南风金融网 - 中原最权威行情财经门户

热门关键词:  缪学刚  www.ymwears.cn  xxx    
热门: Python数据分析,学习路径 产教融合 | 长江师范学院应 干货 | 18个 Python 高效编 干货分享--统计学知识大梳 小白必看:数据分析5个常见 攀登数据科学家和数据工程

Pandas、Matplotlib、Pyecharts数据分析实践

来源:南风金融网 作者:南风金融网 人气: 发布时间:2020-04-08 09:33:57


上篇中,我们对比了各种方式下的爬虫效率,并得到了安居客平台杭州的二手房数据3000条。今天,以此3000条数据为对象,我们尝试应用Pandas、Matplotlib和Pyecharts3个数据分析及可视化库进行练手实践。

?



?00 ? 分析目标 ?


  1. 对数据进行去重、筛选空值行,对部分字段进行清洗处理

  2. 多维度刻画杭州在售二手房信息,包括房源售价、主打标签、建筑年份、户型、楼层、行政区划等分布情况,给出在售房源标题的词云

  3. 分析不同区划、不同建筑年份、不同标签房源的数量和均价情况


?

注:所有数据处理和分析都应用pandas进行,可视化部分除3张复合图表由Matplotlib制作外,其余均应用Pyecharts完成。




? 01 ? 数据处理 ?


1.用pandas读取MySQL数据库中的3000条信息,并完成去重


db?=?pymysql.connect(host="localhost",user="root",password="123456",db="ajkhzesf")
sql_select?=?'select?title,?houseType,?area,?floor,?buildYear,?adrres,?tags,?broker,?totalPrice,?price?from?hzesfmultire'
df?=?pd.read_sql(sql_select,?db)
df?=?df.drop_duplicates()



去重后,还有2996条记录

?

2.对总价和均价两个字段进行处理并变换为浮点型


df['totalPrice']?=?df['totalPrice'].str.replace('万','').astype(float)
df['price']?=?df['price'].str.replace('元/m?','').astype(float)


杭州二手房市场中的十大豪宅


3.通过小区/地址字段信息提取房源所在行政区划



regions?=?['上城区','下城区','拱墅区','滨江区','江干区','西湖区','萧山区','余杭区','临安市','富阳区','建德市','淳安县','桐庐县']
df['region']?=?""
for?region?in?regions:
???df.region[df['adrres'].str.contains(region[:2])]?=?region
df['region']


后续做图需要,这里临安仍以”临安市”存在

?



? 02 ? 多维度刻画二手房市场 ?


1.???房源售价

总价200万、单价2.3万,对于杭州这样的大都市来说,也算是刚需友好了。


2.???主打标签

同新房市场一样,房源的售卖标签还是主要围绕品质、配套、出行和宜居几个方面来宣传。


3.???建筑年份

“满五”、“满二”政策下,2014年注定成为二手房市场存量最大的建筑年份。


4.???户型/楼层


如果分别用一个词来概括二手房市场的户型和楼层特点,那么我选择“刚需”和“中庸”。


5.???行政区划

在二手房市场上,余杭的存量(2000+)以大比分完爆其他所有区划。


6.???在售房源标题词云

  • 精装、地铁、三房、户型,是最大卖点

  • 朝南、楼层、品质、车位,具有别样吸引力

  • 81/85/86/88/89/92,主打刚需市场


7. ?最后给出中介经手的二手房数量信息

同时负责联络管理近40个房源信息,也是蛮拼的。

?



?? 03 ? 二手房均价情况 ?


1.???不同区划均价

毫无疑问,6大主城区均价要更高一筹,萧山余杭作为杭州发展潜力股也有着较高的房价水平。外围区划则相对逊色不少。


2.???不同年份均价

如前所述,二手房市场数量最大的是2014年,因为刚好符合满五的低税政策; 2017年以后的房子因为意味着较高的计税,所以在售房源很少,而且因为房龄短均价高,整体市场偏小。


均价方面,总体而言年份越早的房子均价越低,但2010年——2013年例外,具体查询结果如下,2011年在售房源数量及较少,而又夹杂一些主城区的豪宅;而2013年的低均价,则很大程度上是由于在售房源偏远城区的较多,本身房价较低。所以,小样本数据的局限性造成均价曲线上的严重失衡。


在售的2013年低房价Top10


在售的2011年高房价Top10


3.???不同标签均价


统计了5个最有代表性的标签,并分别对包含该标签不包含该标签的样本进行了统计(图中的每对标签数据,左侧为包含该标签的结果,右侧则为不包含该标签),共得到10组数据。

对比来看,
  • 数量方面,包含这些优势的房源数量均为少数,无一例外的要少于相应不包含该标签的房源数量,尤其是在“繁华地段”和“南北通透”这两个属性上,差距尤为明显,印证了优质房源的稀缺性;

  • 均价方面,对比结果则略显戏剧性:在五个象征着优质房源的标签中,只有“近地铁”和“南北通透”意味着更高的均价,而其他则还看不出这样的特点,甚至跟大众印象还有很大出入。当然,再次不排除这是由小样本造成的。

责任编辑:南风金融网

上一篇:图解机器学习:人人都能懂的算法原理

下一篇:没有了

最火资讯

首页 | 财经资讯 | 金融理财 | 价格行情

Copyright © 2012-2015 南风金融网门户站 版权所有 Power by DedeCms 豫ICP备12016580号  技术支持:南风金融网

电脑版 | 移动版