每个买房的人都有频繁刷某个real estate网站的经历吧，以澳洲为例，Real Estate网站。这家的搜索设置还是比较全面的，用户可以根据设置suburb (or postcode), property type, minimum and maximum bedrooms, 还有价格区间，使搜索结果尽量贴近自己理想的property。虽然好，但是从用用户的使用体验来说，还是存在一些痛点。
痛点一：数据存储
比如，在锁定买房的几个suburb以后，通常我们能得到十几条甚至几十条符合我们query的房子。而买房的过程一般会持续几个月之久，在这期间不断有新的房子被放到市场上。这也意味着，从开始动买房的念头，到最后settle，平均每个人要浏览几百间不同的房子，除非记忆力极佳，否则很难记住这些房子的细节。我们需要的是一个小型的易于操作(修改和查询)的数据库。如果这些房子以及其重要的参数都能被录下来，我们可以经常访问，快速排序，或者简单地做一些图表，那么就非常好了。Excel是一个被广泛使用，而且能满足我们的数据库需求的工具。可是把网页上的数据逐条手动复制到Excel的工作量过于繁杂，如何自动地把数据从网页上load到Excel里面，是我们想解决的一个小问题。
痛点二：数据可视化
另外，如果只盯着一个Excel表格，那些琳琅满目的数字和文字很容易让人类的大脑宕机。我们的大脑天生对图像比较敏感，诸如颜色，形状，大小等等。举个例子，如果我们download了一个suburb里面所有符合我们要求的房子数据。我们可以如何将它们可视化呢？首先，我们希望了解它们的位置，知道它们分布在这个区的那些具体位置。哪些离超市比较近，哪些离大路口比较近等等。这也就是把Excel中地址的文字信息翻译成经纬度，并呈现于地图上。其次，我们希望一张图上面的信息尽量丰富，比如一眼望去就能对他们的价钱和land size了如指掌。其实Real Estate提供了一个map功能，但是用户体验一般。地图功能显示了每个房子的位置，但用户必须点击每个房子的图标才能看到它的具体信息，诸如价钱等等。这个功能并没有帮助用户解放记忆空间，因为每个房子的信息还是independent的，没有形成一个比较网络。用户依然需要一个个记下来，然后才能比较。非常冗余。
解决方案：一个小工具
如果会使用R或者Python，或者任何其它编程工具的小伙伴们，即便没有过使用爬虫的经验，只要有一个入门小程序也能够很快的开发出适合自己的工具。我写了一个100来行的小script，希望能帮助到正在考虑买房的小伙伴们。
它实现的功能是：
（一）：数据存储
程序的第一部分是初始设置：
1. list_suburbs: 需要搜索的区名
2. list_postcodes: 区相对应的邮编，以防不同城市suburb出现同名的情况
3. minBeds，maxBeds, minPrice, maxPrice：房间数量的区间，以及可接受的价格区间
爬虫初始设置
所有符合query条件的房子数据自动被存入Excel，每个suburb对应一个sheet。每个房子被记录的参数包括：价钱，地址，房间数，土地面积，车库数，经纬度，等等。
房子数据库
（二）可视化
我实现了之前提到的简单的visualisation，包括：
1. 位置显示
2. 房价区间：颜色表示不同的价格区间。人脑对颜色记忆能力比较强，这张图把几十个房子的价钱信息同时囊括其中，我们非常方便比较不同房子之间的价格，短时间内锁定几个最符合自己期望的目标。PS:灰颜色意味着没有标价，很可能是准备进入auction拍卖的房子。想避免进入拍卖的朋友，这张图可以很快的帮你rule out一些没有标价的房子。
3. 土地面积：澳洲买房，land size是非常重要的信息。比如在Brisbane，800平米以上的地是可以被sub-divide的，但是800以下的就不可以。这里用圆点的大小来indicate面积大小。
这张例图的信息其实非常丰富。我们可以看到在mitchelton这个suburb，有一条地铁线贯穿其中。Oxford Park station和Michelton station是两个地铁站，其中Michelton station不远处有一个brookside shopping center。这两个地铁站附近都有几个大圆点，说明这两个location很热，交易非常活跃。而且虽然位置相近，土地面积相近，但价格差异却很大。这有可能是因为房屋的状态差异，比如新旧或者装修。对目标是买地投资的朋友而言，mitchelton附近那个橙色的大圆点可能是较为理想的目标，而对于买房自住的朋友，粉色的大圆点可能较为理想。
房产信息可视化
我只是写了非常简单的功能，但这个小工具可以扩展的方向很多。比如可以设置自动抓取刷新功能，每天定时抓取网页记录存取，并发一封email 给自己。对于一些非常火热的suburb，定时更新信息可能非常重要。还有就是可视化可以改进，比如有些朋友比较关注房间数量，那么可以在边栏现实房间数量，用不同形状的marker来表示。
总结
开发一个简单的工具总是能够让生活更简单些。当你考虑买房的时候，首先用这个系列第一篇文章中介绍的模型对每个suburb建立一个平均的模型，找出投资回报有优势的suburbs；再用这篇文章中介绍的小工具，把几十个suburb搜一遍，每个画一张图。很快就可以locate交易比较活跃的suburb。然后再仔细看那几个suburb的图，找到比较理想的房子。我的使用经验来说，这个方法可以非常快速地拍出冗余信息，节省时间成本。当然，这个过程的同时，要跟投资经验丰富的朋友多聊天，他们给出的信息可以帮你cross validate从数据中得到的insight。
网友评论