比较低。

    结论

    1. 深圳自如绝大多数房租超过1700元,且面积都不大,不过结合深圳的实际租房情况和自如的服务,这个价位还是可以考虑。
    2. 南山区的房租最贵,房源数量也是第二多的,南山区也聚集了大量互联网企业,对于经常加班的互联网从业者来说在公司附近租房是个不错的选择。
    3. 龙岗区和罗湖区的房租最低,且罗湖区房源数量最多,在罗湖上班想租的近一点可以选择罗湖,考虑便宜一点的可以去龙岗区租房。

    相关文章

      网友评论

        本文标题:一线城市租房有多贵,我爬取了深圳自如所有的房子告你诉答案

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