缘由

未来一年以内有可能会在悉尼买房，正好自己在学习数据相关内容。于是自然用爬虫爬取了domain.com.au上悉尼全境的所有房源信息，经过整理后进行了一些简单的分析。
本文数据是2018年1月26日的。

关于技术方面

简单说来有这么几条：

以树莓派3B作为爬虫宿主机器(节能,房东抱怨电费太高了)。
以scrapy做爬虫框架。
以mongodb作为数据库。
以pandas作为分析工具。
后续考虑用点人工智能和数据挖掘，以及对时间序列的分析。
以上1+2是个糟糕的组合。因为mongodb相当吃内存，爬取页面太多的情况下已经将树莓派的1G 内存撑爆了，导致scrapy爬虫运行缓慢。后续考虑换个内存大的机器。

基本数据

domain.com.au上日均房源14284套
出价比例61.3%
房屋类型如下：

type_ratio.png

全境分析

heat.png

从上面这个热度图中可以发现，房源主要密集于3个大区

Sydney核心区域(邮编2117以下)
以Parramatta为核心的西部地区(邮编2117-2165)
以Kogarah为核心的南部区域(邮编2165-2250)

其他区域房源分布相对稀疏，在后续分析中也可发现不同的地产梯队有显著的差异。
这里说明一点，亮的地方不是卖得好的地方，而是屯了很多房源的地方。

price_total.png

链接https://kownse.github.io/sydneyhouse.html
上面这种让人眼花的图其实表达的是房屋总价和房源数量。具体说来：

颜色越红的部分总价越高
颜色越蓝的部分总价越低
颜色浅的部分价格适中

从这个图中可以看到中间区域是个混乱地区，蓝色红红色交杂。
以Parramatta为核心，向西延伸至Penrith，向南延伸至Campbeltown的“低价箭头”。仅仅东边不远处就是从悉尼开始向北扩散开的高价区。
难道中间就没有一个过渡地带吗？
其实是有的。

price_perbed.png

链接：https://kownse.github.io/sydneyhouse_bed.html
这张图和前一张图参数全部相同，唯一的区别是：表示颜色的是单位房间的价格。
在这幅图里可以恨明显地看出，东西之间的中部地区有一片浅色的过度区域。
此区域是单位房间价格有东部高价过度到西部低价的地带，也是房源集中的第2-3个区间。
这个地区如果放在国内，就是城镇化建设的前线，是传统平房和高端住宅的混沌之地。
当然，这边的平房换在国内应该叫别墅。

地产阶梯

一个方便又有趣的现象是，将所有房源按照邮编排序，然后按照百分比聚类，即可得到规则的分片区数据。
以下图片中的蓝色还是代表"便宜"，红色还是代表"贵"，但是都是在当前范围的相对而言。

第一片区

2000-2100.png

第一片区即以悉尼为中心的“高价区”。其实悉尼中心的房价不是最高的，最高的是Ku-ring-gai Chase National Park东北角出海口的Palm Beach。那地方3面环海，风景宜人。房间单价128万，总价450万以上。

top.png

第二片区

2100-2150.png

这一片区是以Parramatta为核心的总价便宜房间价贵的小户型聚集区。

第三片区

2150-2200.png

这一片区是Liverpool以及以南的区域。价格便宜，离市区中心还很近。
为什么离中心这么近的地方价格居然比北边便宜那么多呢？
因为这边中国人少，据说华人都扎堆在Chatswood和Hornsby，那一片就贵了。

第四片区

2200+.png

这其实就是郊县卫星城的区域了。
目测以后Penrith和Campbelltown会发展成新的据点。

阶梯之间的规律

将悉尼分为以上4个区域之后，就发现了一些很有规律的事情。

越偏远的地方标价比例越高

price_ratio.png

为啥老外卖房子不写价格呢？
这个我也不知道，可能是文化缘故。
但是我发现价格越高的地方标价的比例越低。在中心区域，标价比例只有47%左右。
而随着远离核心区域，标价比例稳步上升。到了第四片区，竟然有75%以上的标价率。
有价意味着更高的交易成功率。
这也说明核心区域的房子交易存在很大议价空间，口才好一点就是几十万，所以就不想标价。还有一个原因是，本来就是炒房的，还真不好说自己这把能赚多少。
而偏远地区交易冷淡，更多的人希望房子快点出手，所以标价更多。